Auf Instagram kursiert gerade wieder ein Versprechen: Ein einzelner Creator habe mit sogenannten Faceless-Videos auf YouTube einen siebenstelligen Umsatz gemacht, garniert mit einem Zitat über die kommende Generation von KI-Millionären. Solche Zahlen lassen sich selten prüfen, und für ein mittelständisches Unternehmen sind sie ohnehin die falsche Messlatte.
Interessant ist die Technik dahinter, nicht das Umsatzversprechen. Denn dieselben Werkzeuge, mit denen anonyme YouTube-Kanäle Videos am Fließband bauen, lösen im Mittelstand ein sehr konkretes Problem: Video ist teuer und aufwendig. Ein Drehtag mit Team, Technik und Schnitt kostet schnell einen vierstelligen Betrag. Vieles davon lässt sich heute ohne Kamera erledigen.
Wofür sich Videos ohne Kamera lohnen
Faceless heißt: kein Mensch im Bild. Ein solches Video besteht aus einer Stimme, aus Text und Grafik und aus generierten oder gekauften Szenen. Für drei Anwendungsfälle im Mittelstand ist das die passende Form:
- Produkterklärvideos: eine Funktion, ein Ablauf, eine Montageanleitung in zwei Minuten erklärt, statt in einer PDF versteckt.
- Recruiting-Clips: ein kurzer, sauberer Einblick in Stelle und Unternehmen für die Karriereseite oder LinkedIn, ohne Drehtermin mit der halben Belegschaft.
- Interne Schulungen: Onboarding, wiederkehrende Abläufe oder Sicherheitsunterweisungen als Video, das einmal produziert und dann immer wieder genutzt wird.
Und die Gegenprobe, ehrlich benannt: Wo es auf Gesichter, Vertrauen und echte Menschen ankommt, etwa in der Kundenstimme oder in der persönlichen Botschaft der Geschäftsführung, bleibt die Kamera die bessere Wahl. Faceless ersetzt nicht den Menschen, es ersetzt den Produktionsaufwand dort, wo kein Mensch ins Bild muss.
Die Pipeline: vier Schritte, vier Werkzeugklassen
Ein Video ohne Kamera entsteht nicht in einem einzigen Werkzeug, sondern in einer kurzen Kette. Jeder Schritt hat eine eigene Werkzeugklasse, und jede lässt sich mit mehreren Anbietern besetzen. Der Ablauf sieht so aus:
- Schritt 1, Skript: ein Sprachmodell wie ChatGPT schreibt das Drehbuch, den Sprechertext und die Szenenliste.
- Schritt 2, Stimme: eine Stimm-KI wie ElevenLabs oder Murf macht daraus ein Voiceover.
- Schritt 3, Bild: ein Videogenerator wie Runway oder Kling erzeugt Szenen, oder ein Text-zu-Video-Werkzeug wie Pictory baut das Video aus Skript und Stockmaterial.
- Schritt 4, Feinschliff: ein Design-Werkzeug wie Canva setzt Thumbnail, Titel, Logo und Untertitel.
Der erste Schritt ist der wichtigste, und der billigste. Ein gutes Skript entscheidet über das ganze Video. Lassen Sie ChatGPT nicht nur den Text schreiben, sondern gleich in Szenen gliedern: pro Absatz ein Bild, dazu eine kurze Bildbeschreibung. Das spart später in der Bildproduktion die meiste Zeit. Wichtig: keine Kundendaten oder vertraulichen Details in ein frei zugängliches Modell tippen, dafür gelten dieselben Regeln wie für jeden KI-Einsatz.
Für die Stimme haben Sie die Wahl zwischen Natürlichkeit und Kontrolle. ElevenLabs klingt derzeit am menschlichsten und beherrscht viele Sprachen, Murf bietet ein übersichtliches Studio mit sauberem Timing für Folien und Schulungen. Beide erzeugen in Minuten ein Voiceover, das noch vor zwei Jahren einen Sprecher und ein Tonstudio gebraucht hätte. Fremde Stimmen dürfen Sie nur mit Einwilligung klonen.
Bei den Bildern trennen sich zwei Wege. Wollen Sie frei erfundene, filmische Szenen, nehmen Sie einen Videogenerator wie Runway oder Kling. Runway ist besser in Schnitt und Integration, Kling liefert oft mehr Sekunden fürs Geld, sitzt aber außerhalb der EU, was die Datenschutzprüfung strenger macht. Wollen Sie stattdessen aus Ihrem Skript automatisch ein Video mit Untertiteln und passendem Stockmaterial bauen, ist Pictory der direktere Weg, die Alternative InVideo AI kann Ähnliches. Für viele Erklär- und Schulungsvideos reicht dieser stockbasierte Weg völlig, generierte Szenen sind eher die Kür.
Am Ende bringt Canva alles zusammen: Thumbnail, Titelkarten, Logo, Unternehmensfarben und Untertitel. Hier entsteht der Unterschied zwischen einem beliebigen KI-Video und einem, das nach Ihrer Marke aussieht.
Was es kostet und wie lange es dauert
Die Werkzeugkosten sind überschaubar. Rechnen Sie für einen kompletten Ablauf aus Skript, Stimme, Bild und Design mit etwa 40 bis 80 Euro pro Monat, je nachdem, wie viele Videos Sie produzieren und ob Sie generierte Szenen oder Stockmaterial nutzen. Viele der Werkzeuge haben einen kostenlosen Einstieg, mit dem Sie den Ablauf erst einmal testen können, bevor Sie zahlen.
Der größere Posten ist die Zeit. Das erste Video dauert länger, weil Sie den Ablauf einüben und Ihre Vorlagen aufbauen. Ein sauberes Video von zwei bis drei Minuten ist danach realistisch in einem halben bis ganzen Arbeitstag fertig. Ab dem dritten oder vierten Video geht es deutlich schneller, weil Skript-Vorlagen, Stimme und Markenvorlage stehen.
Wer die fertigen Videos auf YouTube ausspielt, findet dort eine eigene Familie von Zusatzwerkzeugen für Titel, Tags und Themenfindung, etwa TubeBuddy oder VidIQ. Für die reine Produktion im Mittelstand sind sie nicht nötig, sie helfen erst, wenn Reichweite auf einer öffentlichen Plattform das Ziel ist. Für ein Erklärvideo auf der eigenen Produktseite oder ein Schulungsvideo im Intranet können Sie sie getrost weglassen.
Die Grenzen, ehrlich benannt
So verlockend der schnelle Weg ist, drei Dinge sollten Sie nüchtern einplanen.
Erstens die Qualität. Generierte Videoszenen sehen auf den ersten Blick beeindruckend aus, halten der zweiten aber nicht immer stand: Hände, Schrift und Bewegungsabläufe geraten noch regelmäßig daneben. Planen Sie Aussortieren und mehrere Versuche ein, und setzen Sie generierte Szenen dort ein, wo kleine Fehler nicht auffallen.
Zweitens das Markenrisiko. Ein Video, das nach Fließband aussieht, kann Ihrer Marke mehr schaden als nützen. Der Unterschied liegt in den Details, die kein Generator von allein liefert: konsistente Farben, ein ruhiger Schnitt, eine Stimme, die zum Unternehmen passt. Nehmen Sie sich die Zeit für den Feinschliff, sonst sparen Sie am falschen Ende.
Drittens die Rechtslage. KI-generierte Bild-, Ton- und Videoinhalte müssen nach der EU-KI-Verordnung transparent gemacht werden, wo sonst ein falscher Eindruck von Echtheit entsteht. Kennzeichnen Sie KI-Inhalte entsprechend, klonen Sie keine fremden Stimmen ohne Einwilligung und geben Sie keine personenbezogenen oder vertraulichen Daten in Werkzeuge außerhalb geprüfter Verträge. Das ist keine Rechtsberatung, aber der praktische Rahmen, in dem Sie sicher arbeiten.
Wo Sie anfangen
Suchen Sie sich einen einzigen, klar umrissenen Fall: ein Produkt, das immer wieder erklärt werden muss, oder eine Schulung, die Sie ohnehin jedes Quartal halten. Bauen Sie dafür ein Video von Anfang bis Ende, mit den kostenlosen Tarifen. Sie lernen dabei mehr über den Ablauf als aus jedem Ratgeber, und Sie haben am Ende ein Ergebnis, das Sie einem skeptischen Kollegen zeigen können.
Welches Werkzeug für welchen Schritt am besten passt und wie es um Preis und Datenschutz steht, finden Sie in unserem Überblick der KI-Tools nach Aufgabe.
Weiterlesen
Neue Fälle direkt in Ihr Postfach.
Dieser Fall stammt aus dem ODASIA Newsletter. Lesen Sie den nächsten direkt in Ihrem Postfach. Jeden Dienstag, in 5 Minuten gelesen, kostenlos.