Videoerzeugung für Marketing & Social Media

Video ist das vorherrschende Format auf Social-Media-Plattformen, doch Dreh und Schnitt sind langsam und teuer, besonders für KMU. Text-zu-Video- und Bild-zu-Video-Modelle erzeugen inzwischen kurze, brauchbare Clips (Produkt-B-Roll, Stimmungsszenen, animierte Standbilder, Anzeigenvarianten) in Minuten. Sie ersetzen keine vollständige Produktion, senken aber die Kosten für Konzepte, Varianten und Füllmaterial. In der EU bringt synthetisches Video Transparenzpflichten (AI Act Art. 50) sowie Fragen zu Urheberrecht und Persönlichkeitsrechten mit sich, die von Anfang an eingeplant werden müssen.

Problem & Nutzen

• Heute: Marketing-Teams beauftragen Drehs, kaufen Stock-Footage oder schneiden von Hand. Social-Media-Kanäle brauchen viele Formate und einen steten Strom frischer Inhalte; kleine Firmen veröffentlichen oft wenig oder gar kein Video.
• Nutzen durch KI: schnelles Testen von Konzepten, viele Anzeigenvarianten für A/B-Tests, Animation vorhandener Produktfotos, lokalisierte Fassungen, kostengünstige B-Roll und Social-First-Inhalte ohne Drehteam.
• Belege: Anbieter veröffentlichen Leistungsversprechen (Clip-Länge, Auflösung, integrierter Ton), doch unabhängige, belegte ROI-Zahlen für erzeugte Marketing-Videos sind noch selten. Messen Sie lieber an Ihren eigenen Kampagnen, statt sich auf Anbieterzahlen zu verlassen [1][2].

Varianten

• KMU / Kreative: Vom Prompt zum Reel in einem Komplettwerkzeug, mit Stock-Musik und Untertiteln.
• E-Commerce: Vom Produktfoto zum animierten Produktvideo (Drehteller, Lifestyle-Szene); siehe GEN-001.
• Agentur / Großunternehmen: Markengesteuerte Pipeline mit freigegebenen Modellen, Prüfstufen und Asset-Management.
• Performance-Marketing: Viele Hooks und Varianten je Kampagne; Personalisierung im großen Maßstab ist GEN-015.
• Private Nutzung: Geburtstagsclips, Hobby-Kanäle, Kurzfilme.
• Verwandt, hier nicht behandelt: sprechende Präsentatoren (GEN-003), Schnitt von vorhandenem Material (GEN-012), Previs für Film und TV (GEN-021).

So funktioniert es

1. Briefing + Markenregeln
2. LLM entwirft Skript, Einstellungsliste, Prompts
3. Referenz-Assets (Logo, Produktfotos, Stilbilder über ein Bildmodell)
4. Videomodell: Text-zu-Video | Bild-zu-Video | erstes/letztes Bild | Video-zu-Video
5. Auswahl der besten Takes (Menschen), Hochskalierung, Frame-Interpolation
6. Schnitt: Einstellungen zusammenfügen, Sprechertext (TTS), Musik, Untertitel, Marken-Overlay
7. Compliance-Prüfung (Aussagen, Abbild, Rechte) + KI-Kennzeichnung / Herkunftsmetadaten
8. Export je Plattform (9:16, 1:1, 16:9) und Veröffentlichung

• Modelle: Diffusion-Transformer-Videomodelle, die pro Aufruf einige Sekunden erzeugen; längere Stücke werden aus mehreren Einstellungen aufgebaut. Mehrere aktuelle Modelle erzeugen auch synchronen Ton.
• Konsistenz: Marken- und Figurenkonsistenz entsteht durch Referenzbilder, erste/letzte Bilder und Adapter im LoRA-Stil (offene Modelle), nicht durch Text allein.
• Mensch-in-der-Schleife (Human-in-the-Loop): kreative Auswahl der Takes, rechtliche Prüfung der Aussagen, Freigabe vor der Veröffentlichung.

Datenaufbereitung

Benötigte Daten: echtes Produktfilmmaterial, Fotos, Logos, Markenfarben, Musik- und Sprecherlizenzen, Skripte und ein Redaktionskalender. In einem KMU liegen diese auf Handys, im Laufwerk einer Agentur, auf Dateiablagen, im Shopsystem und in Social-Media-Konten. Typische Lücken: unsortierte Rohclips, Material mit niedriger Auflösung oder nur im Hochformat, unklare Musik- und Bildrechte, keine dokumentierte Markenstimme und keine Untertitel oder Transkripte vorhandener Videos.

Schritte der Aufbereitung: je Produkt oder Kampagne eine strukturierte Asset-Bibliothek mit einheitlichen Namen und Tags aufbauen (PREP-009, PREP-010); zwei oder drei Musterbeispiele als Stilreferenz sammeln (PREP-016); kurze Marken- und Tonalitätsregeln schreiben; Lizenzen für jedes Musik-, Schrift- und Bild-Asset dokumentieren; Einwilligungen der im Material gezeigten Personen einholen. Werkzeuge: ein gemeinsames Laufwerk oder DAM, Whisper für Transkripte vorhandener Videos, ffmpeg zur Formatkonvertierung. Für Weg B oder C Referenzbilder und Prompts in einer versionierten Prompt-Bibliothek ablegen.

Grober Aufwandsanteil: etwa 15 bis 25 Prozent; die Datenseite ist leicht, da die Erzeugung von Prompts ausgeht, doch die Klärung der Rechte und die Markenreferenzen kosten echte Zeit. Siehe auch DATA-003 und GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg A, weil Werkzeuge wie Runway, Pika, Canva oder CapCut ohne technische Einrichtung brauchbare Kurzclips zu Abo-Preisen liefern.
• Großunternehmen: Weg B, weil der API-Zugang zu Videomodellen samt eigenen Markenvorlagen, Prüf-Workflows und Kostenkontrolle besser skaliert als viele einzelne Lizenzplätze.
• Entwickler: Weg B, weil das Selbst-Betreiben von Videomodellen HW3 erfordert und die Qualität weiterhin gehostete APIs begünstigt; offene Modelle sind eine Rückfalloption für Experimente.
• Privat: Weg A, weil Verbraucher-Apps der einfachste Weg sind, gelegentlich Clips zu erstellen, und keine Infrastruktur brauchen.

Weg A — Kaufen (Standardsoftware) (für die meisten KMU empfohlen)

• Erzeugungsplattformen: Runway, Luma Dream Machine, Pika, Kling (Kuaishou), Hailuo/MiniMax, OpenAI Sora (App und API eingestellt: OpenAI kündigte die Abschaltung im März 2026 an, die App wurde im April 2026 geschlossen, die API soll Berichten zufolge im September 2026 folgen), Google Veo (über Gemini/Flow), Adobe Firefly Video (auf lizenzierten Inhalten trainiert, mit Content Credentials).
• Marketing-Suiten mit Videoerzeugung: Canva, Adobe Express/Premiere, CapCut, Synthesia und HeyGen für Präsentatoren (GEN-003).
• EU-Optionen: Black Forest Labs (Deutschland; bekannt für Bildmodelle, aktuelles Videoangebot prüfen), Mistral bietet keine Videoerzeugung an; viele EU-Agenturen nutzen daher US-amerikanische/asiatische Werkzeuge mit vertraglichen Schutzmaßnahmen für die EU. Bevorzugen Sie Anbieter mit AVV, Enterprise-Bedingungen mit Haftungsfreistellung für geistiges Eigentum (z. B. Adobe Firefly) und ohne Training mit Ihren Eingaben.
• A wählen, wenn: geringes Volumen, kreatives Ausprobieren, kein Integrationsbedarf.

Weg B — Auf Cloud-KI-Diensten aufbauen

• APIs: Google Veo auf Vertex AI (EU-Regionen sind für viele Google-Cloud-Dienste verfügbar; je Modell prüfen), Runway API, Luma API, OpenAI-Video-API, Kling API, fal.ai und Replicate als Aggregatoren, die viele Modelle hosten.
• Orchestrierung: n8n oder ein eigener Dienst: LLM für Skripte, Bildmodell für Keyframes, Video-API, TTS, FFmpeg für die Montage, DAM für Ablage und Prüfung.
• B wählen, wenn: Sie viele Varianten, produktfeedgesteuertes Video oder eine Anbindung an Werbeplattformen brauchen.
• Beachten: Der Datenstandort ist bei Video-APIs oft nicht ausschließlich die EU; Unterauftragsverarbeiter prüfen.

Weg C — Selbst betreiben (Open Source)

• Modelle mit offenen Gewichten: Wan 2.x (Alibaba), HunyuanVideo (Tencent), LTX-Video (Lightricks, Israel), Mochi 1 (Genmo), CogVideoX (Zhipu). Jede Lizenz auf kommerzielle Nutzung prüfen.
• Werkzeuge: ComfyUI und Hugging Face Diffusers; LoRA-Training für den Markenstil.
• Hardware: HW2 betreibt destillierte oder quantisierte Varianten bei niedriger Auflösung; HW3 (48-96 GB) ist die sinnvolle Stufe für 720p-1080p-Qualität bei vernünftiger Geschwindigkeit. Die Erzeugung dauert Minuten pro Clip.
• C wählen, wenn: Filmmaterial oder Abbilddaten das Unternehmen nicht verlassen dürfen oder zur Kostenkontrolle bei hohem Volumen.

Weg D — Eigenes Training

LoRAs mit einigen Dutzend bis einigen Hundert eigenen Clips/Bildern feintunen, um ein Produkt, ein Maskottchen oder einen visuellen Stil festzulegen. Das Training vollständiger Modelle ist für Unternehmen nicht sinnvoll. Nur mit Material trainieren, an dem Sie die Rechte haben, und für das Abbild jeder realen Person die Einwilligung einholen.

Stand der Technik (2026)

• Führende geschlossene Modelle (Google Veo 3.1, Kling, Runway Gen-4.5) liefern fotorealistische Clips, bessere Physik, Bild-zu-Video-Steuerung und teils integrierten, synchronen Dialog und Ton [1][2][3]. Modelle mit offenen Gewichten (Wan, HunyuanVideo, LTX-Video) liegen hinter den besten geschlossenen zurück, sind aber für produktive B-Roll brauchbar [4][5].
• Grenzen: kurze Clip-Länge pro Erzeugung, wechselnde Identität über Einstellungen hinweg, Artefakte bei Händen und Text, schwache Kontrolle über exakte Markenfarben und Logos, lesbarer Text und Produktdetails oft falsch und schwankende Physik. Echte Produkttreue erfordert meist Bild-zu-Video aus echten Fotos sowie das Einsetzen von Logos und Text in einem Editor.
• Kostentreiber: Preise pro Sekunde, viele verworfene Takes; planen Sie eine hohe Ausschussquote ein.
• Herkunftsnachweis: C2PA Content Credentials und unsichtbare Wasserzeichen (z. B. Google SynthID) werden von Anbietern zunehmend übernommen; die Unterstützung in sozialen Plattformen ist lückenhaft [6].

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack: GEN-001 (Bildmodell für Keyframes und Referenzen), GEN-015 (personalisiertes Video), GEN-021 (Previs für Film/Anzeigen), GEN-012 (Schnitt und Reframing der Ausgabe), GEN-003 (Präsentatoren-Clips), GEN-007 und SPEECH-007 (Musik, Sprechertext, Synchronisation).
• Hardware: Ein HW3-GPU-Server mit ComfyUI kann auch die Bilderzeugung bedienen (GEN-001, GEN-011).
• Nachgelagert: VIS-027 Stil-Moderation oder eine manuelle Prüfstufe vor der Veröffentlichung.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage; Abonnement oder Credits.
• Weg B: 1-3 Monate für eine automatisierte, markengesteuerte Pipeline.
• Weg C: 2-4 Monate inkl. GPU-Server, ComfyUI-Workflows und LoRA-Training.
• Kennzahlen: Kosten und Zeit je fertigem Video, Anteil der akzeptierten erzeugten Clips, View-Through-Rate und Engagement im Vergleich zu herkömmlichen Inhalten, A/B-Zuwachs der Varianten, Nacharbeitsquote nach der rechtlichen Prüfung.

Menschen & Veränderung

Binden Sie die Geschäftsführung (Budget, Markenrisiko), die Marketingleitung als Prozessverantwortliche und die Personen ein, die Social-Media-Inhalte produzieren; sie legen fest, was „gut genug“ ist. Die IT kümmert sich um Konten, SSO und Speicher; Recht/Compliance prüft Lizenzen, Persönlichkeitsrechte und die Kennzeichnung nach Art. 50 KI-Verordnung (AI Act) für synthetisches Video (deepfake-ähnliche Inhalte müssen offengelegt werden, siehe GUIDE-014). Die oder der Datenschutzbeauftragte wird benötigt, wenn echte Personen, Beschäftigte oder Kundschaft vorkommen oder Stimme und Gesicht wiederverwendet werden; prüfen Sie Einwilligung, AVV mit dem Anbieter und ob eine Datenschutz-Folgenabschätzung (DSFA) erforderlich ist (GUIDE-005).

Betriebsrat: meist nein, da das Werkzeug keine Beschäftigten überwacht. Informieren Sie ihn dennoch nach §90 Abs. 1 Nr. 3 BetrVG, wenn sich Arbeitsabläufe ändern, und klären Sie die Mitbestimmung (§87 Abs. 1 Nr. 6), wenn die Plattform die Nutzung einzelner Personen protokolliert (GUIDE-004). Das Abbild von Beschäftigten in Videos erfordert eine schriftliche Einwilligung.

KI-Kompetenz: Unterstützen Sie die Mitarbeitenden mit Schulungen zu Prompting, Grenzen, Urheberrecht und Kennzeichnung (GUIDE-006). Führen Sie ein Pilotprojekt mit einem Kanal und einem kleinen Team über vier bis sechs Wochen durch, wobei ein Mensch jedes Video vor der Veröffentlichung freigibt. Typische Sorgen sind der Verlust von Arbeitsplätzen für Videoproduzenten, schlechte Qualität und Rufschäden; begegnen Sie ihnen, indem Sie KI für Varianten und Entwürfe einsetzen, Flaggschiff-Inhalte Menschen vorbehalten und die Regeln in der KI-Richtlinie dokumentieren (GUIDE-007, GUIDE-008).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): begrenztes Risiko. Art. 50 Abs. 2 verpflichtet Anbieter generativer Systeme, Ausgaben maschinenlesbar als KI-erzeugt zu kennzeichnen; Art. 50 Abs. 4 verpflichtet Betreiber von Deepfakes (realistische Inhalte, die echte Personen, Gegenstände oder Ereignisse darstellen), dies offenzulegen, mit leichteren Pflichten für offensichtlich künstlerische oder kreative Werke. Beachten Sie den Verhaltenskodex der Kommission zu Kennzeichnung und Markierung sowie die Anwendungstermine (2. Aug. 2026 laut Verordnung; der Omnibus kann Übergangserleichterungen bringen) [7]. KI-Kompetenz (Art. 4) gilt. In diesem Anwendungsfall greift kein Verbot nach Art. 5, doch erzeugen Sie niemals täuschende Inhalte, die Verhalten manipulieren oder Personen nachahmen.
• DSGVO: abhängig vom Einzelfall. Gesichter und Stimmen echter Personen in Eingaben oder Ausgaben sind personenbezogene Daten; Einwilligung nutzen, kein Training mit dem Abbild von Beschäftigten oder Kundschaft ohne Rechtsgrundlage, AVV mit dem Anbieter.
• Urheberrecht und Persönlichkeitsrechte: Herkunft der Trainingsdaten, Stilnachahmung, Marken in den Ausgaben; der urheberrechtliche Status rein KI-erzeugter Videos ist in der EU unsicher. Bevorzugen Sie Anbieter mit Haftungsfreistellung für geistiges Eigentum; dokumentieren Sie Prompts und menschliche Beiträge.
• Werberecht: irreführende Werbung (UWG in Deutschland), Kennzeichnung von Influencer-Werbung und Anzeigen, keine gefälschten Erfahrungsberichte oder gefälschten Produktvorführungen. Plattformregeln (YouTube, TikTok, Meta) verlangen KI-Kennzeichnungen bei realistischen Inhalten.
• Gegenmaßnahmen: Prüfstufe für Marke und Recht, C2PA-Metadaten beim Export beibehalten, sichtbare Kennzeichnung „KI-erzeugt“, wo erforderlich, Liste freigegebener Werkzeuge, Protokoll der verwendeten Prompts und Modelle.

Erste Schritte

1. Zwei oder drei wiederkehrende Formate (Produkt-Reel, Anzeigen-Hook, Event-Teaser) auswählen und Erfolgskennzahlen festlegen.
2. 2-3 Werkzeuge aus Weg A mit demselben Briefing und Ihren echten Produktfotos testen; Ausschussquoten und Kosten je nutzbarer Sekunde vergleichen.
3. Eine einseitige Richtlinie schreiben: erlaubte Werkzeuge, kein Abbild realer Personen ohne Einwilligung, Kennzeichnung und Freigabeschritte.
4. Eine wiederholbare Vorlage bauen: Skript-Prompt, Einstellungsliste, Marken-Overlay, Untertitel, Export-Presets.
5. Vor dem Hochskalieren einen A/B-Test gegen Ihre herkömmlichen Inhalte durchführen; Weg B/C erst bei hohem Volumen erwägen.

Quellen

1. Google DeepMind — Veo — https://deepmind.google/models/veo/
2. OpenAI — Sora (discontinued, reported March 2026) — https://openai.com/sora/
3. Runway — Research and models — https://runwayml.com/research
4. Wan-Video (Wan 2.x open-weight models) — https://github.com/Wan-Video/Wan2.1
5. Lightricks — LTX-Video — https://github.com/Lightricks/LTX-Video
6. C2PA — Content Credentials specification — https://c2pa.org/
7. Regulation (EU) 2024/1689 (AI Act), Art. 50 — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
8. European Commission — AI Act policy page — https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
9. Runway — Introducing Runway Gen-4.5 (Dec 2025) — https://runway.com/research/introducing-runway-gen-4.5