Ein Acht-Sekunden-Clip mit Kamerafahrt, Geräuschen und gesprochenem Dialog – aus einem Satz Text, in wenigen Minuten, zum Testen oft kostenlos: Das ist der Stand von Video-KI im August 2026. Ein fertiger Werbespot auf Knopfdruck ist es nicht – und das bekannteste Tool des Vorjahres wurde gerade abgeschaltet. Hier findest du, was Text-zu-Video heute wirklich kann, welche Tools sich wofür lohnen, was das ehrlich kostet – und welche Regeln für Kennzeichnung, Musik und Personen gelten, bevor du ein KI-Video veröffentlichst.
Die Sora-Lektion: Dieser Markt dreht schneller, als du Tools lernen kannst
Im Herbst 2025 brachte OpenAI die Sora-2-App heraus – sie stand kurz darauf an der Spitze der US-App-Charts, Disney kündigte eine Milliarden-Partnerschaft an. Im März 2026 gab OpenAI das Aus bekannt: Ende April wurde die App abgeschaltet, die Video-API läuft im September 2026 aus – Berichten zufolge kostete der Betrieb rund eine Million Dollar pro Tag.
Die Lektion heißt nicht „Video-KI lohnt sich nicht“ – Google, Runway und Kuaishou investieren massiv weiter. Sie heißt: Lerne nicht die Bedienung eines Tools, sondern die Fähigkeiten dahinter – Storyboard, Prompt, Schnitt, Rechtsrahmen. Die funktionieren auch mit dem nächsten Modell.
Was Text-zu-Video im August 2026 kann – und was nicht
Die aktuellen Modelle erzeugen aus einer Textbeschreibung oder einem Startbild Clips von etwa fünf bis zehn Sekunden – mit Ton. Google Veo 3.1 generiert Acht-Sekunden-Clips in 1080p bis 4K samt Geräuschen, Musik und lippensynchronem Dialog; Szenen lassen sich verlängern. Kuaishous Kling 3.0 liefert mehrere Kameraeinstellungen („Multi-Shot“) mit Ton in einem Durchgang, Runways Gen-4.5 beherrscht Kamera-Arbeit wie Schwenks und Handheld-Optik.
Was weiter hakt: Länge – ein zusammenhängendes Drei-Minuten-Video per Prompt gibt es nicht; längere Videos entstehen als Abfolge einzelner Shots plus Schnitt. Konsistenz – dieselbe Person oder dasselbe Produkt über mehrere Shots identisch zu halten, klappt mit Referenzbildern besser als früher, garantiert ist es nicht. Physik – Hände, die Objekte greifen, Flüssigkeiten, Menschenmengen und lesbarer Text im Bild bleiben Fehlerquellen; auch der Lippensync sitzt mal beeindruckend, mal daneben. Und Trefferquote – zwischen viralen Demo-Clips und deinem ersten Versuch liegt der Ausschuss: Auch Profis generieren mehrere Varianten und schneiden die beste.
Die Tool-Landschaft: Wer liefert was
Der Markt sortiert sich nach Zweck: freie Generierung (Veo, Kling), Profi-Werkzeugkasten (Runway), rechtliche Absicherung (Adobe) – plus Avatar-Tools als eigene Kategorie für Business-Videos mit sprechenden Menschen. Preise: Listenstand August 2026:
| Tool / Modell | Stärke | Preis-Modell (grob) | Kommerzielle Nutzung |
|---|---|---|---|
| Veo 3.1 (Google – Gemini, Flow) | Allrounder: Realismus, Physik, nativer Ton mit Dialog und Lippensync | Im Gemini-Free-Konto begrenzt testbar; mehr Volumen ab Google AI Pro (21,99 €/Monat) | Erlaubt laut Google-Nutzungsbedingungen |
| Runway (Gen-4.5 + Fremdmodelle) | Profi-Suite: Kamera-Steuerung, Lip-Sync-Werkzeuge; bündelt auch Kling und Seedance | Free: 125 Einmal-Credits; Abos ab 12 $/Monat (jährlich) | Bezahl-Pläne ohne Wasserzeichen; Bedingungen vor Einsatz prüfen |
| Kling 3.0 (Kuaishou) | Realistische Multi-Shot-Clips mit nativem Ton, günstige Sekunden-Preise | Web-App mit Credit-Modell; über API-Anbieter grob 11–17 Cent pro Sekunde | API-Zugang ausdrücklich für kommerzielle Nutzung; App-Pläne: Lizenz prüfen |
| Adobe Firefly (Video) | Sammelstelle mit Partner-Modellen; IP-Freistellung für Firefly-Inhalte | Credits im Creative-Cloud-Abo oder separat | Auf kommerzielle Absicherung ausgelegt („commercially safe“) |
| HeyGen / Synthesia (Avatar-Tools) | Sprechende Avatare für Schulungs-, Erklär- und Vertriebsvideos – Lippensync gelöst, Übersetzung in Dutzende Sprachen | HeyGen: Free-Plan (3 Videos/Monat), Creator 29 $/Monat; Synthesia ab 18 $/Monat (jährlich) | Auf Unternehmens-Einsatz ausgelegt; eigener Avatar nur mit dokumentierter Einwilligung |
Daneben existieren Spezial-Tools wie Pika (schnelle Social-Effekte, mobil) oder ByteDances Seedance 2.0, das du unter anderem über Runway erreichst.
Gut zu wissen
Zwecke merken, nicht Versionsnummern: Sora kam und ging binnen sieben Monaten, Kling sprang im Februar 2026 auf Version 3.0. Was bleibt, sind die Kategorien Clip-Länge, Ton, Konsistenz-Werkzeuge, Lizenzmodell – wie schnell sich das Karussell dreht, zeigt der Überblick KI-Modelle 2026.
In fünf Schritten zum Social-Clip fürs Unternehmen
Angenommen, du willst einen 20-Sekunden-Recruiting-Clip für einen Handwerksbetrieb bauen:
- In Shots denken, nicht in Videos. 20 Sekunden heißt: drei bis vier Einstellungen à fünf bis acht Sekunden – Hook, Kern, Abbinder. Skizziere jeden Shot in einem Satz und lege die Tonebene fest: O-Ton, Geräusche oder Musik.
- Startbild erzeugen statt blind generieren. Bild-zu-Video gibt dir Kontrolle: Erst das Keyframe mit Bild-KI bauen (Anleitung im Guide KI-Bilder erstellen), dann animieren lassen – so bleiben Look und Marke über alle Shots konsistent.
- Den Prompt wie ein Regie-Briefing schreiben. Motiv, Kamera, Licht, gesprochener Satz, Tonatmosphäre, Format – konkret statt blumig. Die Grundtechniken sind dieselben wie bei Text-KI, ausführlich im Guide Prompt Engineering lernen.
- Varianten generieren, hart auswählen. Zwei bis drei Varianten pro Shot, dann die besten in einem Schnittprogramm montieren. Untertitel nicht vergessen – Social-Feeds werden stumm gescrollt.
- Rechts-Check vor dem Upload. Kennzeichnung, Musik, Personen – die Checkliste steht im nächsten Abschnitt. Notiere intern Tool, Datum und Prompts – so kannst du die Herkunft später belegen.
„Handkamera, leicht wackelig: Eine Schreinerin hält in ihrer Werkstatt eine frisch geölte Eichenplatte in die Kamera, warmes Morgenlicht, Hobelspäne auf der Werkbank. Sie sagt auf Deutsch: ‚Aus einem Baum wird ein Tisch – in drei Tagen.‘ Ruhige Werkstattgeräusche, Hochformat 9:16, 8 Sekunden.“
Beispiel-Prompt für den Eröffnungs-Shot – Motiv, Kamera, Licht, gesprochener Satz, Ton und Format in einem BriefingKennzeichnung, Deepfakes, Musik: die Rechtslage
Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 der EU-KI-Verordnung (AI Act) – für Videos greifen sie schneller als für Bilder. Die wichtigsten Punkte, bewusst vereinfacht:
1. Kennzeichnung: zweigeteilt – und bei Video schnell Pflicht. Die Tool-Anbieter müssen KI-Output maschinenlesbar markieren, das passiert ohne dein Zutun. Du als beruflicher Nutzer musst sichtbar offenlegen, wenn ein Video echt wirkende Personen, Orte oder Ereignisse zeigt, die es so nicht gab – bei fotorealistischen Szenen mit Menschen und geklonten Stimmen schnell der Fall. Erkennbar animierte Clips fallen nach überwiegender Lesart nicht darunter; im Zweifel: kennzeichnen. Bei Verstößen drohen Bußgelder bis 15 Mio. € oder 3 % des Jahresumsatzes. Und unabhängig vom AI Act verlangen YouTube, TikTok und Meta beim Upload realistisch wirkender KI-Inhalte eigene Offenlegungen. Mehr zur Verordnung im Guide AI Act 2026.
2. Deepfake-Grenzen: Kennzeichnung ersetzt keine Einwilligung. Ein echt wirkendes Video einer realen Person – Gesicht oder Stimme – ohne deren Einwilligung verletzt das Recht am eigenen Bild (§§ 22 f. KUG) beziehungsweise das Persönlichkeitsrecht, auch wenn du es brav als KI-generiert kennzeichnest; das gilt für den Chef im Spaß-Video wie für Prominente in der Werbung. Avatar-Tools verlangen deshalb dokumentierte Einwilligungsverfahren, bevor sie einen digitalen Zwilling anlegen.
3. Musik ist der unterschätzte Stolperstein. Echte Songs unter ein Unternehmens-Video zu legen braucht eine Lizenz – die Consumer-Musikbibliotheken von TikTok und Instagram sind für Business-Accounts in der Regel gesperrt, dafür gibt es kommerzielle Bibliotheken und Stock-Musik. KI-generierte Musik ist rechtlich umkämpft – die GEMA führt Verfahren gegen KI-Anbieter, ein erstes Münchner Urteil zu Songtexten fiel 2025 zu ihren Gunsten aus (nicht rechtskräftig). Die unkomplizierteste Route ist der nativ vom Video-Tool erzeugte Ton.
4. Am Video selbst hast du meist kein Urheberrecht. An rein per Prompt erzeugten Inhalten entsteht nach deutschem Recht in der Regel kein Urheberrecht – die Herleitung samt erster Rechtsprechung steht im Guide KI-Bilder erstellen; das Prinzip überträgt sich auf Videos. Was du mit dem Output darfst, regelt der Anbieter-Vertrag – vor dem ersten kommerziellen Einsatz die aktuellen Terms lesen.
Wichtig
Dieser Abschnitt ist eine Einschätzung auf Basis der im August 2026 verfügbaren Quellen, keine Rechtsberatung. Wie Gerichte Artikel 50 und die Musik-Fragen im Detail auslegen, wird sich erst klären – bei heiklen Fällen (echte Personen, geklonte Stimmen, große Kampagnen) gehört eine juristische Prüfung dazu.
Was KI-Videos ehrlich kosten
Zum Ausprobieren reicht 0 €: der begrenzte Video-Zugang im Gemini-Free-Konto, Runways 125 Einmal-Credits, HeyGens drei Gratis-Videos pro Monat. Für regelmäßige Produktion solltest du realistischer rechnen als bei Bild-KI – Video frisst Credits schneller.
Rechenbeispiel
Runways Standard-Abo (12 $/Monat, jährlich abgerechnet) enthält 625 Credits. Gen-4.5 kostet 60 Credits pro 5 Sekunden – das sind gut 50 Sekunden fertiges Material im Monat. Bei zwei bis drei Varianten pro Shot bleiben davon zwei, drei kurze Social-Clips – wer wöchentlich veröffentlicht, landet schnell in der 30-bis-100-€-Klasse pro Monat.
Die API-Schiene rechnet in Sekunden-Preisen (Kling 3.0 etwa: grob 11 bis 17 Cent pro Sekunde mit Ton) und lohnt sich erst bei automatisierten Prozessen. Für reine Talking-Head-Videos (Schulung, Ankündigung, FAQ) sind Avatar-Abos ab rund 18 bis 29 $ im Monat meist günstiger und verlässlicher als freie Generierung. Der ehrlichste Kostenfaktor bleibt Arbeitszeit: Wer ohne Storyboard prompted, produziert teuren Ausschuss – die fünf Schritte oben sind keine Kür, sondern die Sparmaßnahme.
Video-KI als Berufsskill
In Stellenanzeigen für Marketing, Social Media und interne Kommunikation taucht der Umgang mit Video-KI 2026 zunehmend als erwartete Fertigkeit auf. Gefragt ist nicht die Bedienung eines Tools, das es nächstes Jahr vielleicht nicht mehr gibt (siehe Sora), sondern der Prozess: Briefing, Storyboard, Prompt, Schnitt, Rechtsrahmen. Zunehmend gehört dazu, solche Produktionsschritte in automatisierte Abläufe einzubauen – wie das funktioniert, zeigt der Guide KI-Agenten. Und wenn du diese Fähigkeiten systematisch aufbauen willst: Für Arbeitsuchende kann eine KI-Weiterbildung über den Bildungsgutschein gefördert werden, sofern die Voraussetzungen nach § 81 SGB III erfüllt sind.
Häufige Fragen
Kann KI ein komplettes Video erstellen?
Kurze Clips ja: Modelle wie Veo 3.1 oder Kling 3.0 erzeugen fünf bis zehn Sekunden Video mit Ton, Dialog und Lippensync aus einer Textbeschreibung. Längere Videos entstehen als Abfolge einzelner Shots plus Schnitt – ein kompletter Spot per Knopfdruck ist Stand August 2026 nicht realistisch.
Gibt es Sora noch?
Nein. OpenAI hat das Aus im März 2026 angekündigt; die App wurde Ende April abgeschaltet, die API läuft im September 2026 aus. Wer heute KI-Videos erstellen will, greift zu Google Veo (in Gemini), Runway, Kling oder – für Avatar-Videos – HeyGen und Synthesia.
Womit kann ich kostenlos KI-Videos erstellen?
Google Gemini bietet im Free-Konto begrenzten Zugang zur Videogenerierung, Runway 125 einmalige Gratis-Credits, HeyGen drei Avatar-Videos pro Monat. Für regelmäßige Produktion reichen die Free-Tiers nicht – Video verbraucht deutlich mehr Kontingent als Bildgenerierung.
Muss ich KI-Videos kennzeichnen?
Oft ja. Seit dem 2. August 2026 verlangt Artikel 50 des EU AI Act, dass echt wirkende KI-Videos von Personen, Orten oder Ereignissen, die es so nicht gab, sichtbar offengelegt werden – bei fotorealistischen Videos mit Menschen ist das schnell erfüllt. Erkennbar animierte Clips fallen meist nicht darunter. Zusätzlich verlangen YouTube, TikTok und Meta beim Upload eigene Offenlegungen.
Darf ich KI-Videos kommerziell nutzen?
Meistens ja – die Bedingungen setzt der jeweilige Anbieter; Googles Bedingungen erlauben kommerzielle Nutzung, bei Runway sind die Bezahl-Pläne dafür gedacht. Unabhängig davon gelten Personenrechte (keine echt wirkenden Videos realer Menschen ohne Einwilligung) und Musikrechte – echte Songs brauchen eine Lizenz.
Kann ich Video-KI in einer geförderten Weiterbildung lernen?
Ja – generative Video-Tools sind Bestandteil vieler KI- und Marketing-Weiterbildungen. Wenn du arbeitsuchend oder von Arbeitslosigkeit bedroht bist, können die Kosten über einen Bildungsgutschein übernommen werden, sofern die Voraussetzungen nach § 81 SGB III erfüllt sind und der Kurs AZAV-zugelassen ist.
Video-KI und Co. beruflich lernen – mit Förderung?
Wenn du arbeitsuchend oder von Arbeitslosigkeit bedroht bist, kann eine KI-Weiterbildung über den Bildungsgutschein zu 100 % gefördert werden – sofern die Voraussetzungen erfüllt sind. Im kostenlosen Erstgespräch prüfen wir mit dir, ob das bei dir passt, und bereiten die Unterlagen fürs Amt vor.
Kostenloses Erstgespräch sichern
David Stutz – schreibt bei Scaly über KI im Marketing: Content-Produktion, Kanäle und die Frage, was Werkzeuge im Alltag wirklich leisten. Er ordnet ein, wo KI Arbeit abnimmt und wo sie einer Marke schadet. Einschätzung, keine Rechtsberatung. David auf LinkedIn
