Bild zu Video mit KI: So wird aus einem Foto ein bewegter Clip

Dieser Beitrag ist ein Überblick auf Grundlage von Anbieterangaben, Dokumentation und öffentlich zugänglichen Berichten, kein benoteter Test aus eigener Hand. Preise und Funktionen ändern sich schnell; maßgeblich sind die Angaben des Anbieters. Benotet wird nur, was wir selbst über Wochen im Einsatz hatten: diese Werkzeuge stehen unter KI-Tools im Vergleich.

Wie Bild-zu-Video funktioniert

Beim Bild-zu-Video dient ein Standbild als erstes Einzelbild, und das Modell erfindet, was danach passiert: Die Kamera fährt heran, Haare bewegen sich im Wind, ein Produkt dreht sich auf dem Tisch. Heraus kommt meist ein Clip von fünf bis zehn Sekunden.

Gegenüber dem reinen Text-zu-Video hat das einen großen Vorteil: Das Aussehen steht fest. Farben, Produkt, Person und Bildausschnitt kommen aus dem Bild, nicht aus der Fantasie des Modells. Für Marken, die einen einheitlichen Auftritt brauchen, ist Bild-zu-Video deshalb der verlässlichere Weg. Mehrere Werkzeuge erlauben zusätzlich ein Endbild, zwischen denen das Modell die Bewegung berechnet.

Das Ausgangsbild entscheidet

Die meisten misslungenen Clips scheitern am Bild, nicht am Prompt. Das Seitenverhältnis sollte schon dem Ziel entsprechen, also 9:16 für Reels und Shorts, 16:9 für die Webseite; ein nachträglicher Zuschnitt kostet Auflösung. Das Motiv sollte klar erkennbar sein und Raum für Bewegung haben: Eine Person, die bis an den Bildrand reicht, kann sich kaum drehen, ohne dass das Modell Körperteile erfinden muss.

Schrift, Logos und feine Muster verformen sich in Bewegung am ehesten. Wer sie braucht, legt sie besser im Schnitt darüber. Hände, Brillen und Zähne sind die klassischen Schwachstellen; ein Bild, in dem sie ruhig und gut sichtbar sind, gelingt häufiger.

Das Ausgangsbild muss kein Foto sein. Viele erzeugen es zuerst mit einem Bildgenerator wie Midjourney oder Adobe Firefly und animieren es dann; welche Gratiswege es dafür gibt, steht im Beitrag KI-Bilder kostenlos erstellen.

Den Prompt auf Bewegung beschränken

Weil das Bild den Inhalt schon festlegt, beschreibt der Prompt nur noch, was sich bewegt und wie die Kamera sich verhält. Ein guter Prompt ist kurz: „Langsame Kamerafahrt auf die Tasse zu, Dampf steigt auf, Hintergrund bleibt ruhig.“ Wer das Bild noch einmal beschreibt, verleitet das Modell dazu, es umzudeuten.

Eine Bewegung pro Clip ist die sicherste Regel. Kamerabegriffe wie Schwenk, Zoom, Kamerafahrt oder Drohnenflug verstehen alle aktuellen Modelle, viele davon auch auf Deutsch; Englisch liefert erfahrungsgemäß etwas verlässlichere Ergebnisse. Was ruhig bleiben soll, lässt sich ausdrücklich sagen: „Die Person bleibt stehen, nur die Kamera bewegt sich.“

Und weil jeder Versuch Guthaben kostet: Erst in der schnellen, günstigeren Qualitätsstufe testen, die viele Dienste anbieten, dann die gelungene Variante in voller Qualität erzeugen.

Welches Werkzeug wofür

Kling ist stark, wenn Figuren über längere Clips gleich aussehen sollen. Seedance hält Produkte über mehrere Einstellungen stabil, das macht es für Werbeclips interessant. Google Veo erzeugt Bild und Ton in einem Durchgang, etwa Geräusche und Sprache zum Motiv.

Luma Dream Machine ist der einfachste Einstieg und arbeitet mit Start- und Endbild. Runway bringt den größten Werkzeugkasten für alles, was nach dem Clip kommt, vom Verlängern bis zum Austausch einzelner Bildteile, und Higgsfield setzt auf vorgefertigte Kamerabewegungen, die filmischer wirken als eine freie Beschreibung.

Die Unterschiede zeigen sich erst am eigenen Motiv. Da fast alle Dienste ein kleines Gratis- oder Startguthaben haben, lohnt es sich, dasselbe Bild mit demselben Prompt in zwei oder drei Werkzeugen zu probieren. Was ohne Abo möglich ist, steht im Beitrag KI-Videos kostenlos erstellen, Einzelporträts der Werkzeuge in der Rubrik Video-KI im Porträt.

Alte Fotos zum Leben erwecken

Einer der beliebtesten Anwendungsfälle ist privat: das Hochzeitsfoto der Großeltern, das plötzlich lächelt und sich umdreht. Das kann berühren, es hat aber zwei Seiten. Das Modell erfindet Mimik und Bewegung, die es nie gab; aus einer Erinnerung wird eine Inszenierung.

Rechtlich gilt: Wer lebende Personen animiert und das Ergebnis zeigt, braucht deren Einwilligung. Auch bei Verstorbenen ist man nicht frei; nach dem Kunsturhebergesetz bedarf die Veröffentlichung eines Bildnisses bis zehn Jahre nach dem Tod der Einwilligung der Angehörigen. Und praktisch: Familienfotos landen beim Hochladen auf Servern in den USA oder in China. Wer sie nur privat ansehen will, sollte einen Anbieter wählen, der Eingaben nicht zum Training verwendet, oder das in den Einstellungen abschalten.

Rechte und Kennzeichnung

Das Ausgangsbild muss Ihnen gehören oder für diese Nutzung lizenziert sein. Manche Lizenzen von Bildagenturen schränken die Verarbeitung mit KI ein; ein Blick in die Bedingungen spart Ärger. Das Ergebnis dürfen Sie in der Regel nur mit einem Bezahltarif geschäftlich verwenden, in den Gratisstufen fast nie.

Seit dem 2. August 2026 verlangt der AI Act, dass realistisch wirkende, künstlich erzeugte oder veränderte Aufnahmen von Personen, Orten oder Ereignissen als solche offengelegt werden. Ein animiertes Produktfoto fällt eher nicht darunter, ein sprechendes Porträt einer echten Person sehr wohl. Die getesteten Video- und Stimmenwerkzeuge mit Note stehen in der Kategorie KI-Videogeneratoren & Stimmen-KI.

Kurzfassung: Das Ausgangsbild entscheidet mehr als der Prompt: passendes Seitenverhältnis, klares Motiv mit Raum für Bewegung, keine Schrift im Bild. Der Prompt beschreibt nur Bewegung und Kamera. Kling für Figuren, Seedance für Produkte, Veo für Ton, Luma zum Einstieg, Runway für die Nachbearbeitung. Fotos von Menschen nur mit Einwilligung.