Die Sprache der KI-Video-Kameraarbeit: 5 Profi-Techniken vom Diashow-Look zum Kinoshot

Die meisten KI-Videos sehen immer noch aus wie animierte Diashows. Der Abstand zwischen „einem Clip, den die KI gemacht hat" und „einem Shot, den ein Kameramann gemacht hat" liegt nicht am Modell — er liegt an der kameratechnischen Sprache hinter deinem Prompt. Hier sind die 5 Techniken, die diesen Abstand schließen.

Schau dir 2026 irgendeinen Reel mit KI-generierten Videos in den sozialen Medien an, und ein Muster zeichnet sich ab. Die Clips sind technisch beeindruckend: Gesichter sind kohärent, die Bewegung ist flüssig, das Licht plausibel. Und trotzdem sind die meisten davon vergessenswert. Sie wirken wie schöne Bildschirmschoner, nicht wie Filmaufnahmen. Das Publikum scrollt mit derselben Geschwindigkeit darüber hinweg wie über simple Stockfotos.

Der Grund ist nicht die Modellqualität. Kling 3.0, Runway Gen-4.5, Veo 3.1 und Seedance 2.0 produzieren alle Shots, die im Standbild so gut aussehen wie alles, was eine DSLR einfangen kann. Der Grund ist, dass die meisten Prompts beschreiben, was im Bild ist, statt wie sich das Bild bewegt, atmet und Aufmerksamkeit lenkt. Sie beschreiben ein Motiv. Ein Kameramann beschreibt einen Shot.

Dieser Artikel ist für Creator, die bereits wissen, wie man technisch sauberes KI-Video generiert, und die wollen, dass diese Clips kinematografisch wirken. Wir gehen die 5 kameratechnischen Techniken durch, die KI-Material zuverlässig vom „Diashow"- zum „Film"-Niveau heben: Kamerabewegung, Bildkomposition, Tiefe, Pacing und Licht. Für jede gibt es das Prinzip, eine KI-Prompt-Vorlage, den häufigsten Fehler und ein Vorher/Nachher-Beispiel, das du heute nachbauen kannst.

Nichts davon ist Theorie. Das sind die gleichen Vokabularentscheidungen, die arbeitende DPs am Set treffen, übersetzt in die Prompt-Syntax, auf die aktuelle KI-Video-Modelle tatsächlich reagieren.

1. Kamerabewegung: Gib der Kamera eine Motivation

Der mit Abstand größte Grund, warum ein KI-Clip statisch wirkt, ist, dass sich nichts bewegt außer dem Motiv. Echte Kameraarbeit verwendet so gut wie nie eine fest fixierte Kamera, es sei denn, das ist eine bewusste stilistische Entscheidung. Die Kamera driftet, fährt auf Emotion zu, fährt parallel zur Bewegung mit, kranst nach oben, um Größe zu enthüllen. Jede dieser Bewegungen hat einen Grund — und dieser Grund ist das, was dein Prompt vermitteln muss.

Die 6 Kamerabewegungen, die man kennen sollte

Du brauchst keine Filmschule. Du brauchst sechs Bewegungs-Primitiven:

• Push-in (Dolly in): Kamera fährt auf das Motiv zu. Baut Intensität, Fokus, Intimität auf.
• Pull-out (Dolly out): Kamera fährt vom Motiv weg. Enthüllt Kontext, isoliert, beendet einen Beat.
• Tracking (Dolly seitlich / lateral): Kamera fährt parallel zur Bewegung. Koppelt das Publikum an das Tempo des Motivs.
• Schwenk (Pan) / Tilt: Kamera rotiert um einen festen Punkt. Günstig, aber nützlich, um Aufmerksamkeit von einem Motiv auf ein anderes zu übergeben.
• Crane / Boom: Kamera steigt oder senkt sich vertikal. Enthüllt Größe, Geographie oder einen emotionalen Wechsel.
• Handheld / verwackelt: verkörpert die POV oder Anspannung einer Figur. Sparsam einsetzen.

Prompt-Muster

Sag nicht einfach „die Kamera bewegt sich". Verbinde die Bewegung mit einer Motivation, die das Modell interpretieren kann. Vergleiche:

Schwach: „Frau steht in einem Feld bei Sonnenuntergang. Kamera bewegt sich."

Stark: „Langsamer Dolly-in auf eine Frau, die in einem Weizenfeld bei Sonnenuntergang steht, beginnt weit und zieht über 5 Sekunden zu einer Halbnahaufnahme zusammen, hält auf ihrem Gesicht, während sie sich zur Linse dreht. Der Push-in spiegelt den Moment des Erkennens."

Die starke Version gibt dem Modell drei Dinge, auf die es reagieren kann: den Bewegungstyp (Dolly-in), das Timing (langsam, 5 Sekunden, weit zu halbnah) und den emotionalen Zweck (Erkennen). Modelle, die auf Cinema-Metadaten trainiert sind, verstehen alle drei.

Häufiger Fehler

Zu viele Bewegungen in einen einzigen kurzen Clip stapeln. Ein 5-Sekunden-Shot kann eine Kamerabewegung gut ausführen. Wer einen Push-in plus Tilt plus Crane in 5 Sekunden kombinieren will, bekommt eine Bewegung, die sich wie ein Drohnenflug anfühlt, nicht wie ein Filmshot. Pro Shot unter 8 Sekunden eine einzige Bewegung — mehr nicht.

2. Bildkomposition: Hör auf, alles zu zentrieren

Das zuverlässigste Anzeichen dafür, dass ein Video von einem Amateur stammt — Mensch oder KI — ist, dass jedes wichtige Motiv genau in der Bildmitte sitzt. Zentrierte Komposition ist das visuelle Äquivalent zu einer monotonen Stimme. Sie funktioniert für Symmetrie-Shots und direkte Ansprache. Für alles andere zerstört sie Tiefe und Spannung.

Echte Komposition geht darum, wo du Motive relativ zu den Spannungslinien des Bildes platzierst und wie du den Rest des Bildes arbeiten lässt.

Die 4 Kompositions-Hebel

1. Drittel-Regel: Platziere das Motiv auf einem der vier Schnittpunkte eines 3×3-Rasters, nicht in der Mitte. Das gegenüberliegende Drittel wird zum „Atemraum", den das Auge mit Kontext füllt.
2. Leitlinien: Nutze Straßen, Wände, Lichtstrahlen oder Arme, um das Auge zum Motiv zu führen. Die Linie übernimmt das Storytelling für dich.
3. Negativer Raum: bewusst leere Bildbereiche. Sie isolieren das Motiv und geben ihm psychologisches Gewicht.
4. Vordergrund / Mittelgrund / Hintergrund-Layering: Platziere mindestens ein Element im Vordergrund, auch wenn es unscharf ist. Tiefe ist die meistunterschätzte Waffe der Komposition.

Prompt-Muster

Schwach: „Ein Mann trinkt Kaffee in einem Café."

Stark: „Ein Mann trinkt Kaffee, gerahmt im rechten Drittel des Shots, mit einem unscharfen Fenster im linken Vordergrund und einer verschwommenen Barista, die sich hinter ihm bewegt. Drittel-Regel-Komposition, geschichtete Tiefe, leichte Untersicht."

Die starke Version diktiert, wo das Motiv sitzt, was den Rest des Bildes füllt und wie die Schichten gestapelt sind. Das Modell produziert einen Shot, der gestaltet wirkt, statt zufällig eingefangen.

Häufiger Fehler

„Cinematische Komposition" verlangen, ohne die Regel zu nennen. Modelle interpretieren „cinematic" generisch — meist als langsamen Zoom auf ein zentriertes Motiv mit geringer Schärfentiefe. Das Wort tut so gut wie nichts. Nenne die tatsächliche Kompositionsregel.

3. Schärfentiefe: Entscheide, was das Publikum sehen darf

Schärfentiefe — was scharf ist gegenüber was unscharf — ist die Art, wie Kino Aufmerksamkeit lenkt. Ein Shot mit großer Schärfentiefe (alles scharf) sagt dem Publikum: „Das ist eine Welt." Ein Shot mit geringer Schärfentiefe (nur eine Ebene scharf) sagt: „Das ist eine Person, und nur diese Person zählt jetzt." KI-Video tendiert standardmäßig zu einer vagen mittleren Tiefe, die nichts davon richtig macht.

Die 3 Tiefenmodi, die man explizit benennen sollte

• Geringe Tiefe (f/1.4 – f/2.8): Bokeh-Hintergrund, isoliertes Motiv. Standard für emotionale Nahaufnahmen, Porträts, intime Szenen.
• Mittlere Tiefe (f/4 – f/5.6): Motiv scharf, Umgebung lesbar. Standard für Dialog, Halbtotalen.
• Tiefenschärfe (f/8 – f/16): alles scharf. Wird für Landschaften, Architektur, World-Building-Shots verwendet.

Prompt-Muster

Schwach: „Nahaufnahme eines lachenden Kindes."

Stark: „Nahaufnahme eines lachenden Kindes, gedreht mit einem 85mm-Objektiv bei f/1.8, geringe Schärfentiefe, cremiges Bokeh im Hintergrund, Fokus auf den Augen fixiert."

Noch besser: Nimm einen Schärfeziehen (Rack Focus) dazu: „Rack focus von der Hand im Vordergrund auf das Gesicht des Kindes mitten im Shot." Ein Schärfeziehen ist eine der kinematografischsten Bewegungen überhaupt, kostet im Prompt nichts extra und funktioniert in jedem modernen Modell.

Häufiger Fehler

„Unscharfer Hintergrund" verlangen, ohne Brennweite oder Blende anzugeben. Das Modell weiß nicht, wie aggressiv die Unschärfe sein soll. Nenne das Objektiv (35mm, 50mm, 85mm) und die Blendenzahl (f/1.4, f/2, f/2.8). Das sind konkrete physikalische Parameter, die das Modell in seinen Trainingsdaten beschriftet gesehen hat.

4. Pacing: Die Länge eines Shots ist die Hälfte des Storytellings

Der am häufigsten übersehene kameratechnische Hebel im KI-Video ist die Shot-Dauer. Die meisten Creator generieren Clips mit der Plattform-Standardlänge (meist 5 oder 10 Sekunden) und schneiden sie alle in derselben Länge zusammen. Das Ergebnis wirkt mechanisch, weil jeder Beat genau so lang ist wie jeder andere.

Schau dir irgendeinen gut geschnittenen Film an, und du wirst Shots sehen, die von Sekundenbruchteilen (Impact, Spannung, Überraschung) bis zu mehr als 12 Sekunden (Immersion, Kontemplation, emotionales Verweilen) reichen. Die Variation in der Shot-Länge ist der Rhythmus des Storytellings.

Pacing als Entscheidung, nicht als Default

Bevor du einen Shot generierst, entscheide, was die Aufgabe des Shots ist, und wähle dann eine Dauer:

• 0,5 – 1,5 Sekunden: Impact-Shot. Smash Cut, Reveal, Beat-Pointe.
• 2 – 4 Sekunden: Reaktions-Shot, Action-Beat, dynamische Bewegung.
• 5 – 8 Sekunden: Standard-Story-Shot. Etabliert einen Moment, lässt eine kleine Aktion ablaufen.
• 10 – 15 Sekunden: Kontemplativer Shot. Wird verwendet, um den Rhythmus zu verlangsamen, Spannung aufzubauen oder eine Sequenz zu beenden.

Prompt-Muster

Für lange kontemplative Shots prompt für innere Bewegung, damit das Publikum etwas zu beobachten hat, auch wenn die Kamera geduldig bleibt: aufsteigender Dampf, treibender Rauch, Stoff im Wind, nervöse Hände, ein langsames Blinzeln. Ohne innere Bewegung wirkt ein 12-Sekunden-Shot eingefroren. Mit ihr wirkt er lebendig.

Starkes Beispiel: „Statische Halbtotale, 12 Sekunden, einer alten Frau, die an einem regenverlaufenen Fenster sitzt. Ihre Hände sind im Schoß gefaltet. Schwache Bewegung im Regen auf dem Glas und ein langsamer Lichtwechsel, als draußen ein Auto vorbeifährt. Keine Kamerabewegung."

Häufiger Fehler

Eine Sequenz mit gleichmäßigen Shot-Längen schneiden. Selbst wenn deine Generierungen alle 5 Sekunden lang sind, kannst du sie in der Postproduktion auf unterschiedliche Längen schneiden — einen 5-Sekunden-Clip auf 1 Sekunde für Impact runterziehen oder einen 10-Sekunden-Clip in voller Länge halten, um eine Sequenz zu verankern. Pacing wird im Schnitt genauso entschieden wie in der Generierung.

5. Licht: Benenne die Lichtquelle, nicht nur die Stimmung

„Cinematic lighting" ist der meistgebrauchte und am wenigsten nützliche Begriff im KI-Video-Prompting. Er produziert ein generisches, warm getöntes Bild, das in Ordnung aussieht und nichts fühlen lässt. Echtes Licht hat eine Quelle, eine Richtung, eine Qualität und eine Farbtemperatur. Wenn du diese vier Dinge explizit benennst, gibt dir das Modell echtes Lichtdesign.

Die 4 Licht-Spezifikationen

1. Quelle: Sonne, Fenster, Practical-Lampe, Neonschild, Kerze, Bildschirmlicht, Scheinwerfer. Benenne wenn möglich immer die Quelle im Bild.
2. Richtung: frontal, seitlich (3/4), gegenlicht, Rim, von oben. Die Richtung ist das, was ein Gesicht dreidimensional wirken lässt.
3. Qualität: hart (scharfe Schatten) vs. weich (diffus, keine klaren Schattenkanten). Hartes Licht = Drama, weiches Licht = Schönheit.
4. Farbtemperatur: 2700K (Kerzenlicht), 3200K (Tungsten), 5600K (Tageslicht), 7500K (bedeckt/Blue Hour) oder spezifische Folien (Teal/Orange-Split, Magenta, Natriumdampf-Bernstein).

Prompt-Muster

Schwach: „Cinematic lighting, stimmungsvolles Porträt eines Mannes."

Stark: „Porträt eines Mannes, beleuchtet von einem einzigen Fenster auf der linken Kameraseite, hartes 3/4-Richtungslicht, tiefe Schatten auf der rechten Gesichtshälfte, Farbtemperatur 5600K (Tageslicht). Practical-Tischlampe sichtbar im Bild bei 2700K, sorgt für warmen Aufhellungsanteil auf der unteren Gesichtshälfte. Kontrastreicher Rembrandt-Lichtstil."

Jetzt hat das Modell eindeutige Anweisungen. Der Output sieht gestaltet aus, nicht generisch.

Drei „kostenlose" kinematografische Lichtsetups, die man auswendig kennen sollte

• Goldene Stunde im Gegenlicht: „Motiv im Gegenlicht der tief stehenden Sonne der goldenen Stunde von hinter der Kamera, Rim-Licht um Haar und Schultern, Lens Flare, warme Farbtemperatur 3000K." Lässt alles wie einen Film aussehen.
• Blaue Stunde außen: „Außenaufnahme, Blue Hour direkt nach Sonnenuntergang, Umgebungshimmel 7500K, ein einziges warmes Practical (Straßenlaterne oder Fenster) bei 2700K, das einen Orange/Teal-Split erzeugt." Ikonischer urbaner Kino-Look.
• Einzelnes Fensterlicht innen: „Innenaufnahme, einzelnes weiches Fensterlicht von der linken Kameraseite bei 5600K, kein Fill, tiefer Schatten auf der rechten Kameraseite des Gesichts." Der Vermeer/Filmschul-Klassiker."

Häufiger Fehler

Stimmungsvolles/dramatisches/cinematisches Licht verlangen, ohne eine Quelle zu nennen. Das Modell defaultet zu einem generischen warmen Umgebungslicht. Benenne immer, woher das Licht kommt.

Alles zusammensetzen: Eine Referenz-Prompt-Vorlage

Die fünf Techniken summieren sich. Ein Shot, der eine davon gut nutzt, ist ein guter Shot. Ein Shot, der alle fünf bewusst nutzt, ist ein kinematografischer Shot. Hier ist eine Vorlage, die du anpassen kannst:

Als einzelner Prompt kombiniert:

„Ein Barista, der einen Espresso zieht, langsamer Push-in über 4 Sekunden, Motiv im linken Drittel mit einer unscharfen Dampflanze im Vordergrund und einer Kunden-Silhouette im weichen Hintergrund. Aufgenommen mit einem 35mm-Objektiv bei f/2, geringe Tiefe, Fokus auf den Händen fixiert. Insgesamt 6 Sekunden, durchgehend aufsteigender Dampf. Einzelnes weiches Fensterlicht von der linken Kameraseite bei 5600K, warme 2700K-Practical-Lampe auf dem Tresen für Aufhellung."

Lass das in einem aktuellen KI-Video-Modell laufen und du bekommst einen Shot, der absichtlich gestaltet aussieht, nicht automatisch generiert.

Wo Modelle noch hadern (und wie man drum herum arbeitet)

Selbst mit perfekten kameratechnischen Prompts haben KI-Video-Modelle 2026 noch bekannte Schwächen. Drei sind erwähnenswert:

1. Durchgehende Kamerabewegungen über Schnitte hinweg

Modelle können eine einzelne Kamerabewegung innerhalb eines Shots ausführen, aber sie können einen durchgehenden Push-in über einen harten Schnitt hinweg nicht zuverlässig halten. Wenn du einen „Match-Cut Push-in" willst, generiere jeden Shot separat mit konsistenten Richtungs- und Geschwindigkeitsparametern und vertraue dann dem Auge des Editors, sie zu verbinden. Erwarte nicht, dass das Modell sie automatisch verkettet.

2. Präzise Schärfeverlagerungen zwischen zwei spezifischen Punkten

„Rack focus von der Hand im Vordergrund auf die Augen" funktioniert in etwa 60 % der Fälle. In den anderen 40 % produziert das Modell eine generische Schärfeverschiebung. Workaround: zwei Clips generieren — einen mit dem Vordergrund scharf, einen mit dem Motiv scharf — und mit einer 4-Frame-Blende dazwischen schneiden. Liest sich identisch, ist zuverlässiger.

3. Spezifische Lichtverhältnisse

Modelle verstehen „weich" vs. „hart" und warm vs. kühl, aber sie können beispielsweise ein 4:1-Verhältnis von Führungs- zu Aufhelllicht nicht konsistent produzieren. Hör auf, das zu versuchen. Spezifiziere den Look in einfachen Worten (tiefe Schatten, wenig Aufhellung) und lass das Modell sich annähern.

Wie Genra das löst

Alles in diesem Artikel ist Technik auf Prompt-Ebene — die Art von Fertigkeit, die ernsthafte Creator Wochen brauchen, um sie zu verinnerlichen, und Prompt-für-Prompt-Praxis, um sie konsistent auszuführen. Das ist ein Problem, wenn du Video im großen Maßstab veröffentlichen willst.

Genras Ansatz besteht darin, die kameratechnischen Entscheidungen direkt in den Agenten einzubauen. Wenn du Genra sagst, welches Video du willst, fragt es dich nicht nach Shot-Spezifikationen auf Prompt-Ebene. Es plant die Shotliste — einschließlich Kamerabewegung, Bildkomposition, Tiefe, Pacing und Licht — basierend darauf, wofür das Video ist und für wen. Ein Produktvideo für ein B2B-SaaS bekommt andere kameratechnische Defaults als eine Brand Story für eine Luxusmarke, und Genra weiß, was was ist.

Dieser Artikel existiert für Creator, die manuelle Kontrolle über diese Entscheidungen wollen. Wenn du die manuelle Ebene lieber überspringst und einen End-to-End-Agenten die Produktion übernehmen lassen willst, probier Genra kostenlos aus — 40 Credits, ohne Karte.

Wichtige Erkenntnisse

• Der Abstand zwischen KI-Clips und kinematografischen Shots ist die kameratechnische Sprache, nicht die Modellqualität.
• Kamerabewegung: verbinde eine Bewegung immer mit einer Motivation und beschränke dich auf eine Bewegung pro Shot unter 8 Sekunden.
• Bildkomposition: hör auf zu zentrieren. Benenne die Regel (Drittel, Leitlinien, negativer Raum, Layering) explizit.
• Schärfentiefe: spezifiziere Objektiv (mm) und Blende (f-Stop). Das Modell hat diese Beschriftungen in Trainingsdaten gesehen; „unscharfer Hintergrund" ist zu vage.
• Pacing: passe die Shot-Länge an den Shot-Zweck an. Lange Shots brauchen innere Bewegung. Variiere die Dauer im Schnitt, selbst wenn die Generierungen einheitlich sind.
• Licht: benenne Quelle, Richtung, Qualität und Farbtemperatur. „Cinematic lighting" ist der nutzloseste Ausdruck im Prompt-Vokabular.
• Drei „kostenlose" Lichtsetups, die immer kinematografisch aussehen: goldene Stunde im Gegenlicht, Blue-Hour-Teal/Orange außen, einzelnes weiches Fensterlicht innen.
• Stapele alle 5 Ebenen in einem einzigen Prompt für einen Shot, der gestaltet aussieht, statt automatisch generiert.

Häufig gestellte Fragen

Welches KI-Video-Modell verarbeitet kameratechnische Prompts 2026 am besten?

Runway Gen-4.5 reagiert derzeit am stärksten auf spezifisches kameratechnisches Vokabular (Brennweiten, Blendenzahlen, Farbtemperaturen, benannte Lichtsetups). Kling 3.0 liegt knapp dahinter und ist pro Generierung deutlich günstiger. Veo 3.1 ist beim Licht hervorragend, aber etwas schwächer bei der Kamerabewegungs-Spezifität. Seedance 2.0 ist am besten für Short-Form-Social, wo die Shot-Dauer fix ist und Pacing weniger zählt.

Funktionieren diese Techniken in den kostenlosen Stufen von KI-Video-Tools?

Ja. Das kameratechnische Vokabular funktioniert in jedem kommerziell verfügbaren Modell, einschließlich der kostenlosen Stufen. Derselbe Prompt, der in einer bezahlten Runway-Generierung einen kinematografischen Shot produziert, produziert auch in einer kostenlosen Veo-3.1-Generierung einen kinematografischen Shot — bei niedrigerer Auflösung und kürzerer Dauer. Die Technik überträgt sich; nur die Output-Spezifikation ändert sich.

Wie lang sollte ein einzelner KI-generierter Shot sein?

Es hängt vom Zweck des Shots ab. Impact-Shots: unter 1,5 Sekunden (im Schnitt). Reaktions- oder Action-Shots: 2–4 Sekunden. Standard-Story-Shots: 5–8 Sekunden. Kontemplative Shots: 10–15 Sekunden. Der Fehler, den die meisten Creator machen, ist, jeden Shot mit der Plattform-Standardlänge zu generieren und sie alle in einheitlicher Länge zu schneiden, was einen mechanischen Rhythmus erzeugt.

Kann ich mit einem einzigen 5-Sekunden-KI-Clip kinematografische Ergebnisse erzielen?

Ja, wenn du dich pro Ebene auf eine starke Entscheidung festlegst (eine Kamerabewegung, eine Kompositionsregel, eine Tiefen-Einstellung, eine Pacing-Entscheidung, ein Lichtsetup). Das Problem der meisten „unkinematografischen" Clips ist nicht, dass ihnen Technik fehlt — es ist, dass sie null bewusste Entscheidungen treffen und über alle fünf Ebenen hinweg Defaults akzeptieren.

Was ist die einzelne wirkungsvollste Änderung, die ich heute an einem Prompt vornehmen kann?

Ersetze „cinematic lighting" durch eine spezifische Lichtquelle, Richtung, Qualität und Farbtemperatur. Diese eine Substitution allein schließt rund 40 % des Abstands zwischen einem KI-aussehenden und einem filmaussehenden Clip.

Wie halte ich die Kameraarbeit über Shots derselben Szene hinweg konsistent?

Erstelle vor der Generierung ein „Szenen-Kameraarbeit-Sheet": wähle ein Lichtsetup, eine Farbtemperatur, eine Brennweite und eine Kompositionsregel und verwende sie in jedem Prompt für diese Szene wieder. Visuelle Konsistenz ist das, was eine Sequenz als einen Ort lesen lässt, nicht als Montage.

Sind diese Techniken spezifisch für KI-Video oder gelten sie auch für Live-Action?

Sie gelten für das gesamte Kino. Das Vokabular in diesem Artikel ist dasselbe Vokabular, das arbeitende DPs am Set verwenden. Das Einzige, was spezifisch für KI ist, ist die Prompt-Syntax — also „wir würden das auf 85mm bei f/1.4 mit einem 5K HMI im Gegenlicht drehen" in einen Prompt zu übersetzen, den das Modell interpretieren kann. Die Entscheidungen hinter der Syntax sind zeitlos.

Sollte ich KI-generierte Clips im Schnitt zusammensetzen, um sie kinematografisch wirken zu lassen, oder längere Einzel-Shots generieren?

Beides. Verwende längere Einzel-Shots für Shots, die atmen müssen (Establisher, kontemplativ, emotionales Verweilen). Verwende kürzere generierte Clips mit schnitt-getriebenem Pacing für Action-Sequenzen und energiegeladene Montagen. Der Fehler ist, KI-Video als Ein-Clip-gleich-ein-fertiges-Werk-Medium zu behandeln. Es ist Footage. Footage schneidet man.