KI-Produktvideo-Anzeigen: Ein praxisnaher Workflow Schritt für Schritt

Die meisten ersten Versuche mit einer KI-Produktanzeige laufen gleich ab. Man tippt „eine cineastische Werbung für meine Trinkflasche“ ein, generiert einen langen Clip und bekommt etwas Hübsches, das nichts verkauft. Auf der Flasche steht das falsche Logo, keine Einstellung zeigt, was das Produkt besonders macht, und der Clip passt nicht zum gebuchten Werbeplatz.

Ein besserer Einzelprompt löst dieses Problem nicht. Anzeigen werden aus kurzen, geplanten Einstellungen geschnitten, von denen jede genau eine Aufgabe hat. Aktuelle KI-Videomodelle erzeugen Clips von 4 bis 15 Sekunden, und das passt perfekt zu dieser Struktur. Dieser Leitfaden führt Schritt für Schritt durch den Workflow und endet mit einer 15-Sekunden-Shotlist zum Übernehmen.

Schritt 1: Ein Briefing in einem Absatz schreiben

Bevor Sie einen Generator öffnen, beantworten Sie schriftlich vier Fragen. Halten Sie die Antworten kurz.

1. Für wen ist die Anzeige? Eine Zielgruppe, beschrieben wie eine Person. „Läuferinnen und Läufer, die vor der Arbeit trainieren“ ist hilfreich. „Alle“ ist es nicht.
2. Was ist die eine Botschaft? Ein Nutzen, nicht fünf. „Hält Wasser einen ganzen Tag lang kalt“ schlägt jede Feature-Liste.
3. Wo läuft die Anzeige? Der Werbeplatz bestimmt das Seitenverhältnis, die Länge und ob mit Ton geschaut wird.
4. Was soll die Zuschauerin oder der Zuschauer tun? Eine Seite besuchen, einen Code nutzen oder sich den Namen merken.

Hier ein Beispiel-Briefing:

Audience: runners who train early in the morning.
Message: the bottle keeps water ice cold through a long run.
Placement: vertical feed ads, often watched without sound.
Action: tap through to the product page.
Length: 15 seconds.

Auf Deutsch: Zielgruppe Frühläufer, Botschaft eiskaltes Wasser auf langen Läufen, vertikale Feed-Anzeigen meist ohne Ton, Klick zur Produktseite, 15 Sekunden.

Wenn eine Einstellung großartig aussieht, aber der Botschaft nicht dient, fliegt sie raus.

Schritt 2: Aus dem Briefing eine Shotlist machen

Eine 15-Sekunden-Anzeige besteht meist aus vier oder fünf Einstellungen. Jede hat eine Aufgabe: Aufmerksamkeit wecken, das Produkt zeigen, den Nutzen beweisen, es im echten Leben zeigen und mit der Marke abschließen.

Schreiben Sie die Liste, bevor Sie irgendetwas generieren. Notieren Sie zu jeder Einstellung:

• Zweck: was diese Einstellung die Zuschauer fühlen oder verstehen lassen soll.
• Quelle: Startet sie von Ihrem Produktfoto (Image-to-Video) oder nur von Text (Text-to-Video)?
• Länge: Die meisten KI-Modelle erzeugen Clips von wenigen Sekunden. Planen Sie also Einstellungen von 4 bis 6 Sekunden und kürzen Sie im Schnittprogramm.
• Kamera: eine klare Bewegung pro Einstellung. Das komplette Vokabular finden Sie in unserem Leitfaden zu Prompts für Kamerabewegungen.

Schritt 3: Hero-Shots aus Ihrem Produktfoto (Image-to-Video)

Jede Einstellung, in der das Produkt exakt stimmen muss, sollte mit einem echten Produktfoto beginnen. Text allein kann Ihr Logo, Ihr Etikett oder die genaue Form Ihrer Verpackung nicht nachbilden. Ein Foto schon.

Mehrere Modelle auf veo4.dev akzeptieren ein Startbild. Veo 4 nimmt ein Referenzbild an. Veo 3.1 nimmt ein erstes und ein letztes Bild an, sodass Sie steuern, wo die Einstellung beginnt und wo sie endet. Auch MiniMax H3 akzeptiert ein erstes und ein letztes Bild. Kling 3.0, Kling v2.5 Turbo Pro, Seedance 2.0 und Wan 2.6 akzeptieren optional ein erstes Bild, und Hailuo 2.3 arbeitet nur mit einem Ausgangsbild. Den kompletten Ablauf zeigt die Image-to-Video-Seite.

Tipps für Hero-Shots:

• Beschreiben Sie Bewegung, nicht das Produkt. Das Modell sieht die Flasche bereits. Sagen Sie ihm, was sich verändert: Das Licht wandert, Kondenswasser bildet sich, die Kamera umkreist das Objekt.
• Halten Sie die Produktbewegung klein. Bei großen Produktbewegungen verzerren sich Etiketten. Bewegen Sie Kamera und Licht und lassen Sie das Produkt stillstehen.
• Schneiden Sie das Foto vorher zu. Bei Kling 3.0, Kling v2.5 Turbo Pro und MiniMax H3 übernimmt der Clip das Seitenverhältnis des Startbilds. Schneiden Sie Ihr Produktfoto für eine vertikale Anzeige also vor dem Hochladen auf 9:16 zu.
• Nutzen Sie einen Negativ-Prompt bei Kling v2.5 Turbo Pro, um verzerrten Text und zusätzliche Objekte auszuschließen.

The camera slowly orbits the steel water bottle on the wet stone surface.
Morning light sweeps across the brushed metal and catches the logo.
Cold condensation droplets bead and slide down the side of the bottle.
Static product, smooth camera motion, shallow depth of field.

Falls das Etikett zwischen den Takes trotzdem wandert, hilft unser Leitfaden zum Beheben häufiger KI-Videoprobleme, der verzerrten Text und Flackern ausführlich behandelt.

Schritt 4: Lifestyle-Szenen mit Text-to-Video

Lifestyle-Szenen zeigen das Produkt in einem Leben, das sich Ihre Zielgruppe wünscht. Sie verkaufen das Gefühl, und das Produkt ist oft klein im Bild oder unscharf. Deshalb eignen sie sich gut für Text-to-Video. Beschreiben Sie, wer, wo, welches Licht, welche Handlung und welche Kamerabewegung.

A young woman jogs along a quiet riverside path at sunrise, breath visible
in the cold air. She slows down, lifts a steel water bottle and drinks.
Golden backlight, light mist over the water. Handheld tracking shot at
shoulder height, natural and slightly shaky.

Wenn dieselbe Person in zwei oder mehr Einstellungen vorkommt, brauchen Sie einen Plan, damit sie gleich aussieht. Wie das geht, erklärt unser Leitfaden zu konsistenten Charakteren über mehrere KI-Videoclips hinweg.

Schritt 5: Voiceover, Ton und Musik

Viele Feed-Anzeigen laufen ohne Ton, also muss das Bild die Botschaft allein tragen. Fügen Sie den zentralen Nutzen im Schnittprogramm als Text im Bild ein. Betrachten Sie Ton dann als Bonus, der die Anzeige für alle besser macht, die zuhören.

Sie haben zwei Möglichkeiten:

• Nativer Ton. Manche Modelle erzeugen den Ton im selben Durchgang wie das Bild. Seedance 2.0 hat einen Schalter für native Audio, Kling 3.0 einen Schalter für nativen Sound. Nutzen Sie nativen Ton für Atmosphäre und Effekte: Schritte auf Kies, ein Deckel, der aufgedreht wird, Vögel im Morgengrauen.
• Separates Voiceover und Musik. Für einen getexteten Werbesatz oder einen Marken-Track nehmen Sie das Voiceover separat auf oder generieren es separat und legen es im Schnittprogramm über den Schnitt. So bleibt die Stimme in jeder Einstellung gleich.

Beschreiben Sie den Ton im Prompt genauso sorgfältig wie das Bild:

Sound: the soft click of the cap unscrewing, a short splash of water,
quiet morning birdsong in the background. No music, no dialogue.

Schritt 6: Das Seitenverhältnis an den Werbeplatz anpassen

Generieren Sie jede Einstellung im Seitenverhältnis ihres Werbeplatzes. Wer einen breiten Clip später auf Hochformat zuschneidet, wirft den Großteil des Bildes weg und schneidet oft das Produkt ab.

Jedes Text-to-Video-Modell auf der Website mit einer Einstellung für das Seitenverhältnis bietet 16:9 und 9:16. Seedance 2.0, MiniMax H3 und Happy Horse 1.0 bieten zusätzlich 1:1, 4:3 und 3:4. Veo 4 und Veo 3.1 bieten nur 16:9 und 9:16. Wenn Sie eine vertikale und eine breite Version derselben Anzeige brauchen, generieren Sie jede Version nativ, statt eine zuzuschneiden. Mehr zum Hochformat lesen Sie in vertikale KI-Videos für TikTok, Reels und Shorts erstellen.

Schritt 7: Günstig iterieren, dann die finalen Versionen rendern

Bei den meisten unserer Modelle steigen die Credit-Kosten eines Clips mit seiner Länge, bei vielen auch mit der Auflösung. Nativer Ton erhöht die Kosten bei Seedance 2.0 sowie im Standard- und 1080p-Modus von Kling 3.0. Nutzen Sie das zu Ihrem Vorteil:

1. Kurze Entwürfe. Verwenden Sie die kürzeste Dauer, die das Modell anbietet, etwa 4 Sekunden bei Veo 4 und Veo 3.1 oder 5 Sekunden bei Kling und Seedance 2.0.
2. Entwürfe in niedrigerer Auflösung. Bei Modellen, deren Kosten von der Auflösung abhängen, etwa Seedance 2.0, Kling 3.0 und Wan 2.6, testen Sie den Prompt in 480p oder 720p. Bei Veo 4 und Veo 3.1 hängen die Kosten nur von der Dauer ab, die Auflösung ändert den Preis also nicht.
3. Ändern Sie pro Take nur eine Sache, damit Sie wissen, welche Änderung geholfen hat. Lassen Sie Startbild, Dauer und Seitenverhältnis zwischen den Takes gleich.
4. Rendern Sie die finalen Versionen zuletzt. Sobald ein Prompt funktioniert, lassen Sie ihn in voller Länge und in 1080p laufen, oder höher bei Modellen wie Kling 3.0, das 4K bietet.

Prüfen Sie die aktuellen Credit-Kosten jeder Option auf der Preisseite, bevor Sie eine Serie planen.

Eine Beispielanzeige mit 15 Sekunden: Shotlist mit Prompts

Hier ist ein kompletter Plan für das Trinkflaschen-Briefing von oben, in 9:16 für vertikale Feeds.

Einstellung 1, der Hook:

Extreme close-up of an ice cube dropping into clear water inside a steel
bottle, in slow motion. Water splashes up toward the lens. Cool blue light,
dark background. Static camera. Sound: a crisp ice clink and splash.

Einstellung 2, der Hero-Shot (vom Produktfoto aus starten):

The camera slowly pushes in on the steel water bottle standing on a wet
stone. Soft sunrise light slides across the brushed metal and the logo.
The product stays still. Shallow depth of field, calm and premium mood.

Einstellung 3, der Beweis des Nutzens (vom Produktfoto aus starten):

Cold condensation forms on the outside of the bottle and a single drop
runs down past the logo. Bright midday sun behind it, heat shimmer in the
background. Static close-up shot. Sound: faint summer insects.

Einstellung 4, Lifestyle:

A runner stops at the top of a hill at sunrise, unscrews a steel bottle
and drinks, then smiles and looks out over the city. Warm backlight, light
breeze in her hair. Slow handheld orbit around her at shoulder height.
Sound: heavy breathing, wind, distant birds.

Einstellung 5, der Markenabschluss (von einem sauberen Packshot aus starten):

The bottle stands centered on a plain light background. The camera holds
still while soft light slowly brightens from left to right. Leave clear
empty space above the bottle for a logo and a tagline.

Legen Sie den Nutzen als Text im Bild über die Einstellungen 2 und 3, den Call-to-Action über Einstellung 5 und einen Voiceover-Satz über die gesamte Anzeige.

FAQ

Welches Modell eignet sich für Produktanzeigen?

Für Einstellungen, in denen das Produkt exakt aussehen muss, nehmen Sie ein Modell mit Startbild, etwa Veo 4 oder Veo 3.1. Greifen Sie zu Veo 3.1, wenn Sie zusätzlich das letzte Bild festlegen möchten. Für Lifestyle-Szenen funktioniert jedes Text-to-Video-Modell.

Kann KI mein Logo und Etikett exakt nachbilden?

Starten Sie von einem echten Produktfoto und halten Sie die Produktbewegung klein. Reine Text-Prompts können Markenzeichen nicht zuverlässig nachbilden. Für ein perfektes Logo fügen Sie es im Schnittprogramm auf dem letzten Bild ein.

Nativer Ton oder separates Voiceover?

Nutzen Sie nativen Ton für die Geräusche innerhalb jeder Einstellung. Nutzen Sie ein separates Voiceover und ein Musikbett über die gesamte Anzeige, damit Stimme und Track von Einstellung zu Einstellung gleich bleiben.

Wie erstelle ich eine vertikale und eine breite Version?

Generieren Sie jede Version in ihrem eigenen Seitenverhältnis, 9:16 und 16:9, aus denselben Prompts. Natives Framing hält das Produkt im Bild; Zuschneiden schneidet es oft ab.

Starten Sie Ihre erste Produktanzeige

Schreiben Sie das Briefing, planen Sie fünf Einstellungen und erstellen Sie kurze Entwürfe. Öffnen Sie dann den KI-Videogenerator und beginnen Sie mit Ihrem Hero-Shot, oder gehen Sie direkt zu Veo 4, um Ihr Produktfoto zu animieren. Wenn die Entwürfe stimmen, rendern Sie die finalen Versionen und schneiden die Anzeige zusammen.