Drei Videoclips, ein Musikstück und eine ziemlich klare Vorstellung davon, wie das fertige Video aussehen soll. Was mir dann oft fehlt: die Lust, in einem Schnittprogramm jeden Übergang und jeden Schnitt auf die Musik abzustimmen.
In Folge 11 von «The AI Marketing Playbook» zeigen Harriet Moser und ich, wie weit wir solche Aufgaben inzwischen an KI delegieren können. Ich habe Claude für ein Skateboard-Video eingesetzt und mit ChatGPT einen Halloween-Kurzfilm geschnitten und farblich überarbeitet. Dazu kommen meine Erfahrungen mit Kling 4.0, kurze Bildanweisungen für KI-Portraits und Harriets Tests mit QR-Code-Kunst, animierter Typografie und Magnific One.
▶ Podcastfolge auf YouTube anschauen
Videoschnitt mit Claude: Drei Clips werden zu einer Geschichte
Für mein Skateboard-Video hatte ich drei mit Seedance generierte Clips: losfahren, durch eine Halfpipe fahren und auf die Kamera zukommen. Dazu gab es Musik. Die einzelnen Szenen waren vorhanden, aber noch kein fertiges Video.
Ich habe die Clips Claude Code übergeben und beschrieben, wie der Schnitt auf die Musik passen sollte. Besonders wichtig war ein Sprung in der Mitte: Der sollte mit dem musikalischen Höhepunkt zusammenfallen.
Im Test übernahm Claude die Zusammenstellung und passte das Timing an. Wir verlängerten einzelne Szenen und ergänzten ein kleines animiertes Intro mit dem Titel «Chasing Golden Light». Als visuelle Referenz diente ein Midjourney-Bild im gewünschten 70er-Jahre-Look.
Für mich war genau das hilfreich: Ich konnte über das Resultat sprechen und Änderungen beschreiben, statt jeden Handgriff selbst im Schnittprogramm umzusetzen. Ganz ohne Feedback ging es allerdings auch hier nicht.
▶ Skateboard-Video «Chasing Golden Light» anschauen
Kling 4.0: Wenn sich nur die Augen bewegen sollen
Für meinen Halloween-Kurzfilm wollte ich ein klassisches Horrormotiv umsetzen: Eine Frau auf einem Gemälde bewegt zunächst nur ihre Augen. Kopf und Körper bleiben still.
Kling hatte dazu andere Vorstellungen. Trotz mehrerer Prompt-Varianten bewegte sich regelmässig der ganze Kopf mit. Für diese Szene wechselte ich schliesslich zu Seedance. Das Resultat kam meiner Idee näher, war aber ebenfalls nicht exakt so, wie ich es im Kopf hatte.
Andere Szenen gelangen mit Kling besser. Die Ausgangsbilder hatte ich in Midjourney erstellt, Konzept und Prompts gemeinsam mit ChatGPT entwickelt.
Das ist für mich eine der wichtigsten Erfahrungen aus dem Test: Ein Modell kann bei mehreren Szenen brauchbare Resultate liefern und an einer einzelnen, scheinbar kleinen Bewegung scheitern. Dann lohnt sich ein gezielter Wechsel, bevor man noch zehn Varianten desselben Prompts durchprobiert.
Längere Sequenzen mit mehreren Keyframes
Zusätzlich testete ich eine rund 25 Sekunden lange Sequenz mit vier Referenzbildern. Damit wollte ich herausfinden, wie sich die Geschichte innerhalb einer einzigen Generierung entwickelt.
Kling verband die Motive, interpretierte aber auch Übergänge selbst. Aus dem gewünschten überraschenden Blick auf ein leeres Gemälde wurde beispielsweise ein Ausblenden der Frau.
Für einen schnellen Entwurf ist das interessant. Wenn eine Szene genau auf einen bestimmten Moment hinauslaufen soll, geben einzeln generierte Clips und ein anschliessender Schnitt mehr Kontrolle.
ChatGPT schneidet das Halloween-Video
Nach dem Test mit Claude wollte ich wissen: Kann ChatGPT meinen Halloween-Film ebenfalls zusammensetzen?
Ich gab ChatGPT die generierten Videoclips und die in Suno erstellte Musik. Danach besprachen wir Reihenfolge, Timing und Anpassungen im Chat. Für den Abspann ergänzte ich ein in Midjourney gestaltetes Bild, weil mir die erste typografische Lösung zu wenig Halloween-Stimmung hatte.
Der Schnitt wurde in meinem ChatGPT-Work-Setup mit FFmpeg umgesetzt, einem Werkzeug zur Verarbeitung von Video und Audio. Es handelte sich also um die Bearbeitung vorhandener Clips.
Das funktionierte in meiner Umgebung gut. Ob derselbe Ablauf in einem anderen ChatGPT-Setup verfügbar ist, hängt von den dort vorhandenen Werkzeugen und dem Dateizugriff ab.
▶ Halloween-Kurzfilm «Never Trust a Portrait That Looks Back» anschauen
Color Grading mit ChatGPT: Die Clips passen noch nicht zusammen
Beim Anschauen des zusammengeschnittenen Films fiel mir ein weiteres Problem auf: Die Farben der einzelnen Szenen passten nicht richtig zusammen.
Einige Bilder hatten einen Orange-Teal-Look, andere wirkten grün-gold. Einzeln waren die Szenen brauchbar. Hintereinander sah man deutlich, dass sie aus unterschiedlichen Generierungen stammten.
Also fragte ich ChatGPT, ob es auch das Color Grading übernehmen könne. Mein Ziel war, die Farbwirkung der Clips anzugleichen.
Das Ergebnis wurde stimmiger, allerdings nicht überall gleich gut. Einzelne Stellen blieben verbesserungswürdig. Für einen kurzen Testfilm war die Überarbeitung trotzdem hilfreich.
Für den Marketingalltag steckt darin ein praktischer Ansatz: KI kann bei der Nachbearbeitung bereits erzeugter Inhalte helfen. Gerade bei Videos aus mehreren generierten Szenen ist dieser Schritt wichtig, damit am Ende ein zusammenhängender Film entsteht.
Kurze Foto-Prompts für KI-Portraits
Ein weiterer Test drehte sich um schnelle Portraitvarianten. Als Ausgangspunkt nahm ich einen Screenshot von mir aus einer Podcastaufnahme und probierte kurze Anweisungen wie /headshot, /studioshoot oder /editorial.
Die Resultate waren für diesen unkomplizierten Versuch erstaunlich brauchbar. Dabei muss man aber einen Punkt klarstellen: Diese Kürzel sind keine offiziellen OpenAI-Befehle. ChatGPT interpretiert sie als kurze Bildanweisungen.
| Kürzel | Gemeinte Bildwirkung |
|---|---|
/headshot |
Klassisches Kopfportrait |
/proshot |
Professionelles Businessportrait |
/studioshoot |
Studiofotografie |
/editorial |
Editorial- und Magazinlook |
/fashion |
Modefotografie |
/cinematic |
Filmischer Look |
Wenn du eine bestimmte Wirkung erwartest, beschreibe sie zusätzlich. Bei /editorial können wir schliesslich sehr unterschiedliche Bilder im Kopf haben.
Als Fotografin stelle ich mir ausserdem die Frage, wo solche Portraits sinnvoll sind. Für ein kreatives Experiment oder einen Beitrag über KI passen sie gut. Bei einem Profilbild, das persönliches Vertrauen aufbauen soll, würde ich bewusster entscheiden, wie ich mich zeigen möchte.
QR-Code-Kunst: Das Bild muss auch funktionieren
Harriet zeigte, wie sie QR-Codes mit Bildern verbindet. Ausgangspunkt war ein Midjourney-Motiv, das sie mit Claude und ChatGPT weiterbearbeitete.
Dabei ging es um zwei Anforderungen gleichzeitig: Der Code sollte sich gestalterisch ins Bild einfügen und weiterhin auf den richtigen Link führen.
Ihr wichtigster Hinweis war deshalb, die technische Überprüfung bereits in den Auftrag aufzunehmen. Für den praktischen Einsatz gehört zusätzlich ein eigener Scan-Test dazu, gerade nach weiteren Bildänderungen und vor einem Druck.
Das ist ein spannender Ansatz für Markenbilder. Die Gestaltung darf die eigentliche Funktion des Codes aber nicht verdrängen.
Animierte Typografie mit Claude
Für ein Musikvideo kombinierte Harriet einen in Suno erstellten Song mit animierter Schrift und grafischen Elementen aus Claude Code.
Spannend fand ich vor allem die Möglichkeit, einzelne Stellen gezielt zu verändern. Wenn eine Animation nicht passte, konnte sie diese im Code bearbeiten lassen, statt den gesamten Film neu zu generieren.
Auch hier brauchte es klare gestalterische Vorgaben und mehrere Feedbackrunden. Eine kleine Testsequenz hilft, die Richtung zu prüfen, bevor man einen längeren Film umsetzt.
▶ Harriets Beitrag zum Musikvideo auf LinkedIn
Magnific One: Brand Kit übernehmen und kontrollieren
Mit Magnific One testete Harriet, wie sich ein Brand Kit aus einer Website oder vorhandenen Markenunterlagen erstellen lässt.
Im gezeigten Beispiel wurden unter anderem die Schrift Poppins und wesentliche Teile ihrer Positionierung erkannt. Bei den Farben war eine Korrektur nötig. Ihr konkretes Markenmaskottchen wurde nicht übernommen und hätte als Referenz ergänzt werden müssen.
Das kann die Vorbereitung vereinfachen. Das automatisch erstellte Brand Kit sollte man trotzdem kontrollieren, bevor es als Grundlage für weitere Bilder dient. Passende Farben allein ergeben noch keine konsistente Markenbildwelt.
Was ich aus den Tests mitnehme
Den grössten Nutzen hatte ich dort, wo bereits Material und eine konkrete Vorstellung vorhanden waren: Clips auf Musik schneiden, das Timing verbessern und die Farbwirkung angleichen.
Gleichzeitig zeigte gerade die Geschichte mit den Augen, wie viel Arbeit in einem kleinen Detail stecken kann. Die KI hat das Video schnell erzeugt. Die gewünschte Bewegung zuverlässig hinzubekommen, war die eigentliche Herausforderung.
Für mich wird deshalb die Beurteilung immer wichtiger: Was ist für diesen Zweck gut genug? Wo lohnt sich eine weitere Runde? Und wann ist ein anderes Werkzeug sinnvoller?
Zum Schluss der Folge brauchen wir übrigens eure Meinung: Wir zeigen drei Character-Varianten für «The AI Marketing Playbook». Welche gefällt euch am besten? Schreibt A, B oder C in die YouTube-Kommentare.
Dieser Beitrag basiert auf Folge 11 von «The AI Marketing Playbook» mit Harriet Moser und Monika Liechti vom 29. Oktober 2026. Die beschriebenen Ergebnisse beziehen sich auf unsere Tests und die dabei verwendeten Setups.