AI-Videoerstellung für Marketing

KI-Videoerstellung

Überblick

Video ist das aufwendigste, aber auch wirkungsvollste Marketingformat. Traditionell erforderte Video eine Kamera, Beleuchtung, Schnittkenntnisse und stundenlange Nachbearbeitung. KI dreht dies um: Sie können jetzt aus reinem Text professionelle Videos generieren. KI-Sprecher liefern personalisierte Demos. KI-Editoren schneiden und untertiteln in Minuten. Generative KI erstellt B-Roll aus Text-Prompts. Diese Skill deckt alle KI-Video-Workflows ab, die für B2B-GTM relevant sind – von personalisiertem Outreach bis zu Social Content in großem Maßstab.

Maßgebliche Grundlagen

• Gary Vaynerchuk — Volumen an Content gewinnt. KI macht Volumen möglich. — Volumen an Content gewinnt. KI macht Volumen möglich.
• HeyGen/Synthesia — KI-Sprechertechnologie — KI-Sprechertechnologie
• Runway — Generatives KI-Video — Generatives KI-Video
• Opus Clip — KI-gestütztes Videoclipping — KI-gestütztes Videoclipping
• Descript — KI-first Videobearbeitung — KI-first Videobearbeitung

Wann verwenden

Auslösephrasen: „KI-Videoerstellung", „HeyGen Tutorial", „Synthesia Demo", „KI-Sprechervideo", „Runway für Marketing", „KI-Videoanzeige", „Opus Clip", „KI-Videobearbeitung", „ElevenLabs Voiceover", „personalisiertes Video in großem Maßstab", „KI-Video-Content"

Der KI-Video-Stack

Tool	Was es tut	Am besten geeignet für	Kosten
HeyGen	KI-Sprecher, Avatar-Video, personalisiertes Video	Personalisierte Demos, Outreach-Videos	$29-89/Monat
Synthesia	KI-Avatar-Video, 140+ Sprachen	Schulung, Onboarding, mehrsprachig	$29-89/Monat
Runway	Generatives Video, Text-zu-Video, B-Roll	B-Roll-Material, visuelle Effekte	$15-95/Monat
Captions	KI-Videobearbeitung, automatische Untertitel, Blickkorrektur	Talking-Head-Social-Video	$16-25/Monat
Opus Clip	KI-Clipping — lang → kurz	Podcast-/Sermon-Clips für Social Media	$19-29/Monat
Descript	KI-Videoeditor, transkriptbasierte Bearbeitung	Komplette Videoproduktion	$19-29/Monat
ElevenLabs	KI-Voiceover, Text-to-Speech, Stimmklonen	Erzählungen, Anzeigen, Podcasts	$5-99/Monat
Pika	Generatives Video, Bilder animieren	Schnelle Videogenerierung	$10-35/Monat

Schritt-für-Schritt-Workflows

Workflow 1: KI-Sprecher-Demovideo (1 Stunde)

Anwendungsfall: Produktdemo, Erklärvideo, „Willkommens"-Video für Onboarding.

SCHRITT 1 — Skript (15 Min., Claude):
"Schreibe ein 90-sekündiges Produktdemo-Skript für [Produkt].
Zielgruppe: [ICP]. Ihnen liegen [Top 3 Anliegen] am Herzen.
Struktur:
- 0:00-0:10: Hook — das Problem, das sie haben
- 0:10-0:30: Wie [Produkt] es löst (3 Kernfunktionen, ergebnisorientiert)
- 0:30-0:60: Bildschirmaufnahme + Durchlauf (nimmst du selbst auf)
- 0:60-0:80: Social Proof + Ergebnisse ('X Teams nutzen uns und erzielen Y')
- 0:80-0:90: CTA — 'Starte kostenlose Testversion unter [URL]'

Plattform: gesprochen von KI-Avatar. Halte Sätze kurz — unter 15 Wörter."

SCHRITT 2 — Voiceover (5 Min., ElevenLabs):
- Füge Skript in ElevenLabs Text-to-Speech ein
- Wähle eine natürliche Stimme (Adam, Bella oder ähnlich — teste 3+)
- Generieren. Anhören. Bei Bedarf mit Temp-Anpassungen neu generieren.
- Lade .mp3 herunter

SCHRITT 3 — Avatar-Video (10 Min., HeyGen / Synthesia):
- Wähle KI-Avatar (passend zu den Erwartungen der Zielgruppe)
- Lade Skripttext hoch
- Lade ElevenLabs-Voiceover hoch (oder verwende integrierte TTS)
- Füge hinzu: Hintergrund (Büro, Studio oder gebrandet), Texteinblendungen
- Generieren

SCHRITT 4 — Bildschirmaufnahme (15 Min.):
- Nimm Produktdurchlauf auf (Loom, OBS oder QuickTime)
- Bearbeite, um zum Skript-Timing zu passen

SCHRITT 5 — Zusammenführen (15 Min., Descript / CapCut):
- Ebene 1: KI-Avatar-Video (Talking Head)
- Ebene 2: Bildschirmaufnahme (wenn Skript auf Produkt verweist)
- Ebene 3: B-Roll von Runway (generierte Visuals)
- Füge hinzu: Untertitel (automatisch generiert), Hintergrundmusik (leise, instrumental)
- Füge hinzu: Intro/Outro-Branding
- Export: 1080p, 16:9

Workflow 2: Personalisiertes Outreach-Video in großem Maßstab (30 Min. pro Video)

Anwendungsfall: „Hey [Vorname], ich habe dieses kurze Video für dich gemacht..." Personalisierte Videos erzielen 3-5x höhere Antwortraten als reine Textansprache.

SCHRITT 1 — Vorlagenskript (10 Min., Claude):
"Schreibe ein 45-sekündiges, personalisiertes Outreach-Videodrehbuch.
Personalisierungs-Tokens: [Vorname], [Unternehmen], [Schmerzpunkt].
Struktur:
- 'Hey [Vorname] — [relevante Beobachtung zu ihrem Unternehmen/ihrer Rolle]'
- 'Der Grund, warum ich mich melde: [Schmerzpunkt ist in ihrer Branche üblich]'
- 'Wir haben [Produkt] gebaut, um genau das zu lösen. Hier ist, was es in 10 Sek. macht'
- 'Ich würde mir gerne 10 Minuten Zeit nehmen, um Ihnen zu zeigen, wie es funktioniert. [Calendly] in den Kommentaren'"

SCHRITT 2 — Vorlagenvideo aufnehmen (einmal):
- Nimm das Vorlagenskript mit allen deutlich markierten Personalisierungs-Tokens auf
- ODER: Verwende HeyGen, um eine KI-Avatar-Videovorlage zu generieren

SCHRITT 3 — Personalisieren (pro Interessent, 5 Min.):
- Recherchiere Interessent: Unternehmen, Rolle, aktuelle Neuigkeiten, gemeinsamer Kontakt
- Passe die Beobachtung an: „Ich habe gesehen, dass Sie gerade Ihre Series A abgeschlossen haben — herzlichen Glückwunsch!"
- Nimm personalisierte Einleitung auf (10 Sek. auf Loom) oder verwende HeyGens Personalisierungsfunktion

SCHRITT 4 — Bearbeiten und senden (5 Min., Descript / Captions):
- Ersetze Vorlageneinleitung durch personalisierte Einleitung
- Füge Namen des Interessenten als Texteinblendung im Eröffnungsframe hinzu
- Exportieren. Hochladen. Per E-Mail oder LinkedIn-DM senden.

Workflow 3: Social Short-Form-Video in großem Maßstab (1 Stunde für 5 Videos)

Anwendungsfall: LinkedIn-Video, TikTok, YouTube Shorts, Instagram Reels.

SCHRITT 1 — Batch-Skripte (15 Min., Claude):
"Schreibe 5 Short-Form-Video-Skripte (60 Sekunden jedes) über [Themen].
Struktur:
- Hook (0-3 Sek.): kühne Behauptung, überraschende Statistik oder provokative Frage
- Body (3-50 Sek.): eine wichtige Erkenntnis, erklärt mit Beispiel
- CTA (50-60 Sek.): 'Folge für weitere [Themen]-Einblicke'

Themen:
1. [Thema]
2. [Thema]
..."

SCHRITT 2 — Batch-Voiceover (10 Min., ElevenLabs):
- Alle 5 Skripte → ElevenLabs. Gleiche Stimme.
- Als Batch generieren.
- Lade .mp3-Dateien herunter.

SCHRITT 3 — Batch-B-Roll (15 Min., Runway):
- Generiere 3-5 kurze Clips pro Skript (Prompt: B-Roll-Konzept)
- ODER: Verwende Stockmaterial (Pexels, Pixabay — kostenlos)

SCHRITT 4 — Batch-Bearbeitung (20 Min., Captions / Descript):
- Vorlage: Voiceover + B-Roll + Untertitel + Branding
- Wende Vorlage auf alle 5 Videos an
- Generiere Untertitel automatisch (Captions macht das nativ)
- Füge hinzu: halbtransparente Einblendung unten mit deinem Handle
- Füge hinzu: Untertitel mit Wort-für-Wort-Hervorhebung (>95 % Steigerung der Watchtime)

SCHRITT 5 — Planung:
- Lade alle 5 in ein Planungstool hoch (Buffer, Hootsuite, native Planer)
- Veröffentliche 1/Tag für eine Arbeitswoche

Workflow 4: KI-Videoanzeigen-Creative (2 Stunden für 5 Varianten)

SCHRITT 1 — Strategie (15 Min., Claude):
"Entwerfe eine Videoanzeigenstrategie für [Produkt] auf [LinkedIn / Meta / TikTok].
Zielgruppe: [ICP]. Budget: $X. Ziel: [Demos / Anmeldungen / Leads].
Generiere: 5 Anzeigenkonzepte mit Hooks, Skripten und visueller Richtung."

SCHRITT 2 — Skripte (15 Min., Claude):
"Schreibe 5 Videoanzeigen-Skripte. Jedes: 15-30 Sekunden.
Variante 1: Problem/Lösung (Hook: Schmerz → Produkt löst)
Variante 2: Social Proof („Schließe dich X Teams an...")
Variante 3: Demo-Teaser (zeige Produkt, baue Neugier auf)
Variante 4: Founder-Story („Ich habe das gebaut, weil...")
Variante 5: Einwand-Widerleger („Häufige Annahme: X. Realität: Y")"

SCHRITT 3 — Produktion (60 Min.):
- HeyGen: Generiere KI-Avatar, der Skripte 1, 2, 4 vorträgt
- Loom: Nimm Bildschirm für Variante 3 auf
- Runway: Generiere B-Roll für alle Varianten

SCHRITT 4 — Bearbeitung (30 Min., Captions):
- Füge Untertitel hinzu (keine Verhandlung — 85 % der Social-Videos werden stumm geschaut)
- Füge Branding hinzu (Logo, Farben, Endcard)
- Füge Hintergrundmusik hinzu (leise, instrumental)

SCHRITT 5 — Starten & Beenden:
- Starte alle 5. $50-100/Tag jede.
- Nach 48 Stunden: Beende die unteren 3. Skaliere die oberen 2.
- Nach 1 Woche: Wenn CPA zu hoch, iteriere Creative. Wiederhole.

Workflow 5: Podcast/Webinar-Clips (30 Min.)

SCHRITT 1 — Hochladen zu Opus Clip oder Descript:
- Lade deine Podcast-Episode hoch (30-60 Min.)
- KI identifiziert automatisch „virale Momente" — energiegeladene, zitierfähige Segmente

SCHRITT 2 — Überprüfen & Auswählen (5 Min.):
- Opus Clip schlägt 5-10 Clips vor. Wähle die besten 3-5 aus.
- Jeder: 30-90 Sekunden

SCHRITT 3 — Feinschliff (15 Min.):
- Untertitel: automatisch generiert, auf Richtigkeit überprüft (Namen, Begriffe)
- Füge hinzu: Intro-Frame mit Episodentitel
- Füge hinzu: Endcard mit „Ganze Episode → [Link]"
- Passe an: Start-/End-Trimmpunkte

SCHRITT 4 — Veröffentlichen (10 Min.):
- 1 Clip/Tag auf LinkedIn, X/Twitter, TikTok, Instagram
- Verlinke zur ganzen Episode in Kommentaren/Bio

KI-Video-Qualitätsstandards

Was produktionsreif ist:

• KI-Sprechervideos mit echtem Voiceover (ElevenLabs oder menschlich)
• Bildschirmaufnahmen mit KI-Erzählung
• Social Clips aus längerem Content
• KI-generiertes B-Roll (abstrakte Konzepte, Datenvisualisierungsunterstützung)

Was menschliches Eingreifen benötigt:

• Kundenreferenzen (echte Menschen > KI-Avatare für Vertrauen)
• Komplexe Produktdemos (KI kann nicht alle Fragen vorhersehen)
• Markenfilme (emotionales Storytelling erfordert echtes Filmmaterial)
• Führungskräfte-Kommunikation (dein Gesicht > KI-Gesicht für Vertrauen)

Ausgabeformat

KI-VIDEOPRODUKTIONSPLAN

Videotyp: [Demo / Outreach / Social / Anzeige / Clip]
Plattform: [LinkedIn / YouTube / TikTok / E-Mail]
Ziellänge: [Sekunden]

SKRIPT: [Claude-generiertes Skript]

PRODUKTIONSSTACK:
- Voiceover: [ElevenLabs / menschlich / HeyGen TTS]
- Avatar: [HeyGen / Synthesia / echter Mensch]
- B-Roll: [Runway / Stock / Bildschirmaufnahme]
- Schnitt: [Descript / Captions / CapCut]
- Untertitel: [automatisch / überprüft]
- Musik: [Quelle / keine]

PERSONALISIERUNG (falls zutreffend):
- Tokens: [Vorname, Unternehmen, Schmerzpunkt]
- Benutzerdefinierte Einleitung: [aufgenommen / KI-generiert]

Implementierungs-Checkliste

• Skript unter 90 Sekunden (Aufmerksamkeit fällt nach 90s drastisch ab)
• Hook in den ersten 3 Sekunden (die wichtigsten 3 Sekunden eines jeden Videos)
• Untertitel auf jedem Video (85 % der Social-Videos werden ohne Ton geschaut)
• Voiceover-Qualität geprüft (natürliches Tempo, korrekte Aussprache)
• KI-Avatar entspricht den Erwartungen der Zielgruppe (professionell für Enterprise, leger für KMU)
• Hintergrundmusik leise genug, um nicht mit der Stimme zu konkurrieren (-18dB bis -24dB)
• Endcard mit CTA (URL, Folgen, Abonnieren)
• Dateigröße für die Plattform optimiert (<100 MB für E-Mail, <1 GB für Social Media)
• Thumbnail generiert (Canva — Gesicht + Texteinblendung)

Qualitätsprüfung

Vor der Auslieferung überprüfen:

• Ausgabe entspricht der genannten Anfrage des Benutzers
• Genannte Frameworks oder Quellen spiegeln sich in der Empfehlung wider
• Das Deliverable ist spezifisch genug, damit ein Agent es ausführen kann
• Annahmen, Risiken oder Abhängigkeiten sind explizit
• Es sind keine unbelegten Behauptungen, erfundenen Fakten oder privaten/internen Referenzen enthalten

Häufige Fallstricke

1. Uncanny Valley bei KI-Avataren. Schlechte Lippen-Sync, leblose Augen, roboterhafte Gesten = Zuschauer klicken nach 2 Sekunden weg. Behebung: ElevenLabs-Voiceover mit natürlichem Tempo. Teste mit 5 Personen: „Fühlt sich das echt an?"

2. Keine Untertitel. 85 % der Social-Videos werden ohne Ton geschaut. Keine Untertitel = 85 % der Zielgruppe versteht die Botschaft nicht. Behebung: Untertitel auf jedem Video. Wort-für-Wort-Hervorhebung erhöht die Watchtime um 95 %+.

3. Skript zu lang. 90 Sekunden ist die Obergrenze für Aufmerksamkeit in sozialen Medien. 15-30 Sekunden für Anzeigen. 45-60 Sekunden für Demos. Behebung: Halbiere dein Skript. Dann halbiere es erneut. Jedes Wort muss seinen Platz verdienen.

4. Generatives B-Roll, das nicht passt. Runway generiert „ein Team, das in einem modernen Büro zusammenarbeitet" zeigt Menschen mit sechs Fingern an unmöglichen Schreibtischen. Behebung: Verwende Stockmaterial oder Bildschirmaufnahmen für konkrete Szenen. Verwende Runway für abstrakte Konzepte, Hintergründe, Übergänge.

5. Personalisiertes Video in großem Maßstab, das sich nach Massenware anfühlt. „Hey [Vorname]" mit einem KI-Avatar, der offensichtlich nicht du bist. Behebung: Nimm die personalisierte Einleitung selbst auf (10 Sek. auf Loom). KI erledigt den Rest. Der menschliche Touch ist die 10 Sekunden wert.

6. Ignorieren von Plattformspezifikationen. LinkedIn: 16:9 oder 1:1, unter 10 Min. TikTok: 9:16 vertikal, unter 3 Min. YouTube Shorts: 9:16 vertikal, unter 60 Sek. Behebung: Exportiere im korrekten Seitenverhältnis und in der richtigen Dauer für jede Plattform.

Ausführungsartefakte

• references/framework-notes.md — Genannte Frameworks und Referenztabellen
• templates/output-template.md — Deliverable-Vorlage für Agentenausgabe
• scripts/check-output.py — Leichter Deliverable-Validator

Verwandte Skills

• vibe-marketing — Vollständiger KI-Marketing-Stack
• ai-content-creation — KI für textbasierten Content
• ad-creative-strategy — Kreativformate pro Plattform, Tests
• social-media-strategy — Plattformspezifisches Posten und Engagement
• content-distribution — Verteilung von Videoinhalten über Kanäle hinweg
• vibe-coding — KI-Entwicklungstools zum Erstellen von Video-Landingpages