So erstellst du ein Produktvideo mit KI, ganz ohne Dreh

Was du brauchst, bevor du loslegst

Eine Produktseite oder 1–3 scharfe Fotos, dazu drei Fakten, die sich laut zu sagen lohnen. Jede Einstellung und jede Zeile des Videos entsteht daraus, deshalb zählen sie mehr als jeder Schnitttrick.

• Fotos: das Produkt scharf, gut ausgeleuchtet und groß im Bild, allein, ohne andere Produkte oder Personen. Verschiedene Blickwinkel, etwa von vorn, von der Seite und ein Detail in Nahaufnahme, geben dir Einstellungen, zwischen denen du wechseln kannst.
• Aufgeräumte Bilder: keine Texteinblendungen, Siegel oder Collagen – sie landen zusammen mit dem Produkt in jeder Einstellung.
• Größe: mindestens 1080 Pixel breit, so breit wie ein Video mit 1080×1920. Kleinere Fotos werden vergrößert und wirken unscharf.
• Drei Fakten von deiner Produktseite: was das Produkt kann, eine Zahl (Größe, Fassungsvermögen, wie lange es hält) und wie es benutzt wird. Mehr braucht das Skript nicht.
• Rechte: Fotos, Musik und Texte, die dir gehören oder für Anzeigen lizenziert sind. Nutze die Fotos eines Lieferanten nur, wenn du sie in Anzeigen verwenden darfst.

Wenn du alles von Hand machst, brauchst du außerdem eine Möglichkeit, Fotos zu animieren (ein KI-Tool, das Bilder in Videos verwandelt, oder Zoom und Schwenk in einem beliebigen Schnittprogramm), eine Stimme (deine eigene Aufnahme oder eine KI-Stimme, die den Text vorliest), für Anzeigen lizenzierte Musik und ein Programm, das Untertitel einbettet und das Video als MP4 exportiert.

Wähle einen Hook für die ersten 3 Sekunden

Sag vor Sekunde 3, was das Produkt ist und warum es wichtig ist, und zeige es vom ersten Bild an. In den Empfehlungen zur Anzeigengestaltung erwartet TikTok die Kernaussage in den ersten 3 Sekunden und den Hook innerhalb der ersten 6 (TikTok: Empfehlungen zur Anzeigengestaltung, Stand Juni 2025).

Ein Hook besteht aus zwei Teilen, die einen Gedanken tragen: einer Textzeile im Bild mit bis zu etwa acht Wörtern und dem ersten gesprochenen Satz. Die KI, die unsere Skripte schreibt, hat sechs Ansätze zur Auswahl, und sie funktionieren von Hand genauso gut:

• Problem → Lösung: Beginne mit dem Frust, den das Produkt beseitigt, und zeige dann die Lösung.
• Drei Gründe: eine schnelle Aufzählung, warum es sich lohnt.
• Unboxing aus der Ich-Perspektive: in der Ich-Form, von der Ankunft bis zur Benutzung.
• Vorher–Nachher: das Leben ohne das Produkt, dann mit ihm.
• Mythen entkräften: Korrigiere eine Annahme, von der deine Zielgruppe ausgeht.
• Nur Fakten: Materialien, Garantien und technische Daten von deiner Seite, nie erfundene Rezensionen oder Zahlen.

Für unseren Demo-Diffusor hat die KI drei gewählt: „Tired of candles you can't leave burning“ in Beispiel A (genervt von Kerzen, die man nicht brennen lassen kann), „Three reasons this diffuser earns its shelf space“ in Beispiel B (drei Gründe, warum dieser Diffusor seinen Platz im Regal verdient) und „From flat air to warm amber in seconds“ in Beispiel C (von lebloser Luft zu warmem Amber in Sekunden). Die Beispielvideos sind auf Englisch, weil sie aus der englischsprachigen Seite eines Demoprodukts erstellt wurden. Schreibe auch für dein Produkt drei Hooks und schalte sie als getrennte Anzeigen: Bleiben Produkt und Angebot gleich, lassen sich über die Ergebnisse die Einstiege vergleichen. Mit unseren Skriptvorlagen für Videoanzeigen hast du acht zum Loslegen.

Schreibe ein Skript mit 35–50 Wörtern

In einem Video von 15–20 Sekunden haben 35–50 gesprochene Wörter Platz: der Hook, zwei oder drei Fakten und eine Handlungsaufforderung (CTA). Diese Zahlen stammen aus unseren eigenen Videos. Die KI, die unsere Skripte schreibt, peilt 35–45 Wörter an, und die Voiceovers dauern 11 bis 20 Sekunden. Unsere drei Beispielvideos haben Skripte mit 44 oder 45 Wörtern und dauern 16, 17 und 19 Sekunden: Das sind etwa 2,5–3 gesprochene Wörter pro Sekunde, dazu knapp eine Sekunde Stille rund um die Stimme.

Plane mit dem langsameren Tempo, damit auch eine ruhige Stimme noch Platz hat. Gib dann jedem Satz nur eine Aufgabe. Hier ist Beispiel A (auf Englisch), 45 Wörter für ein Video von 17 Sekunden:

• Hook, 10 Wörter: „Tired of candles you can't leave burning while you're out?“ (genervt von Kerzen, die man nicht brennen lassen kann, wenn man unterwegs ist?)
• Fakten, 23 Wörter: „This amber reed diffuser fills a medium room with warm amber, cedarwood and vanilla for about three months, no flame or plug needed.“ (dieser Amber-Diffusor mit Duftstäbchen erfüllt einen mittelgroßen Raum etwa drei Monate lang mit warmem Amber, Zedernholz und Vanille, ohne Flamme und ohne Stecker)
• Anwendung, 8 Wörter: „Just flip the reeds weekly to boost strength.“ (dreh die Stäbchen einfach jede Woche um, damit der Duft stärker wird)
• CTA, 4 Wörter: „Shop the diffuser today.“ (kauf den Diffusor noch heute)

Nimm alle Fakten von deiner Produktseite: keine erfundenen Rezensionen, Bewertungen, Rabatte oder Statistiken und keine Erfolgsversprechen. Halte die Sätze kurz, mit je einem Gedanken.

Mach aus deinen Fotos bewegte Einstellungen

Plane drei Einstellungen von etwa fünf Sekunden, jeweils ein Foto mit einer Bewegung, und danach eine kurze Endkarte. Das füllt 15 bis 20 Sekunden, und jede Einstellung bleibt lange genug im Bild, damit sich ihr Untertitel lesen lässt.

KI-Modelle, die aus Bildern Videos machen, animieren ein Standfoto. Kamerabewegungen gelingen ihnen gut, etwa ein langsames Heranfahren, ein Kreisen um das Produkt, ein Neigen oder ein Schwenk, ebenso Details der Szene wie ein wandernder Lichtstreif, Dampf, Wassertropfen oder bewegter Stoff. Bei allem, was das Foto nicht zeigt, sind sie deutlich weniger zuverlässig: Hände, die das Produkt benutzen, Personen, zusätzliche Gegenstände. Text und Logos können sich verzerren, wenn sich die Kamera bewegt, und ein Clip kann ein Detail des Produkts selbst verändern. Beschreibe in jedem Prompt nur die Bewegung von Kamera und Szene, und sieh dir jeden Clip an, bevor du ihn verwendest.

Hier ist die Shotliste aus dem Storyboard von Beispiel A, mit dem Untertitel, den sie für jede Einstellung vorschlägt:

1. Ein langsames Heranfahren an die Glasflasche, mit einem sanften Lichtstreif, der über die Stäbchen wandert: „No flame needed“ (keine Flamme nötig).
2. Ein sanftes Kreisen um die Flasche, das die schwarzen Stäbchen zeigt: „Safe and effortless“ (sicher und mühelos).
3. Ein langsames Hochneigen der Kamera an der Flasche, hinter der warmes Licht leuchtet: „Warm scent, three months“ (warmer Duft, drei Monate).
4. Die Endkarte: „Shop the diffuser now“ (kauf den Diffusor jetzt).

Kein KI-Videotool? Ein langsamer Zoom oder Schwenk über jedes Foto in einem beliebigen Schnittprogramm funktioniert auch. Das wirkt ruhiger und kann das Produkt nie verändern. Mehr zur Auswahl der Fotos steht auf unserer Seite Foto zu Video.

Ergänze Voiceover, Untertitel, Musik und eine Endkarte

Die Stimme erzählt die Geschichte, die Untertitel tragen sie ohne Ton weiter, die Musik gibt das Tempo vor, und die Endkarte fordert zum Klick auf.

• Voiceover: Nimm es selbst in einem ruhigen Raum auf, das Handy dicht am Mund, oder nutze eine KI-Stimme, die den Text vorliest. Orientiere dich am Tempo aus der Tabelle oben; ein gehetztes Vorlesen ist schwerer zu verstehen als ein kürzeres Skript.
• Untertitel: Bette sie in das Video ein, jeweils zwei bis vier Wörter auf einmal im Takt der Stimme, in großer Schrift mit starkem Kontrast. Für eingeblendeten Text nennen die Empfehlungen von TikTok zur Anzeigengestaltung ein Tempo von 5 bis 10 Wörtern pro Sekunde (TikTok: Empfehlungen zur Anzeigengestaltung); Untertitel, die der Stimme folgen, laufen dagegen im Sprechtempo, bei unseren Videos mit etwa 2,5–3 Wörtern pro Sekunde.
• Safe Zone: Halte Untertitel, Preise und Logos frei von den Schaltflächen und Texten der App. Bei Reels-Anzeigen solltest du sie laut Meta von den oberen 14 %, den unteren 35 % und jeweils 6 % an beiden Seiten fernhalten (Leitfaden für Meta-Werbeanzeigen: Instagram Reels). TikTok veröffentlicht seine Safe Zones nur als herunterladbare Vorlagen, die je nach Format unterschiedlich sind (TikTok-Ads-Hilfe: In-Feed-Anzeigen, Stand Juni 2026).
• Musik: TikTok erwartet in seinen Empfehlungen Ton oder Musik. Nutze ein für Anzeigen lizenziertes Musikstück und halte es deutlich leiser als die Stimme. Weder TikTok noch Meta nennt einen Zielwert für die Lautstärke, prüfe die Abmischung also über den Lautsprecher eines Handys: Jedes Wort sollte klar zu verstehen sein.
• Endkarte: die letzten zwei oder drei Sekunden, mit dem Produkt und einer CTA von bis zu sechs Wörtern, etwa „Shop the diffuser now“ (kauf den Diffusor jetzt).

Exportiere eine Datei für alle Plattformen

Exportiere eine MP4-Datei im Format 9:16 mit 1080×1920, H.264-Video und AAC-Audio: Eine Datei passt für TikTok-In-Feed-Anzeigen, Reels-Anzeigen auf Instagram und Facebook sowie YouTube Shorts. Bei 15 bis 20 Sekunden sind das ein paar Megabyte (etwa 4–6 MB bei unseren Beispielvideos), weit unter den Limits von TikTok (500 MB) und Meta (4 GB).

Die von Meta empfohlenen 1440×2560 haben dasselbe Seitenverhältnis von 9:16, und die Mindestbreite für Instagram-Reels-Anzeigen unter 30 Sekunden beträgt 250 Pixel; eine Datei mit 1080×1920 lässt sich also unverändert hochladen. Die Empfehlungen von TikTok zur Anzeigengestaltung sehen mindestens 720p vor. Dateigrößen, Formate und weitere Platzierungen findest du in unseren Leitfäden zu den Vorgaben für TikTok-Anzeigen, Reels-Anzeigen und vertikale Videoanzeigen auf jeder Plattform.

Prüfe das Video und kennzeichne es, bevor du es postest

Sieh dir das ganze Video auf einem Handy an, gehe diese Liste durch und kennzeichne es auf jeder Plattform, auf der du es postest, als KI-generiert.

• Vorgaben: 9:16, 1080×1920, MP4, 15 bis 20 Sekunden.
• Die ersten 3 Sekunden: das Produkt im Bild, sein Versprechen gesagt und gezeigt.
• Safe Zone: Untertitel, Preise und CTA außerhalb der Randabstände von Meta (14 %, 35 % und 6 %) und innerhalb der Vorlage von TikTok für dein Anzeigenformat.
• Produkt: Jeder Clip zeigt dein Produkt noch so, wie es ist, ohne verzerrtes Etikett, zusätzliches Teil oder veränderte Farbe.
• Aussagen: Jede Angabe stimmt mit deiner Produktseite überein.
• Ton: die Stimme klar verständlich über der Musik, und Untertitel, die die Geschichte auch ohne Ton erzählen.
• KI-Label: auf jeder Plattform: bei TikTok das AIGC-Label oder der Hinweis, bei YouTube „AI use“ (KI-Nutzung) auf „Yes“ (Ja), bei Meta eine Zeile im Anzeigentext.

Bei TikTok ist die Kennzeichnung nicht freiwillig. Anzeigen, die stark mit KI bearbeitet oder vollständig mit KI erstellt wurden, brauchen das AIGC-Label (für KI-generierte Inhalte) von TikTok oder einen deutlichen Hinweis in Form eines Disclaimers, einer Beschreibung, eines Wasserzeichens oder eines Stickers, und Anzeigen mit nicht offengelegten KI-Inhalten können abgelehnt oder eingeschränkt werden (TikTok-Werberichtlinien: irreführende und falsche Inhalte, Stand April 2026). Der „AI-generated content disclaimer“ (Hinweis auf KI-generierte Inhalte) im Ads Manager fügt unten im Video ein Textlabel hinzu (TikTok-Ads-Hilfe: Hinweise in Anzeigen, September 2025).

Bei YouTube stellst du in YouTube Studio „AI use“ (KI-Nutzung) auf „Yes“ (Ja), wenn realistische Inhalte verändert oder synthetisch erzeugt wurden (YouTube-Hilfe). Meta schreibt die Offenlegung bei Wahlwerbung oder Werbung zu politisch oder gesellschaftlich relevanten Themen vor (Meta-Hilfebereich, zuletzt etwa im Juni 2026 aktualisiert). Sag bei einer Produktanzeige im Anzeigentext, dass das Video mit KI erstellt wurde. Unser Leitfaden zur Kennzeichnung von KI-generierten Anzeigen geht auch auf die Regeln der EU und der FTC ein.

Dieselben Schritte in ProductToReel

ProductToReel übernimmt die Schritte Hook, Skript, bewegte Einstellungen, Ton und Export, ausgehend von einem Produktlink oder 1–3 Fotos. In etwa 20 Sekunden schreibt es drei Storyboards mit jeweils eigenem Hook, Voiceover-Skript, eigener Shotliste und eigener CTA, kostenlos und ohne Registrierung. Aus dem Storyboard, das dir gefällt, erstellst du für einen Credit ein Video, aus allen drei Storyboards für drei Credits drei Videos: Das sind MP4-Dateien von 12 bis 20 Sekunden Länge in 1080×1920, mit KI-Bewegung aus deinen Fotos, einer von drei KI-Stimmen, eingebetteten Untertiteln, Musik und einer Endkarte, fertig in 3 bis 6 Minuten. Die letzte Kontrolle liegt bei dir: Unsere Untertitel sitzen heute tiefer und die CTA der Endkarte höher als die Reels-Safe-Zone von Meta, sieh dir also die Vorschau im Ads Manager an und kennzeichne das Video überall, wo du es postest, als KI-generiert.