Home/Glossar

KI-Video- & Storyboard-Glossar

Verständliche Definitionen der Begriffe hinter KI-Videogenerierung und Storyboards — vom Storyboard und der Shotliste bis zu den Generierungsmodi (t2v, i2v, r2v), die dir in jedem modernen Tool begegnen.

Storyboard & Vorproduktion

Storyboard: Eine geordnete Folge von Einstellungen — jede als Bild oder Beschreibung mit Bildausschnitt und Aktion —, mit der du den Film schon vor dem Dreh siehst. In KI-Workflows trägt jedes Feld oft den Prompt, der es generiert.
Shotliste (Einstellungsliste): Die strukturierte Textaufschlüsselung jeder Einstellung einer Szene: Nummer, Typ (Totale / Halbnah / Nahaufnahme), Kamerawinkel, Bewegung, Motiv und Dauer. Die Shotliste ist die „Tabellen“-Version des Storyboards.
Animatic: Eine getimte Diashow der Storyboard-Bilder, oft mit provisorischem Ton, um das Timing zu prüfen, bevor es Material gibt. Ein Animatic ist eine Abfolge von Standbildern — kein generiertes Video.
Logline: Ein einziger Satz, der eine Geschichte einfängt: Hauptfigur, Ziel, Hindernis und Einsatz. Das Briefing, an dem sich jede spätere kreative Entscheidung misst.
Treatment / Exposé: Eine kurze Prosafassung der ganzen Geschichte — meist ein bis zwei Seiten, ohne Dialog —, vor dem Drehbuch geschrieben, damit sich Strukturprobleme günstig beheben lassen.
Drehbuch: Das formatierte Skript eines Films: Szenenüberschriften, Aktion und Dialog. In einem KI-Storyboard-Workflow wird das Drehbuch zuerst gesperrt und dann in Einstellungen zerlegt.
Establishing Shot (Einführungseinstellung): Eine Totale, meist zu Beginn einer Szene, die Ort und räumliche Geografie setzt, damit das Publikum weiß, wo es ist, bevor enger auf die Aktion geschnitten wird.
Schnitt: Der Übergang von einer Einstellung zur nächsten. Erst das Planen des Schnitts zwischen den Einstellungen lässt ein Storyboard als durchgehende Bewegung lesen statt als Galerie einzelner Bilder.

KI-Generierungsmodi

Text-zu-Video (t2v): Einen Videoclip direkt aus einem Text-Prompt generieren, ohne Eingabebild.
Bild-zu-Video (i2v): Ein Standbild animieren: Du lieferst ein Startbild, und das Modell erzeugt daraus die Bewegung.
Referenz-zu-Video (r2v): Video aus Referenzeingaben generieren, die Figur, Stil oder Motiv vorgeben — ohne ein striktes erstes Bild festzulegen. Bei multimodalen Modellen können die Referenzen nicht nur Bilder sein, sondern auch Referenzvideo und -audio (siehe Video-zu-Video).
Erstes und letztes Bild (firstlast): Ein Start- und ein Endbild vorgeben; das Modell generiert die verbindende Bewegung dazwischen.
Text-zu-Bild (t2i): Ein Standbild aus einem Text-Prompt generieren.
Bild-zu-Bild (i2i): Ein vorhandenes Bild per Prompt bearbeiten oder umstilisieren und dabei den Kerninhalt bewahren — für Outfit-Wechsel, Mimikänderungen und Referenz-Aufbereitung.

KI-Video-Konzepte

Figurenkonsistenz: Eine Figur über mehrere Einstellungen und Generierungen hinweg wie dieselbe Person aussehen lassen — Gesicht, Outfit, Statur —, indem Identitäts-Referenzbilder und eine Persönlichkeit an eine wiederverwendbare Figur gebunden werden, statt sie in jedem Prompt neu zu beschreiben.
Video-Prompt: Die strukturierte Beschreibung, die für eine Einstellung an ein Videomodell geht — meist ein erstes Bild, die Bewegung durch die Einstellung und ihr Endpunkt — plus Referenzbilder und Stil.
Multi-Modell-Plattform: Eine Plattform, die aus einem Konto Zugriff auf viele KI-Modelle gibt (z. B. Sora 2, Kling, Seedance, VEO), sodass du jede Einstellung an das passende Modell schicken kannst, statt an eine Engine gebunden zu sein.
Frame-Chaining (Bildverkettung): Das letzte Bild einer Einstellung als erstes Bild der nächsten verwenden, damit eine fortlaufende Aktion über den Schnitt hinweg kohärent bleibt.
Hochskalierung (Super-Resolution): Die Pixelauflösung eines Bildes oder Videos erhöhen — etwa von 1080p auf 4K —, während ein KI-Modell plausible Feindetails (Kanten, Textur) rekonstruiert, statt die Pixel bloß zu strecken. Häufig genutzt, um KI-generiertes Material günstig in niedriger Auflösung zu erzeugen und dann hochzuskalieren. Der Upscaler von FlyAIgh läuft über die API von Topaz Labs.

Video-zu-Video & Referenzen

Video-zu-Video (v2v): Ein neues Video generieren, gesteuert von einem vorhandenen, statt nur aus Text. Der Referenzclip kann Stil, Bewegung oder Motiv einer neuen Generierung lenken. Bei modernen multimodalen Modellen geschieht das, indem der Quellclip als Referenzvideo zusammen mit dem Prompt übergeben wird — nicht, indem das Original Bild für Bild übermalt wird.
Stiltransfer: Die visuelle Ästhetik eines Mediums — Farbe, Epoche, Animationsstil — auf neue Inhalte übertragen. In KI-Video ist Stiltransfer einer der häufigsten Video-zu-Video-Jobs (etwa eine Realaufnahme in Anime verwandeln).
Referenzvideo: Ein Videoclip, der als Eingabe geliefert wird, um eine Generierung zu lenken: sein Look, seine Kamerabewegung oder seine Bewegung wird in die neue Ausgabe übertragen. Anders als ein Startbild ist ein Referenzvideo ein Regiesignal und nicht buchstäblich das erste Bild der Ausgabe.
Referenzaudio: Eine Audiospur, die als Eingabe geliefert wird, damit sich das generierte Video dazu bewegt oder sie einbindet — für musikgeführte oder tonsynchrone Generierung. Multimodale Modelle wie Seedance 2.0 nehmen Referenzaudio neben Referenzbildern und -video an.

Schnitt & Continuity

Match Cut: Ein Schnitt, bei dem eine Form, Bewegung oder Komposition aus einer Einstellung in die nächste übergeht, sodass der Übergang bewusst und durchgehend wirkt. Das Gegenteil eines harten, zusammenhanglosen Schnitts.
J-Cut und L-Cut: Schnitte, bei denen Ton und Bild zu verschiedenen Zeitpunkten wechseln. Beim J-Cut beginnt der Ton der nächsten Einstellung vor ihrem Bild; beim L-Cut klingt der Ton der vorigen Einstellung in die nächste nach. Beide glätten die Naht zwischen Einstellungen.
Jump Cut: Ein Schnitt zwischen zwei nur leicht verschiedenen Einstellungen desselben Motivs, der einen bewussten Sprung in Zeit oder Position erzeugt. Wird für Tempo oder Zeitstraffung eingesetzt; vermieden, wenn unsichtbare Continuity das Ziel ist.
180-Grad-Regel: Eine Continuity-Richtlinie: Halte die Kamera auf einer Seite einer gedachten Linie zwischen zwei Motiven, damit ihre Links-rechts-Positionen über Schnitte hinweg konsistent bleiben. Das Überschreiten der Linie desorientiert den Zuschauer.

Kamerasprache (Einstellungen & Bewegung)

Totale (Weit-Einstellung): Eine Einstellung, die das Motiv in seiner ganzen Umgebung zeigt — die komplette Szene und wo alle stehen. In KI-Video ist sie die Einführungseinstellung: zuerst generieren, um die Geografie festzulegen, dann auf engere Einstellungen schneiden.
Halbnahe (Medium Shot): Eine Einstellung, die eine Person etwa ab der Taille zeigt — nah genug für die Mimik, weit genug für die Geste. Die Arbeitseinstellung für Dialoge.
Nahaufnahme (Close-up): Eine Einstellung, die das Bild mit einem einzigen Motiv füllt — meist einem Gesicht —, um Emotion oder Detail zu tragen. In KI-Video zählt bei Nahaufnahmen die Figurenkonsistenz am meisten, weil das Gesicht groß ist.
Schwenk (horizontal): Eine Bewegung, bei der die Kamera von einem festen Punkt horizontal dreht und die Szene nach links oder rechts abfährt. In einem KI-Video-Prompt als „Kamera schwenkt nach links/rechts“ beschreiben, nicht das Motiv bewegen.
Neigung (vertikaler Schwenk): Eine Bewegung, bei der die Kamera von einem festen Punkt vertikal dreht, nach oben oder unten kippt — um Höhe zu zeigen oder einem aufstehenden Motiv zu folgen. Das vertikale Gegenstück zum Schwenk.
Kamerafahrt (Dolly): Eine Einstellung, bei der sich die ganze Kamera auf einer Schiene physisch auf das Motiv zu oder von ihm weg bewegt und die Perspektive ändert (anders als der Zoom, der nur vergrößert). „Dolly in“ baut Intensität auf, „Dolly out“ zeigt den Kontext.
Verfolgungsfahrt: Eine Einstellung, bei der die Kamera neben oder hinter einem bewegten Motiv mitfährt und es im Bild hält. Auch Mitfahrt genannt — das Rückgrat dynamischer Bewegungs-Prompts in KI-Video.
Zoom: Die Brennweite des Objektivs ändern, um den Ausschnitt zu vergrößern oder zu erweitern, ohne die Kamera zu bewegen. Der Zoom plättet den Raum, die Kamerafahrt verändert ihn — sie wirken verschieden, selbst bei gleichem Bildausschnitt.
Untersicht (Froschperspektive): Eine Einstellung von unterhalb des Motivs nach oben, die es mächtig, groß oder dominant wirken lässt. Das Gegenteil der Aufsicht.
Aufsicht: Eine Einstellung von oberhalb des Motivs nach unten, die es meist klein, verletzlich oder beobachtet wirken lässt.
Schräge (Dutch Angle): Eine Einstellung mit geneigter Kamera, sodass der Horizont diagonal verläuft — erzeugt Unbehagen, Spannung oder Desorientierung.
Over-the-Shoulder (Über-die-Schulter): Eine Einstellung von hinter der Schulter einer Person auf eine andere, die ein Gespräch im Raum verankert. Der Standard für Zweier-Dialoge, wo die 180-Grad-Regel die Blickachsen konsistent hält.

Bereit, es auszuprobieren?

KI-Storyboard-Generator Kostenlose Storyboard-Vorlagen (PDF)Ein Drehbuch in ein Storyboard verwandeln