Einleitung
Vor ein paar Tagen habe ich zum ersten Mal Googles neues KI-Video-Tool Veo 3 ausprobiert. Für uns ist das besonders spannend, da wir ständig auf der Suche nach neuen, effizienten Wegen für die Content-Erstellung sind.
Ich habe mein Google AI Abo bis ans Limit gereizt (aktuell sind nur wenige Prompts pro Tag möglich) und drei Szenarien durchgespielt. Wichtig dabei: Ich habe die Prompts direkt über Gemini eingegeben, nicht über Googles spezialisiertes Video-Tool "Flow".
Hier sind die Ergebnisse meines Experiments.
Die Testszenarien
Test 1: Der "Quick & Dirty" Ansatz
Prompt A: Eine simple, wahre Begebenheit: A person cooking a steak and making a mess but creating a delicious meal.
(Hier Video A einbetten oder Link einfügen)
Test 2: Der strukturierte "Reddit-Hack"
Prompt B: Das gleiche Szenario wie oben, aber massiv erweitert durch ein Prompt-Template von Reddit. Hier wurde dem Modell genau vorgegeben, was in welcher Sekunde passieren soll (Timeline, Kamerawinkel, Audio).
(Hier Video B einbetten oder Link einfügen)
Test 3: Der Personal-Clone Versuch
Prompt C: Ein neues Szenario ("Meal Prep"), ebenfalls basierend auf dem komplexen Template. Der Clou: Ich habe das LLM gebeten, die Person im Video basierend auf einem hochgeladenen Foto von mir zu generieren.
Das Referenzfoto:
(Hier Video C einbetten oder Link einfügen)
Fazit 1: Die Videoqualität
Jedes generierte Video hatte seine Tücken – unnatürliche Bewegungen, morphing Utensilien oder Details, die physikalisch keinen Sinn ergaben. Genau diese "Halluzinationen" machen die Videos für unsere angedachte, professionelle Content-Produktion aktuell noch ungeeignet (ganz abgesehen von Kosten/Nutzen und dem ROI).
Sicherlich ließen sich mit extrem detailliertem Prompting noch einige Fehler ausbügeln. Doch mein kleiner Test legt nahe: Für den "ernsthaften" Unternehmenseinsatz ist die Technologie – oder zumindest dieser Workflow – noch nicht ganz reif.
Aber eine spannende Frage bleibt: Reicht vielleicht schon ein mittelgutes Video, einfach weil Bewegtbild mehr Aufmerksamkeit generiert und "mehr" sagt als ein perfektes Stock-Foto?
Fazit 2: Das Interface (GUI) ist das Problem
Dieses Experiment hat mir vor allem eines verdeutlicht: Ein Chatfenster ist für komplexe Medienproduktion das falsche Interface.
- Video-Prompting ist zu komplex: Wer sich die Prompts unten ansieht, merkt schnell: Um gute Ergebnisse zu erzielen, muss man halbe Drehbücher schreiben (Kamera, Licht, Timeline). Das in ein Textfeld zu tippen, ist mühsam.
- Fehlende Guardrails: Woher weiß ich als Laie, was ein Video "gut" macht? Tools wie Gamma oder Canva leiten den Nutzer durch Best Practices und Vorlagen. Ein leeres Chatfenster bietet null Orientierung.
- Kognitive Belastung (Cognitive Load): In professionellen Tools wie Adobe Premiere führt mich die GUI visuell zum Ziel. Im Chatfenster muss ich gleichzeitig Regisseur, Kameramann, Beleuchter und Drehbuchautor sein – und das alles rein textbasiert managen. Das überfordert, kostet Zeit und ist frustrierend.
Anhang: Die verwendeten Prompts
Für alle, die es selbst ausprobieren wollen: Hier sind die (gekürzten und formatierten) Prompts, die ich für Test 2 und 3 verwendet habe.
Prompt B: Messy Steak Cooking (Strukturiert)
Metadata:
prompt_name: "Messy Steak Cooking"
base_style: "cinematic, photorealistic, 4K"
aspect_ratio: "16:9"
room_description: "Modern kitchen, sun-filled, stainless steel appliances..."
camera_setup: "Single, fixed, wide-angle shot. No movement."
Key Elements:
- Person in apron at stove
- Sizzling steak in cast iron skillet
- Splashes of oil, scattered herbs, dirty utensils
Timeline:
00:00-00:01: Person steps to stove, raw steak ready. Quiet ambiance.
00:01-00:02: Steak hits skillet. Loud sizzling, oil spatters.
00:02-00:06: Cook flips steak, adds herbs/butter. Counter gets messy. Fast-paced cooking sounds.
00:06-00:08: Plating with garnish. Cook smiles. Soft content sigh.
Prompt C: Meal Prep & Persona (Strukturiert)
Metadata:
prompt_name: "Meal Prep – Personal Touch"
base_style: "cinematic, photorealistic, 4K"
key_elements:
- "Person based on uploaded photo: fitted white t-shirt, round black glasses, short dark hair, trimmed beard"
- "Glass meal prep containers, fresh produce"
Timeline:
00:00-00:01: Person chopping veggies with precision. Gentle knife sounds.
00:01-00:02: Spooning ingredients into containers.
00:02-00:06: Hyper-lapse of rapid prep and stacking. Stomach grumbles.
00:06-00:08: Person sits and eats immediately instead of storing it. Satisfaction.