KI-Videogenerierung: Sora, Runway und Kling im Überblick

Was ist KI-Videogenerierung?

Du tippst einen Satz wie “Ein Fuchs läuft durch einen verschneiten Wald, Kamera folgt seitlich mit” ein, und ein paar Minuten später hast du einen fertigen Videoclip. Das ist Text-zu-Video: Ein KI-Modell erzeugt aus einer Beschreibung (oder einem Ausgangsbild) bewegte Bilder samt Kamera­führung, Licht und mittlerweile oft auch Ton.

Technisch basiert das meist auf Diffusionsmodellen, die statt einem einzelnen Bild eine ganze Sequenz von Frames erzeugen und dabei versuchen, sie physikalisch und zeitlich konsistent zu halten. Das ist deutlich schwieriger als Bildgenerierung (siehe KI-Bildgenerierung), weil sich Objekte über die Zeit korrekt bewegen, Perspektiven stimmen und Details nicht von Frame zu Frame “flackern” dürfen.

Die drei grossen Namen

Aktuell dominieren drei Anbieter die Diskussion, auch wenn laufend neue Modelle nachziehen (etwa Google Veo oder Adobe Firefly Video):

(Stand: 2026-07 - alle drei Anbieter bringen mehrmals im Jahr neue Modellversionen mit besseren Werten heraus, die genauen Zahlen sind also eher eine Grössenordnung als ein Versprechen.)

Sora (OpenAI)

Sora ist eng mit ChatGPT verzahnt: Ein Prompt reicht, und das Modell liefert Video inklusive synchronisiertem Ton und Dialog in einem einzigen Durchgang. Die “Cameo”-Funktion erlaubt es, dich selbst (nach Verifikation) oder eingeladene Personen in generierte Szenen einzubauen - inklusive Stimme. Abrechnung läuft meist über die ChatGPT-Abos oder nutzungsbasiert pro Sekunde Videomaterial via API.

Runway

Runway positioniert sich als Werkzeug für Kreativprofis. Mit “Motion Brush” markierst du Bereiche eines Bildes und gibst ihnen eine Bewegungsrichtung, ohne das Ganze neu zu beschreiben. Dazu kommen Kamerapfad-Steuerung, Lippensynchronisation zu eigenem Audio und Rotoscoping-Automatisierung (Objekte freistellen/austauschen). Abgerechnet wird über ein Credit-System - je nach Modellversion und Auflösung unterschiedlich teuer pro Sekunde Video.

Kling

Kling kommt vom chinesischen Anbieter Kuaishou und hat sich vor allem durch überzeugende Physik einen Namen gemacht: Wasser, Stoff, Haare und Kollisionen wirken oft glaubwürdiger als bei der Konkurrenz. Neuere Versionen können mehrere Shots zu einer kleinen zusammenhängenden Szene verketten und Ton direkt mitgenerieren.

Was die Tools heute wirklich können

• Kurzclips aus Text oder Bild: Von einem Satz oder einem Startbild zu einem fertigen Clip, meist 5 bis 25 Sekunden lang.
• Kamerasteuerung: Schwenk, Zoom, Verfolgungsfahrt - über Textbefehle oder grafische Steuerelemente.
• Bild-zu-Video: Ein bestehendes Foto oder eine KI-generierte Grafik “zum Leben erwecken” (die Ausgangsszene bleibt erkennbar, nur Bewegung kommt dazu).
• Ton und Lippensynchronisation: Bei Sora und zunehmend auch bei Kling wird Ton direkt mitgeneriert; Runway kann eigenes Audio auf generierte Gesichter synchronisieren.
• Stiltransfer: Anime, Claymation, Found-Footage-Look, Filmkorn - über Prompt-Zusätze steuerbar.
• Erweiterungen bestehender Clips: Ein Video um weitere Sekunden verlängern, ohne den Stil zu verlieren.

Wo es noch hakt

Auch (Stand: 2026-07) mit den neuesten Modellen bleiben typische Schwachstellen:

• Physik im Detail: Finger, Zahnräder, komplexe Interaktionen zwischen mehreren Objekten wirken oft noch leicht “gummiartig” oder unplausibel.
• Konsistenz über längere Clips: Je länger das Video, desto grösser das Risiko, dass sich Gesichter, Kleidung oder Hintergrundobjekte zwischen Schnitten leicht verändern.
• Exakte Textwiedergabe: Schilder, Buchtitel oder Textelemente im Bild werden oft verzerrt oder unleserlich dargestellt.
• Feinsteuerung: “Genau diese Bewegung, genau in diesem Tempo” zu erreichen, braucht meist mehrere Versuche und Prompt-Anpassungen (Iteration ist Alltag, kein Ausnahmefall).
• Rechte an Trainingsdaten: Die Frage, wessen Bild- und Videomaterial in den Trainingsdaten steckte, ist rechtlich in vielen Ländern noch nicht abschliessend geklärt - siehe KI-Urheberrecht.

Anwendungsfälle

• Social-Media-Content: Kurze Produktclips, Teaser, Hintergrund-Loops für Reels und Stories.
• Storyboards und Previz: Filmschaffende testen Kameraführung und Szenenaufbau, bevor teure echte Drehs stattfinden.
• Erklärvideos: Abstrakte Konzepte visualisieren, ohne Drohne, Kamerateam oder Greenscreen zu buchen.
• Werbung und Marketing: Varianten eines Spots schnell für verschiedene Zielgruppen anpassen.
• Persönliche Projekte: Kurzfilme, Musikvideo-Visuals, Geschenke (“Oma tanzt Breakdance”).

Beispiel-Prompt

Ein guter Video-Prompt beschreibt Motiv, Handlung, Kamera und Stimmung - nicht nur ein Standbild:

Eine Fahrradkurierin fährt durch eine regennasse Strasse bei Nacht,
Neonlichter spiegeln sich in den Pfützen. Kamera folgt von der Seite,
leichte Untersicht, filmisches Bokeh im Hintergrund. Ruhiges Tempo,
warmes Gegenlicht von den Schaufenstern. Cinematic, 24fps-Look.

Entscheidungshilfe: welches Tool passt?

Brauchst du Ton/Dialog direkt im Video?
├── Ja, mit Lippensynchronisation zu eigenem Sprechertext
│   └── Runway (Audio-Upload + Lippensync)
├── Ja, komplett KI-generierter Dialog/Sound
│   └── Sora (Ton in einem Durchgang mitgeneriert)
└── Nein, reine Bildbewegung genügt
    ├── Braucht es sehr überzeugende Physik (Wasser, Stoff, Kollisionen)?
    │   └── Kling
    └── Braucht es feine manuelle Kontrolle (Kamerapfad, Motion Brush)?
        └── Runway

Das ist eine grobe Faustregel, kein Naturgesetz - alle drei Anbieter holen bei den Schwächen der anderen ständig auf.

Deepfakes und die Kennzeichnungspflicht

Je besser die Tools werden, desto wichtiger wird die Frage: Woran erkennt man, dass ein Video KI-generiert ist? In der EU regelt das der AI Act direkt: Nach Artikel 50 müssen KI-generierte oder KI-manipulierte Bild-, Ton- und Videoinhalte, die echten Personen, Objekten oder Ereignissen ähneln und fälschlicherweise als authentisch erscheinen könnten (“Deepfakes”), als solche gekennzeichnet werden. Diese Pflicht gilt ab dem 2. August 2026 - also nur wenige Tage nach dem heutigen Stand dieses Artikels.

Für die Schweiz gilt der AI Act nicht direkt, wirkt aber faktisch über Geschäftsbeziehungen mit der EU und über die international übliche Anbieterpraxis: Viele Tools (Sora, Runway, Kling) betten inzwischen automatisch unsichtbare Wasserzeichen (z. B. nach dem C2PA-Standard) in generierte Inhalte ein, unabhängig vom Wohnsitz der Nutzenden.

Praktisch heisst das für dich:

• Kennzeichne KI-generierte Videos sichtbar (Text-Overlay, Beschreibung), wenn sie realistisch wirken könnten.
• Verlass dich nicht allein auf automatische Wasserzeichen - die lassen sich teils entfernen oder gehen bei Weiterverarbeitung verloren.
• Bei Inhalten mit realen, identifizierbaren Personen: zusätzlich deren Einwilligung einholen, unabhängig von der Kennzeichnungspflicht.

Weiterlernen

• Sora 2 – OpenAI - offizielle Ankündigung und Feature-Übersicht
• Runway – Pricing & Produktseite - aktuelle Pläne und Credit-Modelle
• Kling AI – Pricing - offizielle Preisübersicht
• Artikel 50 EU AI Act – artificialintelligenceact.eu - Volltext der Transparenzpflichten
• EU Code of Practice on AI-generated content - Kennzeichnungs- und Erkennungsstandards der EU-Kommission

Videos

YouTube