Kurz gesagt
Wenn du schon ein Skript hast, bist du auf dem Weg zum Erklärvideo fast am Ziel. Entscheide zuerst, welche Art du möchtest: ein Avatar-Erklärvideo (ein KI-Präsentator liest dein Skript vor der Kamera) oder ein animiertes Erklärvideo (dein Skript wird zu Szenen, Text, Icons und Bewegung). Straffe dann das Skript auf eine Idee alle 8 bis 10 Sekunden, teile es in Szenen auf, erzeuge jede Szene, füge Sprecherstimme und Untertitel hinzu und exportiere. Ein animiertes 60-Sekunden-Erklärvideo, für das früher ein Storyboard-Artist und ein Animator mehrere Wochen brauchten, ist jetzt in einer Arbeitssitzung machbar.
Avatar-Erklärvideo oder animiertes Erklärvideo: Was brauchst du?
Die meisten „Skript zu Video“-Tools, auf die du zuerst stößt, sind Avatar-Tools: HeyGen, Synthesia, Colossyan. Du fügst ein Skript ein, und ein realistischer KI-Präsentator liest es in die Kamera. Das passt für manche Aufgaben sehr gut und für andere gar nicht, also entscheide, bevor du ein Tool auswählst.
Wähle ein Avatar-Erklärvideo, wenn ein menschliches Gesicht Vertrauen schafft: interne Schulungen, HR und Compliance, Onboarding durch „das Team“ oder wenn du dasselbe Video in zwanzig Sprachen brauchst. Dafür sind Avatar-Tools sehr gut.
Wähle ein animiertes Erklärvideo, wenn die Idee der Star ist, nicht der Präsentator: wie dein Produkt funktioniert, ein Prozess, ein Vorher-Nachher, ein Konzept, das sich leichter zeigen als erklären lässt. Eine Animation kann Oberfläche, Zahlen und Diagramm genau in dem Moment einblenden, in dem das Skript sie erwähnt – das schafft ein Talking Head nicht.
| Weg | Was du bekommst | Kosten | Zeit für 60 Sekunden | Am besten für |
|---|---|---|---|---|
| Animationsstudio oder Freelancer | Individuell animiertes Erklärvideo | 2.000 bis 10.000 € und mehr pro Minute | 2 bis 6 Wochen | Ein Flaggschiff-Video für die Startseite |
| Avatar-Tools (HeyGen, Synthesia, Colossyan) | Ein KI-Präsentator liest dein Skript vor | Kostenlose Tarife; HeyGen Creator 29 $/Monat oder 24 $/Monat bei jährlicher Abrechnung. Colossyan Professional 89 $/Monat oder 59 $/Monat bei jährlicher Abrechnung. Die Preise der kostenpflichtigen Synthesia-Tarife variieren je nach Region. | Unter einer Stunde | Schulungen, Onboarding, Übersetzungen |
| Vorlagen-Tools (Canva, Vyond) | Vorgefertigte animierte Szenen | Canva Kostenlos; der Preis von Pro variiert je nach Region. Vyond bietet eine Testphase, keinen kostenlosen Tarif; Starter 699 $/Jahr. | Ein paar Stunden | Einfache, generische Erklärvideos |
| Prompt-to-Motion (fluos) | Aus deinem Skript erzeugte animierte Szenen | Eine kostenlose Erstellung pro Tag; Pro auf Credit-Basis ab 10 $/Monat, zahl, was du willst | Eine Arbeitssitzung | Markenkonforme Erklärvideos zu Produkt und Konzept |
Die Zahlen zu Studios sind marktübliche Planungsspannen, keine Angebote. Die Zeitangaben hängen von Skriptlänge, Korrekturen und Komplexität ab. Quellen der Abo-Preise, geprüft am 1. Oktober 2026: HeyGen, Synthesia, Colossyan, Canva, die Jahrespreise von Vyond und Fluos. Jahrespreise setzen eine jährliche Abrechnung voraus, kein monatliches Abo. Die Preise von Canva und Synthesia hängen von deinem Standort ab; prüfe deinen lokalisierten Checkout. Es können Steuern und Nutzungslimits anfallen.
Der Rest dieser Anleitung behandelt den animierten Weg, denn dazu gibt es die wenigsten guten Anleitungen.
Wie wandelst du ein Skript Schritt für Schritt in ein Erklärvideo um?
Das Skript straffen.
Lies es mit einer Stoppuhr laut vor. Menschen sprechen etwa 150 Wörter pro Minute, ein 60-Sekunden-Erklärvideo hat also rund 150 Wörter, und die meisten ersten Entwürfe sind doppelt so lang. Kürze, bis jede Zeile ihren Platz verdient. Die Regel, die am meisten bringt: eine Idee alle 8 bis 10 Sekunden. Wenn ein Satz zwei Ideen enthält, sind es zwei Szenen oder ein Satz zu viel.In Szenen aufteilen.
Setze überall dort einen Zeilenumbruch, wo sich die Idee ändert. Jeder Block wird zu einer Szene. Ein 60-Sekunden-Skript ergibt meist 6 bis 8 Szenen. Schreib neben jede Szene in wenigen Worten, was zu sehen sein soll: „die Rechnungsliste, eine Zeile wird grün“, nicht „irgendetwas zu Zahlungen“.Den Look einmal festlegen.
Bevor du etwas erzeugst, lege Farben, Schriften, Logo und den Charakter der Bewegung fest (spritzig oder ruhig). Wenn du ein Brand-Motion-Kit hast, nutze es hier wieder. Wer das einmal festlegt, sorgt dafür, dass Szene sechs wie Szene eins aussieht. Im Leitfaden zum Brand-Motion-Kit findest du wiederverwendbare Regeln.Die Szenen aus dem Skript erzeugen.
In einem promptbasierten Tool wie fluos fügst du das Skript und die Szenennotizen ein, und die Animation wird für dich gebaut. Sieh sie dir in der Live-Vorschau an und korrigiere in einfacher Sprache: „Halte Szene drei länger“, „Lass die Zahl hochzählen“, „Ändere nur Szene zwei“. Korrigiere pro Nachricht nur eine Sache, damit du siehst, was sich verändert hat. Bei den ersten 500 Videos, die mit fluos entstanden sind, war das Rendering im Schnitt nach etwa drei Minuten fertig – eine zweite Version einer Szene kostet dich also Minuten, keine Korrekturschleife. Dieser historische Rendering-Durchschnitt ist kein Versprechen für eine einzelne Erstellung.Das Tempo mit der Stimme abgleichen.
Nimm die Sprecherstimme auf oder erzeuge sie und spiel sie zur Animation ab. Das Bild sollte wechseln, wenn die Idee wechselt, nicht einen Takt davor oder danach. Wenn eine Szene gehetzt wirkt, ist die Lösung fast immer eine kürzere Zeile, keine langsamere Animation.Untertitel hinzufügen und exportieren.
Die meisten Erklärvideos werden mindestens einmal ohne Ton angesehen: im Feed, in einem Slack-Thread, auf einer Landingpage, bevor jemand auf Play klickt. Untertitel sind kein Extra. Exportiere ein MP4 für deine Website, Social Media und Anzeigen und ein kurzes GIF der besten Szene für E-Mails.
Für die Audio-Schritte musst du nicht das Tool wechseln: Fluos kann aus deinem exakten Skript eine Sprecherstimme erzeugen und auf Wunsch wortgenau synchronisierte Untertitel hinzufügen. Bitte im Briefing um beides und prüfe dann das Ergebnis, statt davon auszugehen, dass Untertitel automatisch hinzugefügt wurden. MP4-Exporte enthalten Audio; GIF-Exporte sind stumm.
Wie sieht „Skript zu Szene“ in der Praxis aus?
Hier ein Beispiel in realistischer Länge: ein Erklärskript für Ledgerly, eine erfundene Rechnungs-App, und die Szene, die aus jeder Zeile wird. Es ist ein Ausgangspunkt für ein Video von etwa 60 Sekunden; miss deine eigene Lesezeit und lass Platz für Übergänge und die Endkarte.
| Skriptzeile | Szene auf dem Bildschirm |
|---|---|
| „Jeden Monat verlieren Freelancer Stunden damit, unbezahlten Rechnungen hinterherzulaufen.“ | Ein Stapel Rechnungen, dahinter dreht sich eine Uhr rasend schnell |
| „Ledgerly löst das. Verbinde einmal dein Bankkonto, und jede Rechnung, die du verschickst, wird automatisch verfolgt.“ | Logo-Enthüllung, dann verbindet sich ein Bank-Icon über eine Linie mit einer Rechnungsliste |
| „Sobald ein Kunde zahlt, wird die Zahlung zugeordnet und die Rechnung als bezahlt markiert. Keine Tabellen mehr.“ | Eine Rechnungszeile kippt zu einem grünen Label „Bezahlt“ |
| „Zahlt er nicht, schickt Ledgerly nach sieben Tagen eine freundliche Erinnerung und nach vierzehn Tagen eine deutlichere – in deinem Ton, von deiner E-Mail-Adresse.“ | Eine Timeline: die E-Mail von Tag 7 gleitet ein, dann die von Tag 14 |
| „Du siehst alles auf einem Bildschirm: was bezahlt ist, was überfällig ist und was diesen Monat noch hereinkommt.“ | Ein einfaches Dashboard baut sich auf, drei Zahlen zählen hoch |
| „Schluss mit Hinterherlaufen. Lass dich bezahlen. Teste Ledgerly kostenlos.“ | Endkarte: Logo, eine Zeile, URL, bleibt 2 Sekunden stehen |
Achte darauf, was die rechte Spalte leistet: Jede Szene ist etwas, das man sehen kann, und nichts davon ist Dekoration. Wenn du nicht beschreiben kannst, was zu einer Zeile auf dem Bildschirm zu sehen ist, ist die Zeile wahrscheinlich zu abstrakt, um sie zu behalten.
Was sind die häufigsten Fehler bei Skript-zu-Video?
Ein Skript, das zum Lesen geschrieben ist, nicht zum Hören. Lange Sätze und verschachtelte Nebensätze fallen laut gesprochen auseinander. Schreib so, wie du es am Tisch erklären würdest.
Mit dem Unternehmen anfangen statt mit dem Problem. In der ersten Sekunde interessiert niemanden, wer du bist. Steig mit dem Schmerzpunkt ein, dann kommt die Lösung.
Zu viele Ideen. Ein Erklärvideo, das fünf Funktionen erklärt, erklärt keine. Wähle die eine Sache, die sich der Zuschauer merken soll.
Bilder, die die Worte wiederholen. Wenn die Stimme „schnell“ sagt und auf dem Bildschirm das Wort „schnell“ steht, hast du die Szene verschenkt. Zeig, was die Worte nicht können: die Zahl, die Oberfläche, das Vorher und Nachher.
Wann reicht ein KI-Erklärvideo nicht aus?
Für ein Flaggschiff-Video auf der Startseite mit Charakteranimation, illustrierten Welten oder einem Spannungsbogen ist ein gutes Studio sein Geld weiterhin wert. Dasselbe gilt, wenn du einen echten Menschen vor der Kamera brauchst. Für die Erklärvideos, die die meisten Teams tatsächlich brauchen – eine Funktionsvorstellung, ein Onboarding-Clip, ein Konzept für eine Sales-Präsentation –, kommst du inzwischen mit einem Skript und einem Nachmittag ans Ziel. Wenn du noch Tools auswählst, vergleicht unser ehrlicher Überblick über KI-Tools für Motion Graphics sie direkt nebeneinander.
Häufige Fragen
- Wie wandle ich ein Skript in ein Erklärvideo um?
- Straffe das Skript auf eine Idee alle 8 bis 10 Sekunden, teile es in Szenen auf, notiere, was in jeder Szene zu sehen sein soll, und erzeuge die Szenen dann in einem KI-Motion-Tool oder einem Avatar-Tool. Füge eine Sprecherstimme und Untertitel hinzu, prüfe das Tempo und exportiere ein MP4.
- Was sind die besten KI-Tools für Onboarding-Erklärvideos?
- Für einen Präsentator vor der Kamera eignen sich Avatar-Tools wie Synthesia, HeyGen und Colossyan. Für animierte Erklärvideos, die das Produkt und das Konzept zeigen, sind promptbasierte Motion-Tools wie fluos geeignet, für einfachere Videos Vorlagen-Tools wie Canva und Vyond.
- Wie lang sollte das Skript eines Erklärvideos sein?
- Etwa 150 Wörter pro Videominute. Die meisten Erklärvideos funktionieren am besten mit 60 bis 90 Sekunden, also 150 bis 225 Wörtern. Lies das Skript mit einer Stoppuhr laut vor; Pausen und Sprechtempo verändern die endgültige Länge.
- Wie viele Szenen sollte ein 60-Sekunden-Erklärvideo haben?
- In der Regel 6 bis 8, eine pro Idee, jede etwa 8 bis 10 Sekunden lang.
- Was ist der Unterschied zwischen einem Avatar-Erklärvideo und einem animierten Erklärvideo?
- Bei einem Avatar-Erklärvideo liest ein KI-Präsentator dein Skript vor der Kamera. Bei einem animierten Erklärvideo wird dein Skript zu Szenen, Text, Icons und Bewegung. Avatare eignen sich für Schulungen und Übersetzungen, Animation eignet sich, um zu zeigen, wie ein Produkt oder eine Idee funktioniert.