KI-Video erstellen: 12 fertige Prompts und Anleitung (2026)

Ein Video mit KI zu erstellen heißt: Aus einer Textbeschreibung oder einem hochgeladenen Foto entsteht ein bewegter Clip von wenigen Sekunden, mit Ton. Kamera, Darsteller oder Schnittprogramm brauchen Sie dafür nicht. Sie beschreiben Szene, Kamerabewegung und Ton in Worten, und das Modell erzeugt Bild und Ton zusammen. Der zugänglichste Weg aus der Türkei ist 2026 das Modell Gemini Omni in der Gemini-App.

Laut Google Keyword Planner wird die türkische Entsprechung von „KI-Video erstellen“ in der Türkei monatlich etwa 22.200-mal gesucht. Die erste Ergebnisseite dieser Suche besteht größtenteils aus Tool-Websites und YouTube-Videos, und die meisten Seiten mit fertigen Prompts gehen auf die Bearbeitung im Chat und die Verlängerung von Szenen bei Omni gar nicht ein. In diesem Leitfaden finden Sie 12 Prompts zum Kopieren und erfahren, wie jeder davon nach den Grenzen aus Googles offizieller Dokumentation aufgebaut ist.

Was bedeutet Video mit KI erstellen und wie funktioniert es?

KI-Videomodelle lesen den Text und, falls vorhanden, das Bild und erzeugen daraus aufeinanderfolgende Einzelbilder und den Ton gleichzeitig. Googles Dokumentation zu Veo 3.1 nennt sieben Bestandteile eines guten Video-Prompts: Motiv, Handlung, Stil, Kameraposition und -bewegung, Bildkomposition, Fokus- und Objektiveffekte, Atmosphäre. Dieselbe Dokumentation empfiehlt, Gesprochenes in Anführungszeichen zu setzen und Soundeffekte ausdrücklich zu beschreiben. Alle Prompts weiter unten folgen diesem Gerüst.

Google stellte Gemini Omni am 19. Mai 2026 auf der Google I/O vor und kündigte an, dass es Veo in der Gemini-App ablöst. Im August 2026 kam Omni 1.1 Flash hinzu und brachte Szenenverlängerung, Übergänge zwischen erstem und letztem Bild sowie Hochskalierung auf 4K. Bei ChatGPT sieht es anders aus: Laut OpenAI-Hilfecenter wurde die Web- und App-Version von Sora am 26. April 2026 eingestellt. Deshalb nutzen wir ChatGPT in diesem Leitfaden nur, um die Prompts zu schreiben.

Wie erstellt man ein Video mit KI? 6 Schritte

Ein Video mit Gemini erstellen Sie in sechs Schritten: Plan prüfen, Videotool öffnen, Prompt schreiben, bei Bedarf Fotos anhängen, absenden und warten, Ergebnis prüfen und herunterladen. Auf dem Desktop und auf dem Smartphone sind die Schritte gleich, nur das Menü sitzt an einer anderen Stelle.

1. Plan prüfen: Um mit einem privaten Konto Videos zu erzeugen, brauchen Sie Google AI Plus, Pro oder Ultra; im kostenlosen Plan gibt es keine Videoerstellung.
2. Videotool öffnen: Öffnen Sie in der Webversion von Gemini die Seitenleiste und klicken Sie auf „Video erstellen“; wenn Sie möchten, wählen Sie eine fertige Vorlage.
3. Prompt schreiben: Kopieren Sie einen der Prompts unten und füllen Sie die eckigen Klammern mit Ihrer eigenen Szene.
4. Bild oder Video anhängen: Für ein Video aus Fotos laden Sie bis zu 5 Bilder hoch, zum Bearbeiten 1 Video; das Seitenverhältnis des Videos richtet sich nach dem hochgeladenen Bild.
5. Absenden und warten: Die Erstellung kann einige Minuten dauern; in dieser Zeit können Sie denselben Chat nicht nutzen, aber einen neuen öffnen.
6. Prüfen und herunterladen: Verlangen Sie bei Bedarf eine einzelne Änderung im selben Chat; danach laden Sie das Video über das Menü „Teilen“ herunter oder teilen es auf YouTube.

12 fertige Prompts für KI-Videos (zum Kopieren)

Die folgenden 12 Prompts sind für die Gemini-App (Gemini Omni) geschrieben; dasselbe Gerüst funktioniert auch in Veo 3.1 und Google Flow. Ersetzen Sie die Felder in eckigen Klammern durch Ihre eigene Szene und löschen Sie die Klammern. Motiv, Handlung, Kamera, Stil und Ton stehen jeweils in einer eigenen Zeile. Gefällt Ihnen ein Ergebnis nicht, sehen Sie so sofort, welche Zeile Sie ändern müssen.

Prompts für Videos aus Text

Erstelle ein 10 Sekunden langes Produktvideo mit einer einzigen Szene.
Produkt: [eine weiße Kaffeetasse aus Keramik].
Szene: Das Produkt steht [auf einer Küchenarbeitsplatte aus Holz]; die Morgensonne fällt von links ein, aus der Tasse steigt feiner Dampf auf.
Kamera: Beginnt in Nahaufnahme und fährt langsam eine halbe Runde um das Produkt (slow orbit); das Produkt bleibt immer in der Bildmitte und scharf.
Stil: Realistisch, in Werbefilmqualität, warme Töne, geringe Schärfentiefe.
Ton: Leise Akustikgitarrenmusik und das Geräusch von Kaffee, der in die Tasse gegossen wird; kein Sprechen.
Verändere Form, Farbe und Proportionen des Produkts nicht; füge keinen Text und kein Logo ins Bild ein.

Erstelle ein filmisches Landschaftsvideo aus einer einzigen ununterbrochenen Einstellung.
Ort: [Eine alte Hafenstadt am Meer mit steilen Gassen], zur Zeit des [Sonnenuntergangs].
Handlung: Möwen fliegen von rechts durchs Bild, auf der Uferstraße gehen in der Ferne einige Menschen, Fischerboote schaukeln leicht.
Kamera: Beginnt hoch aus der Luft (aerial shot), senkt sich langsam zur Küste und gleitet nach vorn.
Stil: Dokumentarische Kameraführung, natürliche Farben, Licht der goldenen Stunde, 16:9 quer.
Ton: Wellenrauschen, entfernte Möwenrufe und leichter Wind; keine Musik und kein Sprechen.
Mache keine Szenenschnitte.

Erstelle ein 10 Sekunden langes Video mit einer einzigen Szene, in der zwei Personen miteinander sprechen.
Figuren: [eine Frau in den Dreißigern mit grauem Pullover] und [ein älterer Cafébesitzer mit Schnurrbart und Brille]. Sie sollen keiner realen Person ähneln.
Ort: [Ein kleines, schummriges Café im Viertel; auf der Theke stehen Mokkakännchen und Tassen].
Handlung und Dialog: Die Frau tritt an die Theke und fragt lächelnd: „[Heute wieder wie immer?]“ Der Cafébesitzer nickt und antwortet: „[Klar, mit wenig Zucker.]“
Kamera: Halbnahe Einstellung auf Schulterhöhe, die beide Personen im selben Bild hält; die Kamera bleibt fest.
Ton: Die Stimmen sind klar und verständlich; im Hintergrund klirren Tassen und Stimmen murmeln leise; keine Musik.

Erstelle ein 10 Sekunden langes Hochformatvideo (9:16) für Instagram Reels und YouTube Shorts.
Thema: [Selbstgemachte Schokoladenkekse aus drei Zutaten].
Erste 2 Sekunden: Ein auffälliger Moment, bei dem Zuschauer hängen bleiben: [geschmolzene Schokolade fließt in Zeitlupe über den Keks].
Nächste 8 Sekunden: [Ein warmer Keks wird vom Blech genommen und in zwei Hälften gebrochen, die Schokolade darin zieht Fäden].
Kamera: Von oben und ganz nah, fließende Bewegungen ohne Ruckeln; das Motiv ist jederzeit in der Bildmitte.
Stil: Hell, appetitlich, natürliches Tageslicht.
Ton: Ein energischer, leichter Rhythmus und Knuspergeräusche; kein Sprechen. Schreibe keinen Text ins Bild.

Erstelle ein 10 Sekunden langes Video in einer einzigen ununterbrochenen Einstellung, das die Ereignisse in der folgenden zeitlichen Reihenfolge zeigt.
[0-3 s] [Ein leeres Café im Morgenlicht; der Kellner dreht das Schild an der Glastür um.]
[3-6 s] [Die Kamera fährt langsam hinein; aus der Espressomaschine auf der Theke steigt Dampf.]
[6-10 s] [Der erste Gast kommt herein, der Kellner winkt ihm zu; die Kamera zeigt beide in der Totalen und bleibt stehen.]
Stil: Warm, herzlich, realistisch; weiches Tageslicht.
Ton: Türglocke, das Geräusch der Kaffeemaschine und leise Jazzmusik; kein Sprechen.

Prompts für Videos aus Fotos

Video aus Foto ist einer der meistgesuchten Zweige dieses Themas: Die türkische Suchanfrage nach „Video aus Foto mit KI“ kommt auf rund 1.600 Suchen im Monat. In Gemini können Sie pro Prompt bis zu 5 Fotos anhängen, und das Seitenverhältnis des Videos richtet sich nach dem hochgeladenen Bild. Prompt 8 ist für den mit Omni 1.1 angekündigten Übergang zwischen erstem und letztem Bild geschrieben; am zuverlässigsten klappt das in Google Flow oder über die API.

Verwandle das angehängte Foto in ein 10 Sekunden langes Video; das Foto soll das erste Bild des Videos sein.
Beibehalten: Gesichter und Kleidung der Personen, Ort und Farben bleiben wie auf dem Foto.
Bewegung: [Der Wind bewegt leicht die Haare; die Blätter der Bäume im Hintergrund wiegen sich; die Person dreht sich langsam zur Kamera und lächelt].
Kamera: Eine sehr langsame Annäherung (slow push in); kein Wackeln.
Ton: [Vogelgezwitscher und leichter Wind]; kein Sprechen und keine Musik.
Füge keine neue Person und keinen neuen Gegenstand hinzu, die nicht auf dem Foto zu sehen sind.

Erstelle aus den angehängten [3-5] Fotos ein 10 Sekunden langes Video mit einem durchgehenden Erzählfluss.
Thema: [Unsere Reise nach Kappadokien: Ballons, Wanderung im Tal, Abendessen].
Reihenfolge: Verwende die Fotos in der Reihenfolge, in der ich sie hochgeladen habe; wechsle von einem Foto zum nächsten mit einer weichen, natürlichen Kamerabewegung, ohne harte Schnitte.
Beibehalten: Orte und Personen bleiben wie auf den Fotos; füge keine Personen hinzu, die nicht auf den Fotos sind.
Stil: Warm, nostalgisch, leichtes Filmkorn.
Ton: [Eine ruhige, gefühlvolle Klaviermelodie]; kein Sprechen.

Verwende die beiden angehängten Fotos: Das erste ist das erste Bild des Videos, das zweite das letzte.
Zeige die Veränderung dazwischen in einer einzigen ununterbrochenen Einstellung und physikalisch plausibel: [ein leerer Raum verwandelt sich in einen möblierten und beleuchteten Raum].
Kamera: Bewege dich sehr langsam und behalte den Blickwinkel der beiden Fotos bei; kein plötzlicher Zoom.
Tempo: Die Veränderung soll in der Mitte des Videos schneller werden, am Ende langsamer werden und genau im letzten Bild ankommen.
Ton: [Leichte, moderne elektronische Musik]; kein Sprechen.

Prompts zum Bearbeiten und Verlängern im Chat

Was Gemini Omni auszeichnet: Es korrigiert ein Video im Chat, ohne es neu zu erzeugen. Google nennt als Beispiele, eine Figur auszutauschen, das Licht anzupassen, das Video zu stabilisieren und den Hintergrund zu ändern. Laut Omnis Entwicklerdokumentation liefern beim Bearbeiten einfache Prompts die besten Ergebnisse, während zu viel Beschreibung ungewollte Änderungen auslöst; Tonbearbeitung wird nicht unterstützt.

Ändere in dem Video, das du gerade erstellt hast, nur Folgendes: [mache aus dem Licht eine Nachtszene mit leuchtenden Straßenlaternen / ersetze den Hintergrund durch eine verschneite Berglandschaft / stabilisiere das Video und entferne das Zittern].
Alles andere bleibt gleich: Personen, Kleidung, Kamerabewegung, Länge und Ton ändern sich nicht.

Verlängere dieses Video und erzähle dieselbe Geschichte weiter.
Was als Nächstes passiert: [Die Frau nimmt ihren Kaffee, geht zur Tür und sieht beim Öffnen, dass es draußen zu regnen begonnen hat].
Aussehen der Figuren, Ort, Licht und Kamerastil bleiben exakt wie im vorherigen Teil; beim Übergang gibt es keinen Schnitt.
Ton: Die bisherigen Umgebungsgeräusche laufen weiter; wenn sich die Tür öffnet, kommt Regenrauschen dazu. Füge keinen neuen Dialog hinzu.

Video-Prompts mit ChatGPT schreiben lassen und Schnellvorlage

ChatGPT übernimmt in diesem Ablauf die Rolle der Regieassistenz: Sie beschreiben Ihre Idee, und ChatGPT macht daraus Prompts, die in Zeilen für Motiv, Kamera, Licht und Ton gegliedert sind und sich direkt in Gemini einfügen lassen. Googles API-Dokumentation führt Englisch als vollständig unterstützte Sprache. Deshalb verlangt Prompt 11 zu jedem Prompt auch die englische Fassung; liefert die deutsche Version uneinheitliche Ergebnisse, probieren Sie die englische.

Du bist ein erfahrener Werbefilmregisseur und schreibst Prompts für KI-Videos.
Meine Idee: [Ein kurzes Vorstellungsvideo für unsere neu eröffnete Konditorei, das ich auf Instagram teilen will].
Schreibe mir 3 verschiedene Video-Prompts, die ich mit Gemini Omni oder Veo 3.1 verwenden kann. Jeder Prompt soll:
- aus einer einzigen Szene bestehen und höchstens 10 Sekunden dauern,
- die Teile Motiv, Handlung, Ort, Kamerawinkel und Kamerabewegung, Licht, Stil und Ton (Musik, Effekte, falls vorhanden Dialog in Anführungszeichen mit höchstens zwei kurzen Sätzen) in getrennten Zeilen enthalten,
- das Seitenverhältnis angeben: [9:16 hochkant / 16:9 quer],
- zuerst auf Deutsch und danach als englische Übersetzung desselben Prompts ausgegeben werden.
Verwende keine realen Personen, keine Namen von Prominenten, keine Markenlogos und keine urheberrechtlich geschützte Musik.

[Motiv] in [Ort], [Handlung].
Kamera: [Nahaufnahme / Totale], [statisch / langsame Annäherung / mitfahrende Kamera].
Licht und Stil: [goldene Stunde / Studiolicht], [realistisch / filmisch / Animation].
Ton: [Musikrichtung], [Umgebungsgeräusch]; kein Sprechen. Eine Szene, kein Schnitt.

Die 8 Bestandteile eines guten Video-Prompts

Ein Video-Prompt liefert stimmige Ergebnisse, wenn er die sieben Bestandteile aus Googles Veo-Dokumentation und den Ton abdeckt. Die Tabelle zeigt, wofür jeder Bestandteil gut ist und was passiert, wenn Sie ihn leer lassen. Alle 12 Prompts oben bestehen aus diesen Zeilen.

Am häufigsten fehlt in der Tabelle die Zeile für den Ton. Gemini Omni und Veo 3.1 erzeugen Ton automatisch mit dem Bild. Bleibt die Tonzeile leer, kann das Modell der Szene selbst gewählte Musik oder Sprache hinzufügen. Googles Omni-Dokumentation empfiehlt dafür ausdrücklich kurze Verneinungen wie „kein Sprechen“.

Gemini-App oder Veo 3.1 API? Welcher Weg für wen passt

Aus der Türkei gibt es drei offizielle Google-Wege, um mit KI Videos zu erstellen: die Gemini-App, Google Flow und die Gemini API. Für Privatnutzer und kleine Unternehmen ist die Gemini-App der kürzeste Weg. Flow ist dafür gebaut, mit demselben Modell Omni Flash eine Geschichte Szene für Szene aufzubauen, und arbeitet mit Credits, die zum Plan gehören: AI Plus 200, AI Pro 1.000, AI Ultra 10.000 oder 25.000 Credits. Die Tabelle vergleicht die App mit den beiden API-Modellen.

Mit Omni können Sie Bilder, Ton, Video und Text als Eingabe kombinieren und hochwertige Videos erzeugen, die auf Geminis Wissen über die reale Welt aufbauen.

Unser praktischer Rat: Wenn Sie einzelne Clips für Social Media erzeugen, fangen Sie mit der Gemini-App an. Müssen Sie Dialog, Kamerawinkel und Länge sekundengenau steuern oder das Video an Ihre eigene Anwendung anbinden, nutzen Sie Veo 3.1 über die API. Dort kann die Erstellung zu Stoßzeiten bis zu 6 Minuten dauern, und die Videos bleiben 2 Tage auf dem Server; was Sie in dieser Zeit nicht herunterladen, wird gelöscht.

Kamera- und Tonsprache im Video-Prompt: Glossar mit 8 Begriffen

Sie können Ihren Video-Prompt auf Deutsch schreiben. Wenn Sie bei Kamera- und Lichtbegriffen die englische Entsprechung in Klammern ergänzen, versteht das Modell aber leichter, welche Einstellung Sie genau meinen. Die Regel ist einfach: Schreiben Sie auf Deutsch, was Sie wollen, und setzen Sie den Fachbegriff auf Englisch in Klammern dazu.

Für Dialoge empfiehlt Google, das Gesprochene in Anführungszeichen zu schreiben und Soundeffekte gesondert und ausdrücklich zu beschreiben, etwa „die Tür knarrt“ oder „in der Ferne fährt ein Zug vorbei“. Ein Dialog, der in einem Clip länger als zwei kurze Sätze ist, passt nicht in die Laufzeit und erschwert die Lippensynchronität.

7 Techniken für bessere Video-Prompts

• Eine Szene verlangen: Die Formulierung „eine einzige ununterbrochene Einstellung“ oder „keine Szenenschnitte“ verhindert, dass das Modell mehrere Szenen in 10 Sekunden presst; die Omni-Dokumentation empfiehlt genau diese Formulierung.
• Zeit angeben: Wenn die Reihenfolge der Ereignisse zählt, nutzen Sie Zeitmarken im Format „[0-3 s] ... [3-6 s] ...“ (Prompt 5).
• Ton in eigener Zeile beschreiben: Nennen Sie Musikrichtung und Umgebungsgeräusch und setzen Sie einen eventuellen Dialog in Anführungszeichen; wenn Sie keine Sprache wollen, schreiben Sie „kein Sprechen“.
• Verneinungen kurz halten: Einzeilige Verbote wie „Schreibe keinen Text ins Bild“ oder „Füge keine neue Person hinzu“ wirken klarer als lange Erklärungen.
• Beim Bearbeiten nur eine Änderung verlangen: Ändern Sie pro Nachricht eine Sache und ergänzen Sie den Satz „alles andere bleibt gleich“ (Prompt 9).
• Seitenverhältnis über das Foto festlegen: Das Seitenverhältnis des hochgeladenen Bildes bestimmt das des Videos; für ein Hochformatvideo laden Sie ein Foto im Hochformat hoch.
• Erst kurz testen: Testen Sie den Prompt in der API zuerst als 4-Sekunden-Clip in 720p; wenn er Ihnen gefällt, wechseln Sie auf 8 Sekunden und 1080p oder 4K.

Diese sieben Techniken haben eines gemeinsam: Sie lassen dem Modell keinen Raum zum Raten. Ein schwaches Video geht meist auf eine Zeile zurück, die der Prompt leer gelassen hat. Wenn Sie Kamera, Licht oder Ton nicht selbst festlegen, wählt das Modell sie für Sie.

6 häufige Fehler beim Erstellen von Videos mit KI

1. Mehrere Szenen in einem Prompt: Eine Beschreibung wie „erst am Strand, dann im Café, dann zu Hause“ führt in 10 Sekunden zu abgehackten Übergängen; erzeugen Sie jede Szene einzeln und verbinden Sie sie mit der Verlängerung.
2. Keine Kameraangabe: Wenn Sie Kamerawinkel und -bewegung nicht angeben, wählt das Modell selbst, und das Motiv kann aus dem Bild geraten.
3. Den Ton vergessen: Omni und Veo 3.1 erzeugen Ton automatisch; ohne Tonbeschreibung kann Musik oder Sprache kommen, die nicht zur Szene passt.
4. Lange Dialoge auf Deutsch: In Googles API-Dokumentation ist nur Englisch als vollständig unterstützte Sprache aufgeführt; halten Sie deutsche Dialoge bei zwei kurzen Sätzen und prüfen Sie die Aussprache.
5. Reale Personen und Marken verlangen: Videos mit Namen von Prominenten, bekannten Markenlogos oder ohne Erlaubnis verwendeten Fotos anderer Menschen können abgelehnt werden und bergen rechtliche Risiken.
6. Beim Bearbeiten alles auf einmal verlangen: Wer Licht, Hintergrund und Kleidung in einer Nachricht ändert, riskiert, dass Gesichter und Bewegung neu interpretiert werden.

Bei den letzten beiden Fehlern geht es um Verantwortung. Je leichter realistische Videos entstehen, desto mehr zählt die Frage, wen und was ein Video zeigt und mit welcher Erlaubnis. Bei Werbe- und Imagevideos wirkt sich diese Unterscheidung direkt auf die Glaubwürdigkeit der Marke aus.

Nutzung in der Türkei: Preise, kostenloser Weg, Datenschutz (KVKK) und Wasserzeichen

Stand September 2026 beginnen die Pläne auf Geminis türkischer Abo-Seite bei 199,99 TL im Monat für Google AI Plus, 869,99 TL für Google AI Pro und 1.479,99 TL für Google AI Ultra. Laut Google bietet Plus ein doppelt so hohes Nutzungslimit wie der kostenlose Plan, Pro ein viermal so hohes; Ultra positioniert Google als den Plan mit dem umfassendsten Videozugang über Veo 3.1. Wenn Sie einen kostenlosen Weg suchen: Google hat angekündigt, dass Omni kostenlos in der Remix-Funktion von YouTube Shorts und in der App YouTube Create verfügbar ist. Die Einführung läuft schrittweise, daher erscheint die Funktion nicht bei allen Konten gleichzeitig.

Nach dem türkischen Datenschutzgesetz (KVKK) ist das Foto einer Person ein personenbezogenes Datum, weil es die Person identifizierbar macht. Holen Sie eine ausdrückliche Einwilligung ein, bevor Sie das Foto eines anderen Menschen animieren, und halten Sie diese Einwilligung bei Werbevideos schriftlich fest. Google gibt an, dass alle in der Gemini-App erzeugten Videos ein unsichtbares SynthID-Wasserzeichen erhalten, das sich über Gemini, Chrome und die Google-Suche überprüfen lässt.

Über das Ergebnis eines KI-Videos entscheidet vor allem der Prompt: Wenn Sie Motiv, Handlung, Kamera, Licht und Ton einzeln beschreiben, liefert Gemini Omni in 10 Sekunden einen stimmigen Clip mit Ton. Mit den 12 Prompts oben starten Sie aus Text, aus einem Foto oder aus einem vorhandenen Video, und ChatGPT hilft Ihnen, Ihre Idee in einen Prompt zu übersetzen. Fangen Sie beim ersten Versuch mit einer Szene und einer kurzen Tonbeschreibung an. Danach bauen Sie die Geschichte mit den Prompts zum Verlängern und Bearbeiten aus.