Text-to-Video-KI für Social: Sora 2, Veo 3 und der Rest

Text-to-Video-KI macht aus einem geschriebenen Prompt bewegtes Bildmaterial. Stand Juli 2026 geben dir die stärksten Modelle — OpenAIs Sora 2, Googles Veo 3, Runway, Kling, Hailuo und eine wachsende Zahl von Open-Weight-Alternativen, die du selbst betreiben kannst — zuverlässig jeweils ein paar Sekunden überzeugendes Video, mehrere davon mit synchronem Ton direkt eingebacken. Für Kurzform-Social macht genau diese Fähigkeit sie zu einem Tool für B-Roll, Hooks und Concept-Teaser. Sie macht sie nicht zu einem „Generier mir mein Reel"-Tool, und der Abstand zwischen diesen beiden Vorstellungen ist die Stelle, an der das meiste verbrannte Geld und die meisten peinlichen Posts entstehen.

Das hier ist der Praxisteil zu unserer Übersicht darüber, was KI-Video gut kann und was nicht. Der Text kartiert die Kategorie. Dieser hier handelt von dem Teil, den du tatsächlich selbst machen musst: prompten, beurteilen, die Kosten zusammenrechnen, korrekt kennzeichnen und das Ergebnis in einen Feed bekommen.

Was aktuelle Modelle wirklich liefern

Richte deine Erwartungen an Clips aus, nicht an Demos. Die Showreels sind aus Hunderten von Generierungen herausgepickt; dein erster Nachmittag wird nicht so aussehen.

Zwei davon verdienen Betonung, weil sie still und leise deinen Workflow entscheiden.

Die Shot-Länge diktiert den Schnittstil. Wenn ein Modell dir sechs Sekunden gibt, muss dein generiertes Footage als Cutaway in etwas anderem leben — einem Voiceover, einer Bildschirmaufnahme, einem Talking Head. Der Versuch, ein ganzes Reel aus acht aneinandergehängten Generierungen zu bauen, erzeugt genau den stotternden, zusammenhanglosen Rhythmus, den Zuschauer innerhalb von ein, zwei Sekunden als synthetisch lesen.

Das Seitenverhältnis diktiert die Komposition. Ein Querformat-first-Modell zu prompten und dann auf vertikal zu beschneiden, stanzt dein Motiv in die Mitte und wirft die Seiten jedes Frames weg. Prüf, was das Modell ausgibt, bevor du eine Shotliste schreibst, und komponiere gegen das echte Zielformat — unsere Referenzen zu Instagram-Reel-Größe und TikTok-Video-Größe enthalten die sicheren Bereiche, oder geh die vollständige Liste der Social-Media-Größen durch, wenn du breiter veröffentlichst.

Die einzige Kostenzahl, die zählt

Ignorier den Schlagzeilenpreis pro Generierung. Die Zahl, die bestimmt, was dich generiertes Footage kostet, ist deine Keep Rate: wie viele Clips du von zehn generierten tatsächlich veröffentlichen würdest.

Die Rechnung ist gnadenlos. Wenn eine Generierung dich einen Euro an Credits kostet und du einen von sechs Clips behältst, hat dieser brauchbare Clip sechs Euro gekostet — plus die fünfzehn Minuten, die du damit verbracht hast, dir die fünf Ausschüsse anzusehen. Bring die Keep Rate auf eins zu zwei, und derselbe Clip kostet zwei Euro und fast keine Sichtungszeit. Nichts sonst in diesem Workflow bewegt die Gesamtsumme so stark.

Die Preisstrukturen der großen Tools ähneln sich Stand Juli 2026 weitgehend: eine Consumer-Abostufe im Bereich von zwanzig Dollar im Monat mit einem monatlichen Generierungskontingent, eine deutlich teurere Pro-Stufe mit höherer Auflösung und längeren Clips, und Sekundenpreise über die API, wenn du programmatisch generieren willst. Günstigere credit-basierte Tools wie Kling, Hailuo, Luma und Pika liegen preislich unter den Frontier-Modellen und sind bei einfachen Cutaway-Shots qualitativ oft nah genug dran, dass der Preisunterschied das ganze Argument ist.

Bevor du dich auf ein Abo festlegst, mach diesen Test: Schreib ein echtes Briefing aus einer Kampagne, die du tatsächlich ausspielst, generier zehn Clips dagegen und zähl die Keeper. Mach das mit zwei Tools. Das mit der besseren Keep Rate auf deinen Briefings ist dein Tool, egal welches Modell die Benchmark-Threads gewinnt.

Fünf Dinge, die die Keep Rate heben

1. Prompte einen Shot, keine Geschichte. „Langsame Fahrt auf den Dampf, der von einer Kaffeetasse auf einer Holztheke aufsteigt, Morgenlicht vom Fenster, geringe Schärfentiefe" schlägt „ein gemütlicher Café-Morgen". Kamerabewegung, Motiv, Licht, Objektivgefühl. Eine Idee pro Clip.
2. Fang mit einem Bild an. Bild-zu-Video, angesetzt an einem Standbild, das du selbst generiert oder fotografiert hast, ist dramatisch besser steuerbar als reines Text-zu-Video und der mit Abstand größte Hebel gegen Figuren- und Marken-Drift über eine Serie hinweg.
3. Generier Varianten eines Prompts im Batch, statt je einen Clip aus zehn verschiedenen Prompts zu ziehen. Du kaufst Lose; kauf sie für die Ziehung, die dich interessiert.
4. Halt dich von den bekannten Fehlermodi fern. Hände, die Fummeliges tun, lesbare Beschilderung, Menschenmengen, erkennbare Marken und Logos sowie längere Close-ups eines Gesichts verbrennen alle Credits.
5. Nimm den ersten brauchbaren Clip. Der perfekten Version eines Zwei-Sekunden-Cutaways hinterherzujagen ist der Weg, auf dem aus einem €2-Clip ein €20-Clip wird. Das Publikum sieht ihn zwei Sekunden lang auf einem Handy.

Wo generiertes Footage wirklich passt

B-Roll unter Narration. Mit Abstand die wertvollste Anwendung. Zwei- bis dreisekündige Cutaways hinter einem Voiceover brechen einen statischen Talking Head auf, und sie sind zu kurz, als dass ein Zuschauer sich an einem Artefakt festbeißen könnte. Das ist auch die Anwendung, bei der eine mittelmäßige Generierung noch völlig in Ordnung ist.

Der Einstiegs-Hook. Ein auffälliges, unmögliches oder festnagelndes erstes Frame kauft dir die Aufmerksamkeit, die du für den eigentlichen Content danach brauchst. Generier das Bild, schreib die Worte separat — unser Guide zum Schreiben von Hooks, die sich die nächsten drei Sekunden verdienen deckt die Text-Hälfte davon ab.

Concept-Teaser. Etwas ankündigen, das noch nicht existiert, oder eine abstrakte Idee visualisieren — eine Metapher, ein Vorher/Nachher eines Prozesses, ein Szenario, das du nicht filmen kannst. Stockmaterial war hier schon immer der Notnagel, und generiertes Footage ist meistens der bessere, spezifischere Notnagel.

Gesichtslose und Erklärformate. Wenn du ohnehin gesichtslosen Content produzierst, fügt sich generiertes B-Roll direkt in eine bestehende Pipeline ein, in der sowieso niemand dokumentarisches Footage erwartet hat.

Bewegte Hintergründe für textgeführte Posts. Ein langsamer, abstrakter, markengerechter Loop hinter einem Zitat oder einer Zahl ist ein risikoarmes Asset mit hoher Wiederverwendbarkeit. Generier einmal eine Handvoll und nutz sie monatelang.

Wo es billig wirkt

Das Verräterische ist fast nie die Auflösung. Es ist der Bruch — Footage, das eine Behauptung nahelegt, die es nicht tragen kann.

• Synthetische Menschen, die dreißig Sekunden lang in die Kamera sprechen. Kurze Stöße gehen durch. Lange Takes nicht, und die Reaktion des Publikums, wenn es das merkt, ist schlimmer, als wenn du ein wackeliges Handyvideo gedreht hättest.
• Alles, was als echt präsentiert wird. Generierte „Kundenmomente", „unser Team", „unsere Werkstatt", Footage in Testimonial-Form. Das ist die Kategorie, die dich Vertrauen kostet und nicht nur Reichweite.
• Dein tatsächliches Produkt. Wenn Leute erwarten, das Ding zu sehen, das sie kaufen, dann müssen sie das Ding sehen, das sie kaufen.
• Trend-reaktive Posts. Trendfenster bemessen sich in ein, zwei Tagen. Ein Zyklus aus Generieren und Zusammenbauen ist langsamer, als das Handy in die Hand zu nehmen.
• Volumen um seiner selbst willen. Plattformen haben ihre Monetarisierungs- und Distributionsregeln rund um massenproduzierten, repetitiven Content verschärft, und mehr davon zu posten ist der schnellste Weg herauszufinden, wo die Grenzen verlaufen. Was die Belege hergeben und was nicht, sind wir unter schadet KI-Content deiner Reichweite durchgegangen; die Kurzfassung lautet, dass Output mit wenig Aufwand das Risiko ist, nicht KI-Beteiligung als solche.

Ein nützlicher Bauchtest vor dem Veröffentlichen: Würde sich ein Zuschauer getäuscht fühlen, wenn er genau wüsste, wie dieser Clip entstanden ist? Cutaway-B-Roll unter einer echten Stimme: nein. Eine generierte Person, die deinen Service empfiehlt: ja.

Offenlegung: Klär das, bevor du veröffentlichst

Jede große Plattform hat inzwischen eine Offenlegungsfunktion für realistische synthetische Inhalte, und jedes große Modell versieht seinen Output mit Herkunftsdaten, ob du den Schalter nun nutzt oder nicht. Geh davon aus, dass das Footage identifizierbar ist, und kennzeichne es bewusst.

Zwei Dinge machen Creator konsequent falsch. Erstens: Wasserzeichen und Herkunftsmetadaten sind zwei verschiedene Sachen. Consumer-Stufen brennen häufig ein sichtbares Wasserzeichen in die Downloads, während jede Stufe unsichtbare Herkunftssignale einbettet — Googles SynthID, C2PA Content Credentials —, die Re-Encoding weit besser überstehen, als die Leute annehmen. Ein Wasserzeichen zu entfernen, damit ein Clip nativ aussieht, verstößt gegen die Nutzungsbedingungen des Tools und entfernt das darunterliegende Signal nicht. Zweitens: Offenlegen ruiniert deine Reichweite nicht. Das Label ist ein Label, keine Strafmarkierung.

Die regulatorische Richtung verstärkt das. Die Transparenzvorgaben des EU AI Act für synthetische Medien sollen ab August 2026 gelten, wobei der genaue Zeitpunkt einiger Pflichten Stand Juli 2026 auf EU-Ebene noch diskutiert wird. So oder so geht der Trend zu mehr Markierung und mehr Offenlegung, nicht zu weniger. Unser Guide zur KI-Content-Offenlegung auf Social Media enthält eine Policy-Vorlage, die du als Teamstandard übernehmen kannst, statt freitags um 16 Uhr von Fall zu Fall zu entscheiden.

Wie sich das in einen Wochen-Workflow einfügt

Generiertes Footage ist ein Schritt in einer Pipeline, keine Pipeline. In der Praxis, für ein kleines Team, das wöchentlich vertikales Video ausspielt:

1. Zuerst Skript und Shotliste. Entscheide, welche Shots du filmst und welche du generierst. Meistens gilt: alles Echte filmen, alles Abstrakte oder Unmögliche generieren.
2. Generier in einer Batch-Session. Batching hält dich im Prompting-Rhythmus und stoppt den Perfektionismus pro Clip. Unser Workflow für Content-Erstellung im Batch gilt hier nahezu unverändert.
3. Zusammenbauen, untertiteln und farblich angleichen im Editor. Generierte Clips passen selten out of the box zu deinem gefilmten Material. Ein schneller Grading-Durchgang lässt die Nähte verschwinden.
4. Exportier einen vertikalen Master. Dann pro Plattform anpassen.
5. Plane alles aus einem Kalender.

Der letzte Schritt ist die Stelle, an der SocialKit passt. Sobald der Clip existiert, baust du den Post einmal, schreibst pro Netzwerk eine eigene Caption und ein eigenes Hashtag-Set und planst ihn für Reels, TikTok und Shorts — plus die anderen acht Plattformen im selben Tarif — aus einem visuellen Kalender, wobei Auto-Publish und Empfehlungen zur besten Posting-Zeit das Timing übernehmen. Jeder Tarif enthält alle 11 Plattformen und unbegrenzt geplante Posts, ab €29/Monat bei Solo (€17.40/Monat bei jährlicher Abrechnung) Stand Juli 2026, mit einer 7-tägigen kostenlosen Testphase.

Um bei der Abgrenzung ehrlich zu sein: SocialKit rahmt, kürzt oder generiert kein Video für dich. Dein Export muss das richtige Seitenverhältnis und die richtige Länge haben, bevor er beim Planer ankommt. Was es dir abnimmt, ist der Teil danach — drei Apps, drei Uploads, drei Textfassungen, die in drei Composer getippt werden.

Wenn du neu darin bist, denselben Clip über alle drei vertikalen Flächen auszuspielen, lohnt sich worin sich die drei Plattformen in der Praxis unterscheiden, bevor du die Captions schreibst; die Mechanik pro Plattform behandeln Instagram Reels planen und einen Posting-Plan für YouTube Shorts aufsetzen.

Fang hier an: ein Zwei-Wochen-Test

Statt drei Tools zu abonnieren und zu hoffen, zieh das hier durch:

• Tag 1–2. Nimm ein echtes Kampagnen-Briefing. Schreib fünf Beschreibungen für generierte Shots daraus — Kamerabewegung, Motiv, Licht, Anmutung. Keine Geschichten, nur Shots.
• Tag 3–4. Generier alle fünf auf zwei verschiedenen Tools, in der kostenlosen oder Einstiegsstufe. Zähl die Keeper. Das ist deine Keep Rate, und das ist deine Kaufentscheidung.
• Tag 5. Schneide zwei Videos: eines mit generiertem B-Roll unter deinem Voiceover, eines ganz normal gefilmt. Gleiches Skript, gleiche Länge.
• Woche 2. Veröffentliche beide mit Abstand auf deinen vertikalen Flächen und vergleich Retention und Weiterleitungen — nicht Likes. Bau die Erkenntnis in die Kurzform-Video-Strategie ein, die du ohnehin fährst, statt sie als separates Experiment zu behandeln.
• Vor jeder Veröffentlichung. Setz den KI-Offenlegungsschalter der Plattform. Mach daraus einen Schritt in der Checkliste, keine Ermessensentscheidung.
• Monat 2. Wenn die generierte Version die Retention gehalten hat, bau dir eine kleine Bibliothek wiederverwendbarer Cutaways und bewegter Hintergründe auf. Wenn nicht, hast du einen Abomonat ausgegeben, um etwas zu lernen, das die meisten Leute ein Jahr lang nur annehmen.

Die ehrliche Position Stand Mitte 2026: Text-to-Video ist ein echtes Produktions-Tool mit einer engen, wertvollen Aufgabe. Es macht dein B-Roll billiger und deine Hooks auffälliger. Es macht dich nicht zu einem Videostudio, und die Creator, die am meisten daraus ziehen, sind die, die das früh entschieden haben. Wenn du den weiteren Blick darauf willst, wo das zwischen den anderen Fallen steht: häufige KI-Fehler auf Social Media behandelt die, die am teuersten sind.