Instagram und TikTok sind voll mit Produktvideos, die nie jemand mit einer Kamera gedreht hat: Sie stammen von einer KI. So ein Video entsteht an einem Abend aus den Fotos des Lieferanten - ohne Studio, ohne Muster und ohne Darsteller. Hier ist der Ablauf, mit dem das heute gemacht wird: welche Tools, in welcher Reihenfolge, was in die Prompts gehört und wo die meisten Fehler passieren.

Schritt 01Versteh, woraus so ein Video besteht

Fast alle viralen KI-Produktvideos folgen demselben Muster aus vier Teilen:

  1. Ein Szenenbild. Das Produkt steht nicht vor weißem Hintergrund, sondern mitten im Alltag: in der Küche, in der Hand, auf dem Tisch am Fenster. Das Bild erzeugt eine Bild-KI aus dem Lieferantenfoto.
  2. Animation. Eine Video-KI macht aus diesem Bild einen Clip von 5-8 Sekunden: Die Kamera gleitet, eine Hand greift nach dem Produkt, aus der Tasse steigt Dampf.
  3. Stimme oder Text. Ein KI-Voiceover oder einfach großer Text im Bild zu einem Trend-Sound.
  4. Schnitt. 3-5 solcher Clips werden in CapCut zu einem Video von 15-25 Sekunden zusammengefügt.

Die wichtigste Regel: Animiere nie direkt ein flaches Foto mit weißem Hintergrund. Mit klassischen Produktbildern kommen Videomodelle schlecht klar: Das erste Bild wirkt wie eingefroren, die Bewegung unnatürlich. Erst die Szene bauen, dann animieren.

Schritt 02Bau aus dem Lieferantenfoto eine Szene mit dem Produkt

Nimm die 2-3 schärfsten Produktfotos vom Lieferanten (AliExpress, CJ, 1688): von vorn, von der Seite, in der Hand. Je genauer Form und Farbe auf der Vorlage, desto weniger muss die KI dazuerfinden.

Die Szene erstellst du mit Bild-KIs, die ein Produkt nach Vorlage originalgetreu übernehmen können. Am beliebtesten ist gerade Nano Banana (Google Gemini): Du lädst das Produktfoto hoch und beschreibst, wo es landen soll. Andere funktionieren auch: GPT Image in ChatGPT, Flux Kontext, Seedream.

Beispiel-Prompt (auf Englisch schreiben, das liefert genauere Ergebnisse):

Place this exact product on a wooden kitchen counter, morning sunlight from the window, a woman's hand reaching for it, shot on iPhone, realistic, vertical 9:16. Keep the product shape, color and logo exactly the same.
  • Der letzte Satz ist Pflicht: Ohne ihn „verbessert“ die KI das Produkt, und es sieht nicht mehr so aus wie das, was der Kunde bekommt.
  • Erstelle 4-6 verschiedene Szenen: Nahaufnahme, Produkt im Einsatz, Vorher-nachher, Produkt in der Hand einer Person.
  • Gleich im Hochformat 9:16 - passend für Reels, TikTok und Stories.

Schritt 03Erweck die Szene mit einer Video-KI zum Leben

Du lädst die fertige Szene als erstes Frame hoch (Image-to-Video) und beschreibst die Bewegung. Diese Modelle werden am häufigsten genutzt:

  • Veo 3.1 (Google, in Gemini und Flow) - die realistischsten Produktaufnahmen, kann direkt Ton dazu generieren. Ideal für „hochwertige“ Nahaufnahmen.
  • Kling - günstiger, stellt Menschen und Hände sehr gut dar. Du kannst das erste und das letzte Frame vorgeben, und das Modell baut den Übergang selbst. Praktisch für Vorher-nachher.
  • Sora 2 (OpenAI) - eher für Alltagsszenen und Atmosphäre als für eine exakte Produktdarstellung.

Wenn du dich nicht bei jedem Dienst einzeln anmelden willst: Es gibt Plattformen, die all diese Modelle bündeln, etwa Higgsfield, Freepik oder Picsart Flow. Du zahlst pro Generierung und wählst für jede Einstellung das passende Modell.

Beispiel-Prompt für die Bewegung:

Slow camera push-in, the hand picks up the product and turns it to show the side, soft natural light, realistic handheld phone footage, 6 seconds.
  • Eine Bewegung pro Clip. „Hand greift, öffnet, gießt ein und lächelt“ in einem Clip geht fast immer schief.
  • Generiere 3-4 Varianten pro Clip und nimm die beste: Ausschuss ist bei KI ganz normal.
  • Prüf das Produkt in jedem Frame: zusätzliche Knöpfe, ein „verlaufenes“ Logo, sechs Finger - so ein Clip fliegt raus.

Schritt 04Ergänze Stimme oder Text im Bild

Zwei Formate funktionieren:

  1. Ohne Stimme. Trend-Sound plus großer Text: das Problem im ersten Bild („Keine Lust mehr, den Herd zu schrubben?“), die Lösung, das Ergebnis. Die einfachste und schnellste Variante.
  2. Voiceover. Einen Text mit 40-60 Wörtern vertonst du in ElevenLabs oder direkt in CapCut. Wähl eine lebendige, natürliche Stimme statt eines „Sprecher“-Tons.

Das Format „Person erzählt vom Produkt“ (UGC) entsteht mit KI-Avatar-Tools: Arcads, HeyGen, Creatify. Du schreibst den Text, und der Avatar spricht ihn mit dem Produkt in der Hand in die Kamera. Solche Videos kommen in Ads gut an, kosten aber mehr als normale Generierungen.

So schreibst du Texte, die bis zum Ende geschaut werden:

  • In die ersten 2 Sekunden gehört das Ungewöhnlichste, Nützlichste oder Überraschendste: ein Ergebnis, ein Problem, eine Zahl.
  • Ein Vorteil pro Video. Fünf Vorteile in 20 Sekunden merkt sich niemand.
  • Kurze Sätze, maximal 7 Wörter.

Schritt 05Schneid das Video in CapCut

  1. Reihenfolge der Clips: Hook (Problem oder Ergebnis) - Produkt im Einsatz - Nahaufnahme - Ergebnis - Call-to-Action.
  2. Länge 15-25 Sekunden. Jeder Clip 2-4 Sekunden, nicht länger: Schnelle Schnitte halten die Aufmerksamkeit.
  3. Untertitel - automatisch in CapCut, groß, in der Bildmitte: Die meisten schauen ohne Ton.
  4. Am Ende eine Handlungsaufforderung: „Link in der Bio“, „Schreib das Wort in die Kommentare“. Wenn die Direct-Antworten über einen Bot laufen, bekommen die Leute den Produktlink sofort.

Mach gleich 3-5 verschiedene Videos pro Produkt, mit unterschiedlichem Hook und erstem Bild. Welches funktioniert, lässt sich vorher nicht erraten - das ist normal, so testen alle.

Schritt 06Halte dich an die Regeln, sonst verlierst du Geld

  • Das Video muss zum echten Produkt passen. Hat die KI eine Funktion „dazugedichtet“, die es nicht gibt, oder das Produkt größer und edler aussehen lassen, fordern Kunden ihr Geld zurück und Banken eröffnen Disputes. Bei Stripe und PayPal bedeuten viele Disputes eingefrorenes Geld und ein gesperrtes Konto.
  • Kennzeichnung „Mit KI erstellt“. Meta versieht realistische KI-Inhalte selbst mit dem Label „AI info“ und bittet darum, sie auch selbst zu kennzeichnen. Das kostet keine Reichweite - aber einen KI-Menschen als echten Kunden mit Bewertung auszugeben, ist ein klarer Verstoß gegen die Werberichtlinien.
  • Keine fremden Marken und Gesichter. Verwende in Prompts keine Logos bekannter Marken und keine Gesichter von Promis - das Video wird gelöscht, und dein Werbekonto kann eingeschränkt werden.
  • Versprechen. Kein „heilt“, „in einer Woche abnehmen“, „garantiertes Ergebnis“ - solche Videos kommen nicht durch die Anzeigenprüfung.

FazitDer Ablauf für einen Abend

  1. Produkt ausgewählt, 2-3 scharfe Fotos beim Lieferanten heruntergeladen.
  2. 4-6 Szenen in Nano Banana erstellt, mit dem Satz „keep the product exactly the same“.
  3. Jede in Veo 3.1 oder Kling animiert, je 3-4 Varianten, die besten ausgewählt.
  4. Text im Bild oder Voiceover in ElevenLabs ergänzt.
  5. In CapCut 3-5 Videos à 15-25 Sekunden mit verschiedenen Hooks geschnitten.
  6. Geprüft, dass das Produkt im Video dem echten entspricht.
  7. Hochgeladen - jetzt schaust du, welches Video die meisten Komplett-Views holt, und skalierst genau das.

Preise und Versionen der KI-Tools ändern sich alle paar Monate, aber der Ablauf selbst - Szene, Animation, Stimme, Schnitt - bleibt gleich. Hast du ihn einmal drauf, machst du an einem Abend ein Video für jedes beliebige Produkt.

Auf Telegram schreibenWir helfen dir beim Shop-Start
Hat dir der Artikel gefallen? Teile ihn