Ein Video beginnt heute als Text
Ein Erklärvideo war lange ein eigenes Projekt, mit mehreren Beteiligten, mehreren Tagen und einem vierstelligen Budget. Heute beschreibe ich es als Text: Skript, Animation, Tonspur. Den Rest baut die KI.
Am 28. September sind so zwei Videos für meine Webseitenprojekte entstanden. Gebaut hat sie mein BetterBuddy, so nenne ich mein KI-System: Claude in Obsidian, mit meinen Unterlagen und Regeln. Es ging erstaunlich einfach.
Zwei Videos, ein Vorgehen
Das erste Video läuft auf der Kursseite von BetterBuddy, wo sich Teilnehmende ihren eigenen BetterBuddy einrichten. Es dauert 1:42 Minuten, mit Sprecherstimme, Musik und Untertiteln, dazu kommt ein stummer Loop für den Kopfbereich der Seite. Die Screens darin stammen aus einer echten Live-Demo. Der erste Satz lautet: „Dieses Video hat BetterBuddy gebaut.“
Das zweite läuft auf 4better.jobs, unserem Bewerbungsportal in der Beta. Dort stellt sich Katja vor, eine KI-Karriere-Coachin. Sie spricht selbst, in der Ich-Form, und sagt offen, dass sie eine KI ist. Das Video zeigt echte Screens aus einem Demo-Konto mit einer erfundenen Beispielperson. Jede Zahl darin hat einen Beleg: Die Aussage „in unter zehn Minuten liegt deine Mappe bereit“ stützt sich auf drei gemessene Läufe mit 6:16, 7:30 und 7:48 Minuten.
Technisch entstehen beide Videos auf demselben Weg:
- Das Video ist eine HTML-Animation mit einer Zeitleiste, die sich auf jeden Zeitpunkt setzen lässt.
- Ein Browser fotografiert Bild für Bild, ffmpeg setzt daraus den Film zusammen.
- Die Stimme kommt aus einem Sprachmodell von OpenAI. Jede Szene wird zurück in Text übersetzt und mit dem Skript verglichen.
- Die Musik erzeugt der Code selbst und senkt sie automatisch ab, sobald die Stimme spricht.
Der ganze Ablauf besteht aus Code und Text, eine Videosoftware kommt darin nicht vor.
Wo meine Entscheidungen gefragt waren
Einfach wurde es durch Stationen, an denen ich entscheide. Skript, Stimmprobe, Standbilder, Rohschnitt, Endfassung und Einbau auf der Seite: Nach jeder Stufe habe ich freigegeben oder zurückgegeben. Farben, Schriften und Tonalität beider Marken lagen bereits in meinen Unterlagen und mussten nicht neu erklärt werden.
Manche Rückmeldungen waren kurz und hatten große Wirkung. Beim 4better.jobs-Video fehlte mir im Rohschnitt der Einstieg, und es war mir zu ruhig. Die neue Fassung beginnt mit dem Ergebnis: „Bewerbung fertig. In Minuten statt an einem ganzen Abend.“ Die Musik klang mir unharmonisch. BetterBuddy hat sie daraufhin neu geschrieben, mit Akkordwechseln genau auf der Eins des Takts.
Beim BetterBuddy-Video zeigt ein echter Log aus der Live-Demo einen kleinen Widerspruch zwischen Anweisung und Ergebnis. Den habe ich bewusst im Bild gelassen. Er ist echt und passt zur Botschaft des Videos: Die KI liefert den Entwurf, der Mensch liest drüber und gibt frei. Vor der Freigabe liefen drei Prüfrunden, in denen ein zweiter, unabhängiger Claude-Prüfer und zusätzlich GPT von OpenAI das Ergebnis gegengelesen haben.
Aus den Fallstricken wurde ein Rezept
Die lehrreichsten Details kamen aus den Fehlern:
- Die KI-Stimme sprach „BetterBuddy“ am Satzende sieben von sieben Mal wie „Beta Buddy“. Die Lösung: das Wort in die Satzmitte stellen.
- Lautschrift wie „Bätter Baddy“ klang schlechter als die Originalschreibweise mit einem Aussprache-Hinweis.
- Aus „Solo-Selbstständige“ wurde mehrfach „Selbstständiger“. Deshalb prüft eine Transkription jede Tonspur gegen das Skript.
- Untertitel verdeckten Texte im Bild. Heute bleiben die unteren 16 Prozent frei, und ein Skript misst Lage und Kontrast jedes Textes.
Noch am selben Abend hat BetterBuddy daraus ein Rezept geschrieben: Werkzeugkette, Ablauf mit Freigabestationen, ein Katalog mit Stilen und alle Fallstricke mit ihrer Lösung. Am Tag danach ist damit das Video auf der Startseite dieser Webseite entstanden.
Was das für Landingpages verändert
Aus meiner Agenturzeit kenne ich die andere Seite: Ein Erklärvideo wurde einmal produziert und blieb dann oft jahrelang unverändert online, weil jede Änderung wieder Aufwand und Budget bedeutet hätte.
Jetzt entsteht ein Video in hoher Qualität innerhalb weniger Stunden, und die Kosten für Stimme und Rechenzeit liegen bei wenigen Euro. Das verändert, wie ich mit Landingpages arbeite:
- Komplexe Angebote werden greifbar. Was im Text drei Absätze braucht, zeigt ein Video in neunzig Sekunden, mit echten Screens als Beleg.
- Videos bleiben aktuell. Ändert sich ein Termin, ein Preis oder eine Funktion, passe ich das Skript an und das Video entsteht neu.
- A/B-Tests werden bezahlbar. Zwei Einstiege, zwei Stimmen oder zwei Längen lassen sich gegeneinander testen. Mit einem klassisch produzierten Video war das kaum zu finanzieren.
Damit wird ein Video zu dem, was jede andere Zeile auf einer Landingpage längst ist: etwas, das man ausprobiert, misst und verbessert.
Hast du ein Angebot, das sich schwer in drei Sätzen erklären lässt? Schreib mir oder buch dir direkt ein kurzes Gespräch. Ich zeige dir gern, wie ein erster Entwurf dafür aussehen könnte.