Ein wiederholbarer Workflow für Erklärvideos mit echter Bewegung, echtem Voiceover und ohne Uncanny-Valley-Momente. Wird von Gründern genutzt, um Produkteinführungen an einem einzigen Nachmittag zu realisieren.
Die meisten KI-Erklärvideos sehen aus wie KI-Erklärvideos. Das Voiceover klingt leicht daneben, die Bilder passen nicht ganz zu den Worten und das Ganze hat diese Qualität von „Sonntags ohne Schnitt gemacht“. Das ist kein KI-Problem, das ist ein Prozessproblem.
Diese Anleitung gibt Ihnen den exakten 60-Sekunden-Workflow für Erklärvideos, den Gründer für Produkteinführungen verwenden und der für B2B SaaS, Kurse, Consumer Apps und physische Produkte gleichermaßen funktioniert.
Sie benötigen kein After Effects, Premiere oder herkömmliche Schnittkenntnisse.
Bevorzugen Sie einen Desktop-Editor mit einer echten Timeline? CapCut ist schnell für Social-Media-Schnitte, aber wenn Sie lieber in einem herkömmlichen Editor mit denselben KI-Funktionen (Auto-Cut, KI-Untertitel, Beat-Sync) und einer Einmal-Lizenz anstelle eines monatlichen Abonnements arbeiten möchten, tauschen Sie CapCut gegen Wondershare Filmora. Derselbe Fünf-Schritte-Workflow, dieselben Exporteinstellungen.
Ein 60-Sekunden-Erklärvideo sind genau 150-160 Wörter bei natürlicher Sprechgeschwindigkeit. Nicht 200. Nicht 250. Das Kürzen von 250 auf 160 ist der Punkt, an dem die meisten Gründer die Arbeit scheuen, und das ist es, was das Video ruiniert.
Struktur, die funktioniert:
Schreiben Sie es. Lesen Sie es laut vor. Stoppen Sie die Zeit. Streichen Sie jedes „wirklich“, „sehr“ und „erstaunlich“. Wenn Sie bei natürlicher Sprechgeschwindigkeit über 65 Sekunden liegen, kürzen Sie weiter.
Schreiben Sie für jeden Satz auf, was auf dem Bildschirm zu sehen ist. Überspringen Sie das nicht, die Versuchung ist groß, „die Bilder während des Schnitts zu finden“, und so landen Sie bei zufälligem Stock-Material, das zu nichts passt.
Format:
Öffnen Sie ElevenLabs, wählen Sie eine v3-Stimme. Die v3-Bibliothek von 2026 bietet Stimmen, die wie echte Menschen klingen, die echte Lesungen machen, mit Tempoänderungen, Atemgeräuschen und leichten Betonungsunterschieden. Vermeiden Sie für Erklärvideos die älteren multilingualen v2-Stimmen; sie klingen im Vergleich zu v3 flach.
Einstellungen für Erklärvideos:
Generieren Sie das vollständige Skript als eine Aufnahme. Wenn ein einzelner Satz falsch klingt, generieren Sie nur diesen Satz mit der v3-Satz-für-Satz-Regenerierung neu. Machen Sie nicht alles neu, die Stimmkonsistenz ist wichtiger als die Korrektur einer okay-aber-nicht-perfekten Zeile.
Generieren Sie für jeden „abstrakten Motion“-Beat in Ihrem Storyboard (ca. 5-8 Clips für ein 60-Sekunden-Video) einen 4-5 Sekunden langen Clip in Runway Gen-4.5.
Prompts, die für Erklärvideos funktionieren:
Verwenden Sie Referenzbilder aus Ihrer Marke für Konsistenz. Wenn Sie ein Logo haben, ziehen Sie es als Referenz in Runway und fordern Sie es auf, sich zu materialisieren. Wenn Sie einen Screenshot Ihrer UI haben, referenzieren Sie ihn und fordern Sie eine animierte Version an.
Für 5-8 Clips rechnen Sie damit, 15-25 Kandidaten zu generieren und die besten auszuwählen. KI-Video ist nicht deterministisch; rechnen Sie damit, 3-4 Mal pro Beat zu würfeln, um einen zu bekommen, der passt.
Hier kommen die meisten Erklärvideos zusammen oder fallen auseinander. Die Reihenfolge der Operationen ist wichtig:
Exportieren Sie in 1080x1920 (vertikal), 1920x1080 (quer) oder 1080x1080 (quadratisch), je nachdem, wo Sie posten werden. Für beste Ergebnisse exportieren Sie die Masterdatei im Querformat und rahmen Sie sie in CapCut für vertikale/quadratische Versionen neu ein.
Das erste Erklärvideo dauert 3 Stunden. Das fünfte dauert exakt 60 Minuten.
Nachdem Ihr erstes Erklärvideo veröffentlicht wurde, sind die Upgrades:
Erstellen Sie die 60-Sekunden-Version dieses Wochenende. Veröffentlichen Sie sie. Beobachten Sie, wie sie konvertiert. Machen Sie dann die längere Version, sobald Sie wissen, welche 30 Sekunden die eigentliche Arbeit geleistet haben.
KI-unterstützte redaktionelle Analyse der genannten Quellen, kein Praxistest und keine Kundenbewertung. Anbieterangaben sind keine unabhängigen Leistungsmessungen.
Dies ist ein How-to-Leitfaden und keine Produktseite einer Software, und sein Wert liegt in einer wiederholbaren Produktionsabfolge: ein Skript mit 150 bis 160 Wörtern schreiben, jeden Satz storyboarden, die Voice-over erzeugen, kurze Bewegtbildclips produzieren und anschließend den Schnitt zusammenstellen. Der Leitfaden nennt einen Stack aus drei Tools (Runway, ElevenLabs und CapCut) und stellt das Ergebnis als Vermeidung des Looks eines KI-generierten Videos dar. Die Quelle präsentiert dies als Arbeitsweise des Autors, weshalb ihre Aussagen zu Qualität und Geschwindigkeit als Erfahrung des Autors und nicht als unabhängig gemessene Ergebnisse zu lesen sind.
Der Leitfaden passt zu jemandem, der ein kurzes Erklärvideo zu einem Produkt oder einer Dienstleistung benötigt und keinen klassischen Hintergrund in der Videobearbeitung hat. Er geht von einer Zielzeit von 60 Sekunden, einem klaren Call-to-Action und der Bereitschaft aus, für abstrakte Beats KI-generierte Bewegtbildclips zu akzeptieren. Weniger geeignet ist er für Personen, die menschliche Moderatoren vor der Kamera benötigen, denn der Leitfaden rät ausdrücklich von KI-generierten Gesichtern ab und empfiehlt stattdessen Stock-B-Roll. Wer präzise Markenkontrolle oder Langform-Inhalte braucht, muss die Methode deutlich anpassen.
Der wichtigste Zielkonflikt besteht zwischen Zeit und Iteration. Der Leitfaden nennt grobe Richtwerte (ein erstes Video in etwa drei Stunden, spätere eher bei einer Stunde), doch diese beschreiben das Tempo des Autors und hängen davon ab, wie viele Generierungsversuche jeder Clip benötigt. Die Quelle merkt an, dass die Ausgabe von Runway nicht deterministisch ist und pro Beat mehrere Versuche erfordern kann. Ein weiterer Zielkonflikt ist die strenge Skriptlänge: Eine Kürzung auf 150 bis 160 Wörter kann für Produkte, die mehr Erklärung brauchen, schwierig sein, und der Leitfaden selbst schlägt einen längeren Schnitt vor, sobald die Kernbotschaft bewiesen ist. Die Stimmeinstellungen und die Empfehlung für die v3-Stimme sind außerdem an den Zeitraum gebunden, in dem der Leitfaden geschrieben wurde, weshalb Leser die aktuellen Optionen der Tools prüfen sollten, bevor sie sich darauf verlassen.
Prüfen Sie vor der Festlegung auf den Stack die aktuellen Bedingungen jedes Tools direkt, da der Leitfaden keine Preise, Tarifgrenzen oder Lizenzbedingungen für Runway, ElevenLabs oder CapCut nennt. Vergewissern Sie sich, dass die Lizenzierung von Stimmen und Musik Ihre beabsichtigte kommerzielle Nutzung erlaubt, denn der Leitfaden erwähnt lizenzfreie Musik, ohne die Lizenzbedingungen zu beschreiben. Testen Sie den Workflow zunächst mit einem kurzen, unkritischen Projekt, um Ihre eigenen Generierungsversuche und Schnittzeiten zu messen, da die Zeitangaben des Leitfadens nicht unabhängig überprüft sind. Prüfen Sie schließlich die Details zu den Tools für 2026 auf den aktuellen Produktseiten, denn die Quelle ist datiert, und konkrete Modellnamen sowie Stimmbibliotheken können sich geändert haben.
Diesen Guide ausprobiert? Was konntest du umsetzen und was braucht mehr Erklärung?
Erfahrung teilen · Korrektur vorschlagen
Feedback geht vertraulich an unser Team. Es wird nicht automatisch veröffentlicht oder als Bewertung gezählt. Teile keine Passwörter, Kundendaten oder sensiblen Informationen.