KI-Videos erstellen für KMU: vom Standbild zum Social-Clip

Ein KI-Video für ein KMU entsteht heute am besten in zwei Schritten: Zuerst ein Standbild, das genau so aussieht, wie der Clip beginnen soll, dann ein Videomodell, das dieses Bild mit einer einzigen, genau beschriebenen Bewegung animiert. So bleiben Motiv, Farben und Bildaufbau unter Ihrer Kontrolle, und das Modell muss nur noch entscheiden, wie sich Kamera und Licht bewegen.

Für diesen Beitrag haben wir am 23. September 2026 sechs Clips in Higgsfield erzeugt: vier mit demselben Startbild und demselben Prompt, einen mit einer Hand, die ein Produkt greift, und einen vertikalen Social-Clip nur aus Text. Alle Beispiele sind ohne Ton generiert und nicht nachbearbeitet. Welches Modell im direkten Vergleich wie abschneidet, zeigen wir ausführlich im Vergleich der KI-Videogeneratoren.

Wofür KI-Clips in einem KMU taugen

Realistisch betrachtet ersetzen KI-Clips keine Imagefilme und keine Produktvideos, in denen das echte Produkt in echten Händen zu sehen ist. Sie füllen eine Lücke darunter:

• Hintergrund- und Stimmungsclips für Website-Header oder Landingpages, fünf bis acht Sekunden, in Schleife.
• Hooks für Reels und Shorts: die ersten zwei Sekunden, die das Scrollen stoppen, bevor echtes Material folgt.
• Varianten für Anzeigen: dasselbe Motiv mit anderer Kamerabewegung oder Tageszeit, um zu testen, was besser läuft.
• Illustrationen für Erklärinhalte: eine Szene, die man nicht filmen kann oder will.

Für eine Bäckerei in Baden, einen Velohändler in Thun oder eine Physiotherapiepraxis in Wil kann das die Zwischenstufe sein, die vorher schlicht zu teuer war. Die Grenze liegt dort, wo ein Clip etwas Reales verspricht, das es so nicht gibt.

Schritt 1: Das Startbild

Der Clip kann nur so gut werden wie sein erstes Bild. Wir haben dafür ein Produktfoto einer fiktiven Keramiktasse mit einem ausführlichen Briefing erzeugt; wie man so ein Briefing schreibt, zeigt der Beitrag KI-Bilder erstellen für Unternehmen. Wichtig für Video: Lassen Sie im Bild Raum für die Bewegung. Eine Kamerafahrt braucht Hintergrund, in den sie hineinfahren kann, und ein Motiv, das nicht am Bildrand klebt.

Legen Sie das Format jetzt fest, nicht später. Ein 16:9-Clip lässt sich nicht sauber in ein 9:16-Reel verwandeln, ohne das Motiv zu beschneiden. Wenn Sie beide Formate brauchen, erzeugen Sie zwei Startbilder.

Schritt 2: Der Bewegungs-Prompt

Der Prompt für das Video beschreibt nicht das Bild, das sieht das Modell schon, sondern ausschliesslich die Bewegung. Die wichtigste Regel: eine Bewegung, klar begrenzt, und ausdrücklich alles andere verbieten. Unser Prompt lautete: «Langsame Kamerafahrt von links nach rechts um die Tasse, feiner Dampf steigt aus der Tasse auf, sonst keine Bewegung im Bild.»

Von den vier Modellen, die wir mit diesem Prompt getestet haben, setzte Seedance 2.0 Mini die Kamerafahrt am deutlichsten um: ein ruhiger Bogen um die Tasse. Dafür hat das Modell den Hintergrund frei weitergedacht. Am Ende steht plötzlich ein Backofen in der Küche, der im Startbild nicht zu sehen war. Für einen Stimmungsclip ist das unproblematisch, für eine echte Ladeneinrichtung wäre es eine Erfindung. Google Veo 3.1 Lite zeigte dagegen sichtbaren Dampf, bewegte die Kamera aber kaum; Kling 3.0 Turbo und Minimax Hailuo 2.3 Fast bewegten die Kamera leicht, liessen den Dampf aber weg.

Schritt 3: Was scheitert, ein echtes Fehlerbeispiel

Spannend wird es, sobald sich das Motiv selbst bewegen soll. Wir haben mit demselben Startbild eine Hand ins Bild greifen lassen.

Auf den ersten Blick wirkt der Clip erstaunlich echt. Beim Anhalten fallen drei Dinge auf. Die Tropfglasur ändert ihr Muster, sobald die Tasse gedreht wird. Am Boden der Tasse erscheint ein kleiner Stempel, den niemand verlangt hat. Und der Griff am Henkel ist anatomisch fragwürdig. Für einen Stimmungsclip mag das durchgehen. Als Produktvideo für einen Shop wäre es irreführend, weil die gezeigte Tasse mit sich selbst nicht übereinstimmt. Genau hier liegt die Grenze von Bild-zu-Video bei Produkten, die wir im Beitrag Bild zu Video mit KI weiter ausleuchten.

Daraus folgen drei praktische Regeln:

• Keine Drehungen des Produkts, wenn Details wie Muster, Beschriftung oder Nähte wichtig sind. Bewegen Sie lieber die Kamera als das Objekt.
• Hände nur, wenn sie Nebensache sind. Sobald die Hand etwas Präzises tut, steigt das Fehlerrisiko.
• Logos nie vom Modell zeichnen lassen. Ein Markenzeichen legen Sie im Schnitt als Grafik darüber, damit es exakt stimmt.

Schritt 4: Text im Video, ein positiver Befund

Text war lange die Schwachstelle von Videomodellen. Unser vertikaler Test-Clip für eine fiktive Bäckerei zeigt, dass kurze Schriftzüge inzwischen gelingen können.

Das Schild ist korrekt beschriftet. Das war allerdings ein einzelner Durchgang, keine Statistik. Für verbindliche Angaben wie Öffnungszeiten, Preise oder Telefonnummern verlassen Sie sich trotzdem nicht auf das Modell, sondern setzen die Information als Texteinblendung im Schnitt. Dazu kommt ein inhaltlicher Punkt: Diese Gasse und diese Bäckerei gibt es nicht. Wer so einen Clip für den eigenen Betrieb verwendet, zeigt Kundschaft einen Laden, den sie beim Besuch nicht wiederfindet.

Schritt 5: Ton, Schnitt und Export

Wir haben alle Clips ohne Ton erzeugt, das ist bei den meisten Modellen günstiger und in der Praxis meist sinnvoll. Musik aus einer lizenzierten Bibliothek, ein gesprochener Satz oder Untertitel kommen im Schnittprogramm dazu. Für eine professionelle Stimme eignen sich spezialisierte Werkzeuge wie ElevenLabs; wer mehr Kontrolle über Schnitt und Effekte braucht, findet in Runway eine breitere Video-Suite.

Für die Website komprimieren wir Clips vor dem Einbau: Die Rohdateien aus Higgsfield lagen bei 0,6 bis 3,4 Megabyte für fünf Sekunden. Nach dem Umrechnen auf 960 Pixel Breite, ohne Tonspur, wogen die Clips auf dieser Seite zwischen 117 und 279 Kilobyte, der vertikale Clip mit 540 Pixeln Breite 516 Kilobyte. Ein Video, das erst nach einem Klick lädt, belastet die Ladezeit der Seite nicht.

Die Kosten: pro brauchbarem Clip gerechnet

Laut Kontoauszug kosteten unsere sechs Clips zusammen 32,5 Credits: Kling 3.0 Turbo 7,5, Google Veo 3.1 Lite 6 (4 Sekunden), Minimax Hailuo 2.3 Fast 4 (6 Sekunden) und dreimal Seedance 2.0 Mini zu je 5 Credits (Stand: 2026-09-23). Ohne Einschränkung brauchbar im Sinne des Prompts waren drei davon: der Seedance-Bogen, der Veo-Clip mit Dampf und der Bäckerei-Clip. Das ergibt knapp 11 Credits pro brauchbarem Clip. Higgsfield zeigte am selben Tag für die automatische Aufladung 20 Credits pro US-Dollar an, das sind rechnerisch rund 55 US-Cent pro brauchbaren fünf Sekunden. Die Arbeitszeit für Briefing, Auswahl und Schnitt ist darin nicht enthalten, und sie ist der grössere Posten.

Fazit: klein anfangen, ehrlich bleiben

Der pragmatische Einstieg ist ein einzelner Clip pro Woche für einen Kanal, in dem Bewegung zählt, meist Instagram oder LinkedIn. Mit festem Startbild, einer einzigen Kamerabewegung und Text, Logo und Ton aus dem Schnitt erreichen Sie schnell eine verlässliche Qualität. Finger weg von Produktdrehungen, echten Personen ohne Einwilligung und Szenen, die einen realen Ort vortäuschen. Wenn Sie Bildwelt, Clips und Texte als Ganzes planen möchten, übernehmen wir das im Rahmen unserer Content-Marketing-Betreuung. Welche Bildgeneratoren für die Startbilder in Frage kommen, steht im Vergleich der KI-Bildgeneratoren.