KI-Videogenerierung mit Runway und Sora.

KI-Videogenerierung hat in den letzten zwei Jahren eine Entwicklung durchgemacht, die kaum jemand vorausgesehen hat. Was Anfang 2023 noch ein wackliger, dreisekundenlanger Clip mit verzerrten Gesichtern war, ist Mitte 2026 ein zehn Sekunden langes Video in cineastischer Qualität — mit konsistenter Beleuchtung, plausibler Physik und stabilen Gesichtern. Runway, OpenAI mit Sora, Google mit Veo, chinesische Anbieter wie Kling und Hailuo, dazu eine wachsende Open-Source-Szene rund um Wan, Lumi und CogVideoX — der Wettbewerb ist intensiv und die Qualität steigt fast monatlich. Für mittelständische Unternehmen entsteht damit eine Frage, die vor einem Jahr noch nicht stand: Wo lohnt sich der Einsatz im echten Unternehmensalltag? Und wo bleibt der Aufwand für Konsistenz, Storyline und Markenkompatibilität noch grösser als der Nutzen? Dieser Beitrag zeichnet ein ehrliches Bild, ohne in Begeisterung oder Skepsis zu kippen.

Wo die Technik heute steht.

Drei Familien von Tools dominieren Mitte 2026 den professionellen Markt. Runway, in seiner Generation Gen-4, bietet die ausgereifteste kommerzielle Plattform mit umfangreichen Steuerungsmöglichkeiten — Image-to-Video, Text-to-Video, Motion Brush, Camera Controls. OpenAI hat Sora 2 freigegeben, das in der reinen Bildqualität oft noch führt, aber engere Restriktionen in der API hat. Google Veo 3 ist tief in das Google-Workspace-Ökosystem integriert und besonders für Unternehmen interessant, die ohnehin auf Google setzen.

Daneben gibt es spezialisierte Anbieter wie Pika für kurze Animationen, Synthesia für Avatar-basierte Erklärvideos und Heygen für sprechende Avatare. Synthesia und Heygen sind ein etwas anderes Tier: Sie generieren keine freien Szenen, sondern animierte sprechende Köpfe — sehr nützlich für Schulungs- und Erklärinhalte, aber kein Werkzeug für werbliche Bilderwelten.

Was alle Plattformen 2026 noch eint: Die maximale Cliplänge in einem Generierungsschritt liegt zwischen 5 und 15 Sekunden. Längere Sequenzen werden zusammengeschnitten — entweder manuell oder über die jeweils plattformeigenen Editor-Funktionen. Diese Begrenzung verschwindet wahrscheinlich in den nächsten ein bis zwei Jahren, ist aber heute noch ein zentraler Faktor in der Produktionsplanung.

Was sich heute schon im Marketing lohnt.

Es gibt eine wachsende Liste konkreter Einsatzfelder, in denen KI-Videogenerierung den klassischen Produktionsweg sinnvoll ergänzt oder ersetzt:

• Social-Media-Snippets: Sechs- bis fünfzehnsekündige Clips für Instagram, LinkedIn, TikTok, die schnell entstehen und in hoher Frequenz veröffentlicht werden.
• B-Roll-Material: Hintergrundbilder, atmosphärische Szenen, illustrative Sequenzen, die einen klassisch produzierten Erklärfilm anreichern.
• Konzeptvideos für interne Präsentationen: Visualisierungen, die in der Strategiepräsentation zeigen, wie ein Produkt oder eine Idee aussehen könnte — ohne dass ein realer Dreh nötig wäre.
• Storyboards und Animatics: Frühe Visualisierungen für klassische Werbeproduktionen, die der Agentur und dem Kunden zeigen, wohin die Reise geht.
• Erklärsequenzen abstrakter Konzepte: Datenflüsse, Zeitabläufe, Prozessabläufe, die als reale Aufnahme schwer zu zeigen wären.
• Mehrsprachige Variationen: Wenn die Hauptelemente generiert sind, lassen sich einzelne Bestandteile schneller in mehreren Versionen erzeugen.

Was diese Fälle eint: Kurze Längen, hohe Stückzahlen, frühe Konzeptphasen oder Anwendungen, in denen ein realer Dreh unverhältnismässig teuer wäre. Wo die Anforderungen an Konsistenz, Markendarstellung und cineastische Tiefe hoch sind — wo das Video das Aushängeschild einer Kampagne ist —, bleibt klassische Produktion vorn.

Konsistenz: das ungelöste Hauptproblem.

Wenn man in der Praxis arbeitet, stösst man schnell auf das, was die Branche Character Consistency nennt. Ein Werbevideo zeigt typischerweise mehrere Szenen: Eine Frau betritt einen Laden, sieht ein Produkt, lächelt, geht zur Kasse. In KI-generierten Sequenzen ist diese Frau in jeder Einstellung leicht anders. Andere Haarfarbe, leicht andere Gesichtszüge, andere Kleidung. Für den menschlichen Zuschauer wirkt das nach einigen Sekunden seltsam.

Die Plattformen arbeiten intensiv an Lösungen. Runway bietet Reference Frames, mit denen sich Personen über mehrere Shots hinweg festlegen lassen. Sora hat Character Consistency in Sora 2 deutlich verbessert. Google Veo arbeitet mit angelernten Personen-Modellen. Trotzdem ist Konsistenz Mitte 2026 noch ein Aufwand. Wer ein Video mit acht Szenen und einer Hauptperson plant, rechnet mit deutlich mehr Generierungsdurchläufen, Auswahlrunden und gelegentlich manueller Nachbearbeitung als ein klassischer Dreh.

Die ehrliche Antwort: Wenn Sie ein hochwertiges Video brauchen, in dem eine Hauptperson durch mehrere Szenen geführt wird, ist KI-Generierung Mitte 2026 noch nicht der schnellste oder günstigste Weg. Wenn Sie kurze, jede für sich stehende Visualisierungen brauchen, ist sie es längst.

Kosten und Workflow im Praxisvergleich.

Eine ehrliche Kostenrechnung sieht ungefähr so aus. Eine klassische Werbeproduktion mit einem Dreh, einem Kamerateam, Schnitt und Postproduktion kostet im Mittelstand für ein einminütiges Video zwischen 8.000 und 25.000 Euro — je nach Anspruch, Drehort und Beteiligten. Ein vergleichbar gutes KI-generiertes Video kostet vielleicht 200 bis 800 Euro an Plattform-Credits, dazu zwischen einem und vier Tagen Arbeitszeit für Konzept, Generierung, Auswahl, Schnitt.

Die scheinbar günstigen Direktkosten der KI-Generierung sind nur die halbe Wahrheit. Der interne Aufwand für Auswahl, Iteration, Postproduktion und Qualitätssicherung ist beträchtlich. Wer das einfach nebenher der Marketing-Assistenz auf den Tisch legt, wird die Stundenrechnung später als bösen Schatten in den Personalkosten finden.

Rechte, Lizenzen, Identifikation.

Drei rechtliche Themen tauchen in jeder seriösen KI-Videoeinführung auf. Erstens das Trainingsmaterial. Die grossen Plattformen sind in Sammelklagen verwickelt — von Verlagen, Filmstudios, Bildagenturen, einzelnen Künstlern, die argumentieren, ihre Werke seien ohne Zustimmung zum Training verwendet worden. Die rechtliche Lage ist offen, die Plattformen bieten zunehmend kommerzielle Lizenzen mit Freistellungsklauseln an. Wer KI-generierte Videos kommerziell einsetzt, sollte explizit prüfen, ob der gewählte Plattformvertrag eine solche Klausel enthält.

Zweitens das Persönlichkeitsrecht. KI-Videos können Gesichter erzeugen, die echten Menschen ähneln. Wer eine bekannte Persönlichkeit in einem generierten Video zeigt — selbst, wenn das unbewusst geschieht — verletzt potenziell deren Persönlichkeitsrecht. Vorsicht ist auch bei Mitarbeiterfotos geboten: Wer das Gesicht einer realen Mitarbeiterin als Inspiration für einen generierten Avatar nutzt, sollte deren Einwilligung haben.

Drittens die Kennzeichnungspflicht aus dem EU-AI-Act, die ab August 2026 voll greift. KI-generierte oder -manipulierte Videos müssen als solche erkennbar sein, wenn sie als echte Inhalte verwechselt werden könnten. In der Praxis bedeutet das eine kleine Notiz in der Beschreibung oder ein Hinweis am Bildrand. Diese Pflicht gilt insbesondere für Inhalte mit Personen.

Was die Technik 2026 noch nicht kann.

Vier Schwächen bleiben Mitte 2026 in der Praxis spürbar. Erstens komplexe Physik: Wasser, Stoff, Feuer, Hände, die etwas greifen, Münzen, die in eine Schale fallen — solche Szenen produzieren immer wieder kleine Glitches, die die Glaubwürdigkeit untergraben. Hände sind besser geworden, aber nicht perfekt.

Zweitens lange Erzählbögen mit zeitlicher Kontinuität. Wer eine Geschichte über sechzig Sekunden hinweg erzählt, in der sich ein Charakter logisch durch mehrere Räume bewegt und das Licht entsprechend ändert, stösst an Grenzen. Die KI denkt Szene für Szene, nicht über die ganze Sequenz hinweg.

Drittens präzise Markenidentität. Eine bestimmte Produktverpackung mit dem exakten Logo, den exakten Farben, der exakten Typografie — KI-Modelle können das annähern, aber selten exakt. Wer das eigene Produkt zeigen will, kommt um manuelle Nacharbeit oder hybride Workflows kaum herum.

Viertens Tonproduktion. Die Tonebene wird in den meisten Workflows separat erzeugt — über Sprachsynthese, Musikbibliotheken, Soundeffekte. Volle Video-zu-Audio-Generierung wird von ersten Plattformen angeboten, ist aber noch nicht auf Produktionsniveau.

Diese Grenzen schrumpfen weiter. Wer heute ein Konzept aufsetzt, sollte sie aber kennen — sonst gerät die Erwartung an die Realität zu schief.

Wo der Wettbewerb hinläuft.

Drei Entwicklungen prägen die kommenden zwölf bis achtzehn Monate. Erstens längere Sequenzen: Erste Plattformen kündigen für 2026 Generierungen von dreissig bis sechzig Sekunden in einem Stück an. Damit wird der Schnitt zwischen vielen kurzen Generierungen seltener nötig, und Konsistenz wird einfacher.

Zweitens echte Steuerbarkeit: Die Plattformen entwickeln Werkzeuge, mit denen man nicht nur einen Text-Prompt eingibt, sondern Kameraführung, Lichtsetzung, Bewegungsbahnen, Sprecher-Animationen präzise vorgibt. Das bringt die KI-Generierung näher an klassische Filmproduktionsworkflows — und macht sie für professionelle Anwendungen tauglicher.

Drittens On-Device- und On-Premise-Lösungen: Wer Datenschutz-sensible Inhalte generieren will (etwa Schulungsvideos mit firmeninternen Details), bekommt erste Modelle, die sich auf einer eigenen GPU-Maschine ausführen lassen. Die Qualität liegt heute noch unter den Cloud-Modellen, der Abstand schrumpft aber.

In Beratungsprojekten zeigt sich: Wer 2026 in KI-Videogenerierung einsteigt, sollte den Einstieg klein wählen, monatlich die Entwicklung verfolgen und bereit sein, das eigene Toolset alle sechs Monate zu hinterfragen. Wer 2026 schon ein dreijähriges Lizenzpaket unterschreibt, verbaut sich Flexibilität, die in diesem Marktsegment teuer wird.

Was Sie als Entscheider sinnvoll tun.

Wenn Sie KI-Videogenerierung im eigenen Unternehmen ernsthaft prüfen wollen, lohnt sich ein klarer, zeitlich begrenzter Pilot. Wählen Sie ein konkretes Anwendungsfeld — etwa Social-Media-Snippets für drei Monate. Definieren Sie eine messbare Frage: Wie viele veröffentlichungsfähige Clips entstehen pro Woche, zu welchen Kosten, mit welcher Resonanz?

Vermeiden Sie die zwei häufigsten Fehler. Der erste ist, ein einzelnes hochwertiges Aushängeschild-Video als Pilot zu wählen — dort werden Sie enttäuscht, weil genau dort die Schwächen sichtbar werden. Der zweite ist, gar nichts zu tun und zu warten, bis die Technik perfekt ist. Sie wird nicht perfekt, sie wird besser. Wer 2026 keine eigenen Erfahrungen aufbaut, hat 2027 keinen Vorsprung, sondern eine Lücke.

Schliesslich die Frage der Verantwortlichkeit. Wer im Unternehmen kuratiert die Tools, die Lizenzen, die rechtlichen Klärungen, die Veröffentlichungsprozesse? Wenn die Antwort "das macht das Marketing nebenher" lautet, wird es nichts. Eine klare halbe Rolle — "unsere KI-Visualisierungs-Spezialistin" — schafft den Unterschied zwischen Spielerei und produktiver Ergänzung.

Sie überlegen, ob und wie sich KI-Videogenerierung in Ihrem Unternehmen lohnt? Unverbindlich anfragen — wir schauen gemeinsam auf realistische Anwendungsfälle, Kosten und einen Pilot, der ein ehrliches Bild gibt.