Im Feed läuft ein Clip. Eine Kamerafahrt durch eine Werkhalle, Funken im Gegenlicht, Staub in der Luft, ein paar Sekunden lang wie aus einem Kinotrailer. Darunter fragt jemand, wozu man eigentlich noch dreht. Die Antwort steckt im Clip selbst: Diese Halle gibt es nicht. Das fällt erst auf, wenn jemand genau so einen Film über die eigene Halle haben möchte.
Ein KI-Generator liefert Einstellungen, keinen Film. Er ersetzt den Dreh dort, wo dein Video nichts beweisen muss. Sobald es zeigen soll, dass es dich, dein Produkt oder deinen Ort wirklich gibt, oder dieselbe Person über mehrere Einstellungen tragen muss, wird gedreht, und KI wird zur Zutat. Ich arbeite selbst mit KI-Bildern, die Bilder hier im Blog sind welche. Und ich drehe, schneide und mische selbst. Von beiden Seiten aus sieht man die Grenze ziemlich deutlich.
Was aus Sora und der Veo-Vorschau geworden ist
Wer nach Sora sucht, landet bei einem Werkzeug, das es nicht mehr gibt. OpenAI hat Sora als App und im Web am 26. April 2026 eingestellt, die Schnittstelle für Entwickler folgte am 24. September 2026. Ein neues Videomodell hat OpenAI nach meinem Stand bis Mitte November 2026 nicht angekündigt.
Bei Google ging es leiser, aber auch dort bewegt sich der Boden. Die Vorschauversion von Veo 3.1 hat Google im Oktober 2026 abgeschaltet und verweist in der Veo-Dokumentation auf sein neues Modell Gemini Omni; die freigegebenen Veo-Modelle laufen für Unternehmen über Googles Unternehmensplattform weiter. Omni steckt in der Gemini App und in Flow, Googles Werkzeug, in dem man Filmszenen aus Clips baut und im Gespräch nachbessert. Gemini Omni 1.2 Flash, vorgestellt am 5. November 2026, erzeugt Clips bis 15 Sekunden, die sich bis auf 4K hochrechnen lassen.
Für deine Planung heißt das: Ein Werkzeug, das du heute für eine Videoreihe einplanst, kann in einem halben Jahr anders heißen, anders aussehen oder weg sein. Wer die Bildsprache seiner Marke auf einem Generator aufbaut, baut auf gemietetem Grund. Ein gedrehter Film und sein Rohmaterial hängen an keinem Dienst, der abgeschaltet werden kann, und lassen sich in einem Jahr neu schneiden.
Ein Generator liefert eine Einstellung, keinen Film
Ein Clip aus einem Generator dauert Sekunden: Omni 1.2 Flash schafft in einem Durchgang bis 15, bei der Veo-Vorschau waren es höchstens 8, und länger wurde ein Video nur, indem man Stück für Stück verlängerte. Das klingt nach wenig, ist aber nicht der eigentliche Engpass. Eine Einstellung im Film dauert oft auch nur ein paar Sekunden.
Der Engpass liegt zwischen den Einstellungen. Ein Film ist eine Folge von Bildern, die zusammenpassen müssen: dieselbe Person in derselben Jacke, das Licht von derselben Seite, derselbe Becher auf dem Tisch, derselbe Raumklang, also der Hall und das Grundrauschen, die ein Raum jedem Ton mitgibt. Beim Dreh ist das Arbeit, aber kontrollierbar, weil die Jacke am Haken hängt und die Lampe stehen bleibt. Generatoren halten solche Details über mehrere Generierungen oft nicht stabil. Das ist ungefähr so, als würdest du für jedes Foto einer Serie ein neues Model buchen, das dem letzten nur ähnlich sieht.

Start- und Referenzbilder helfen dabei. Google verspricht für Omni 1.2 Flash bessere Konsistenz mit Referenzbildern, unabhängig gemessen ist das nicht. Zugleich schreibt Google selbst, dass an Szenen mit schnell wechselnder Handlung noch gearbeitet wird. Je mehr Schnitte ein Video hat, desto mehr Stellen gibt es, an denen etwas nicht mehr zusammenpasst. Solche Anschlussfehler, etwa eine Jacke, die von einer Einstellung zur nächsten die Farbe wechselt, sieht man im Schnitt sofort.
Wo KI-Video trägt
KI-Video ist stark, wenn das Bild etwas zeigen darf, das es nicht gibt, und niemand das Gegenteil erwartet:
- Stimmungsbilder und Übergänge: Wolken über einer Stadt, Licht, das über eine Fläche wandert, ein Hintergrund hinter einem Titel.
- Szenen, die man nicht drehen kann: ein Drache über einer Schlucht, ein Astronaut in der Küche einer Raumstation.
- Ideentests vor einem Dreh: Ein Moodfilm ist ein kurzer Stimmungsfilm, den Regie oder Filmmaker vor dem Dreh zusammenstellen. Aus KI-Clips gebaut, zeigt er, wie Licht, Farbe und Tempo wirken könnten, bevor ein Drehtag gebucht ist.
- Kurze Social Clips, deren Witz in der Idee liegt und nicht in der Glaubwürdigkeit.

In all diesen Fällen muss das Video nichts beweisen. Es soll wirken. Dafür reicht eine gute Einstellung, und eine einzelne Einstellung ist genau das, was die Generatoren am besten können.
Wo KI-Video scheitert
Ein einzelner Clip mit einem Gesicht in schönem Licht gelingt heute oft. Schwierig wird es, sobald ein Video etwas Bestimmtes zeigen muss, und zwar an vier Stellen.
Echte Menschen. Dein Team, deine Geschäftsführerin, dein Kunde mit seiner eigenen Stimme: Ohne Referenz erfindet ein Generator Menschen. Auch mit Referenzbild bleibt es eine Nachbildung, kein Mitschnitt deines Teams. Google bietet in Gemini Omni zwar an, einen digitalen Doppelgänger von dir selbst mit deiner Stimme zu erzeugen. Wer aber ein Team kennenlernen möchte, will sehen, wie diese Leute wirklich reden, lachen und arbeiten.
Dein Produkt, genau so, wie es ist. Ein Generator bildet nach, was er im Referenzbild sieht, und weicht dabei im Detail oft ab. Das Logo auf der Verpackung, die Form des Griffs, der Farbton aus deinem Styleguide: Kleine Abweichungen fallen dir sofort auf und deinen Kunden spätestens beim Auspacken. Bei einem echten Produkt traue ich ihm die Markentreue nicht zu.
Bewegung und Physik. Google nennt selbst schnelle Sportaction und komplexe Physik als Baustellen. Wasser, das ins Glas läuft, eine Hand, die ein Werkzeug greift, ein Ball, der aufspringt: An solchen Stellen fällt es am ehesten auf. Woran man solche Stellen erkennt, steht im Beitrag KI-Video erkennen.
Ton und Sprache. Die Veo-Vorschau erzeugte Ton immer gleich mit. Für Atmosphäre ist das praktisch. Ein Interview, eine Produkterklärung oder ein Sprechertext mit deinem Wortlaut braucht aber eine Aufnahme, die genau das sagt, was gesagt werden soll, in einem Raum, der dazu passt. Deshalb wird Sprache beim Dreh separat aufgenommen.
Die Beweisfrage: Was muss dein Video zeigen?
Bevor du ein Werkzeug auswählst, beantworte eine Frage: Was muss dieses Video beweisen? Die Tabelle zeigt, welcher Weg zu welchem Video passt.
| Dein Video | Was es beweisen muss | Weg |
|---|---|---|
| Imagefilm oder Firmenvorstellung | dass es euch, euer Team und euren Ort gibt | drehen, KI höchstens für Übergänge |
| Produktvideo | wie das Produkt aussieht und funktioniert | drehen |
| Recruitingvideo | wie der Arbeitsalltag wirklich aussieht | drehen |
| Trailer für Film, Game oder Event | Stimmung, Tempo und ein Versprechen | Mischung: gedrehtes oder vorhandenes Material, KI-Bilder dort, wo nichts gedreht werden kann |
| Intro oder Titelsequenz | Wiedererkennung | Motion Design, also animierte Schrift und Grafik; KI-Bilder als Hintergrund möglich |
| Social Clip mit der Idee als Pointe | nichts, er soll wirken | KI kann reichen |
| Moodfilm vor einem Dreh | wie es wirken könnte | KI |
Je mehr ein Video belegen soll, desto mehr muss vor einer echten Kamera passiert sein.
Der Preis steckt in beiden Richtungen. Ein KI-Clip ist schnell da und passt sich jeder Idee an, ein Dreh braucht Planung, einen Ort, Menschen mit Zeit und gutes Licht. Muss das Video nur wirken, zählt Tempo mehr. Muss es belegen, zählt Glaubwürdigkeit mehr, und ein Clip, den jemand als erfunden entlarvt, kostet mehr Vertrauen, als er Zeit gespart hat. Neu entscheiden solltest du, wenn sich der Zweck ändert: Ein Moodfilm, der plötzlich auf die Startseite soll, ist ab da ein Imagefilm.
KI und Dreh in einer Produktion
In einer Produktion hat KI drei sinnvolle Plätze.
Vor dem Dreh: Ein Moodfilm aus KI-Clips klärt Bildsprache, Licht und Tempo, bevor jemand einen Drehtag bucht. Das wirkt bis in den Schnitt. Zeigt der Moodfilm, dass eine Szene im Gegenlicht am stärksten ist, wird zur passenden Tageszeit gedreht, und im Schnitt fehlt später keine Einstellung, die man nicht mehr nachholen kann.
Im Bild: ein Himmel, der am Drehtag grau war, ein Hintergrund, den es nicht gibt, ein Element, das zu teuer oder zu gefährlich zum Drehen wäre. Für aufwendige visuelle Effekte holt man sich jemanden, der genau das jeden Tag macht.

Daneben: kurze Clips für Social Media aus derselben Bildwelt wie der gedrehte Film, damit beides zusammen wie eine Kampagne aussieht.
Wenn Konzept, Kamera, Schnitt und Ton bei einer Person liegen, ist früh klar, wo KI hineinpasst und wo sie den Schnitt später bremst.
Wo das Geld hingeht
Beim Dreh kosten vor allem die Tage: Planung, Drehtage mit Technik und den Leuten vor der Kamera, danach Schnitt, Farbkorrektur und Ton. Beim KI-Video kosten das Abo, die vielen Durchgänge, bis ein Clip passt, und die Nacharbeit, damit die Clips zusammen wie ein Film wirken. Ein KI-Video ist deshalb nicht automatisch billig und ein Dreh nicht automatisch teuer. Was dein Projekt kostet, hängt an Drehtagen und Umfang und lässt sich erst im Gespräch sagen.
Ein typischer Fall für die Mischung ist ein kurzer Produkttrailer. Gedreht werden das Produkt, die Hände, die es benutzen, und die Stimme, die es erklärt. Aus dem Generator kommen der Moodfilm vorab, der Himmel im Vorspann und ein Übergang durch eine Welt, die es nicht gibt. So liegen die Drehtage dort, wo etwas echt sein muss.
Selbst erstellen oder erstellen lassen
Für einen Moodfilm, einen Ideentest oder einen Social Clip kannst du ein KI-Video gut selbst erstellen, etwa in der Gemini App oder in Flow. Das Videomodell Omni gibt es dort nur mit kostenpflichtigem Google-AI-Abo, je nach Modellversion und Rollout-Stand erst ab einer höheren Stufe. Plane dabei mehrere Durchgänge ein und rechne damit, dass viele Clips nicht passen.
KI-Video erstellen lassen lohnt sich, sobald die Clips Teil eines größeren Films werden. Dann müssen sie zu gedrehtem Material, zur Farbkorrektur, also der einheitlichen Farbstimmung aller Bilder, und zum Ton passen. Frag in dem Fall zuerst, wer am Ende schneidet und mischt, und ob gedrehtes Material dazukommt. Wer nur Clips abgibt, überlässt dir Schnitt, Farbe und Ton.
Zur Kennzeichnung: Wirkt ein KI-Video wie echte Menschen, Orte oder Ereignisse, verlangt Art. 50 Abs. 4 der KI-Verordnung seit dem 2. August 2026, dass offengelegt wird, dass es künstlich erzeugt ist. Die Pflicht trifft den Betreiber, also dich, wenn du den Generator nutzt und das Video veröffentlichst. Für erkennbar künstlerische, satirische oder fiktionale Werke reicht ein Hinweis, der die Darstellung nicht stört. Videos aus Veo und Omni tragen zusätzlich SynthID, ein für das Auge unsichtbares Wasserzeichen von Google, über das sich die Herkunft prüfen lässt. Das ist der Stand vom November 2026 und ersetzt keine Rechtsberatung; was für dein Video gilt, klärt im Zweifel eine Anwältin.
Nimm dein nächstes Videoprojekt und schreib in einem Satz auf, was es beweisen muss. Kommen darin dein Team, dein Produkt oder dein Ort vor, plane einen Drehtag und nutze KI dort, wo nichts gedreht werden kann. Wie ich Filme von der Idee bis zur Mischung baue, siehst du unter Videografie. Wenn du für dein Projekt beides zusammenbringen möchtest, schreib mir über die Projektanfrage.
Häufige Fragen
Gibt es Sora noch?
Nein. OpenAI hat die Sora App und die Webseite am 26. April 2026 eingestellt und die Schnittstelle für Entwickler am 24. September 2026. Laut OpenAI werden die Daten nach Ablauf eines möglichen Exportfensters dauerhaft gelöscht, eigene Clips sollten also längst gesichert sein.
Wie lang kann ein KI-Video sein?
Ein einzelner Durchgang liefert bei Googles Gemini Omni 1.2 Flash bis 15 Sekunden, die Länge lässt sich dabei sekundengenau einstellen. Längere Videos entstehen, indem man Clips verlängert oder hintereinander schneidet. Genau dort beginnt das Anschlussproblem: Jeder neue Clip muss zur Person, zum Licht und zum Ton des vorherigen passen.
Kann ein KI-Video einen Imagefilm ersetzen?
In den meisten Fällen nein, weil ein Imagefilm zeigen soll, dass es dein Unternehmen, dein Team und deinen Ort wirklich gibt. Wer den Film sieht und später anruft, erwartet die Menschen aus dem Film am Telefon. KI-Bilder passen dort als Übergang oder Hintergrund, nicht als Ersatz für die Leute.
Muss ich ein KI-Video kennzeichnen?
Ja, wenn es wie echte Menschen, Orte oder Ereignisse wirkt; das verlangt Art. 50 Abs. 4 der KI-Verordnung seit dem 2. August 2026, und zwar von dem, der den Generator nutzt und das Video veröffentlicht. Ob ein Video aus Googles Omni stammt, lässt sich laut Google in der Gemini App über das SynthID-Wasserzeichen prüfen. Das ist der Stand vom November 2026 und ersetzt keine Rechtsberatung.
Ist Veo oder Gemini Omni besser?
Für neue Projekte ist Gemini Omni der Weg, auf den Google selbst verweist; die Vorschauversion von Veo 3.1 ist in Googles Entwicklerschnittstelle abgeschaltet. Omni nimmt Text, Bilder, Videos und Sprachaufnahmen als Vorlage und lässt sich im Gespräch korrigieren, statt jedes Mal neu zu würfeln. Die Grenzen bei Anschlüssen und schneller Bewegung bleiben auch dort.
Über den Autor
Patrick Polczyk ist Filmmaker bei ULTIM8MEDIA. Konzept, Regie, Kamera, Licht, Ton, Schnitt, Sounddesign, Color Grading und Motion Design macht er selbst. Mit KI-Bildern arbeitet er ebenfalls, die Bilder in diesem Blog gehören dazu.


