KI-gestützte Videoerstellung für Medienhäuser

Das echte Ausmaß des Problems

Video ist das meistgenutzte Content-Format auf Instagram, TikTok, YouTube, LinkedIn und Facebook. Nachrichtenanbieter, die keine Video-Präsenz haben, erreichen dort vor allem Jüngere schlechter.

Gleichzeitig: Eine professionelle Videoproduktion kostet 3.000–15.000 Euro für 3–5 Minuten. Ein monatliches Video-Budget, das wettbewerbsfähig ist, erfordert von Redaktionen 50.000–150.000 Euro/Jahr plus Personalkosten für Videojournalisten und Cutter. Für kleine und mittlere Verlage ist das strukturell nicht machbar.

Das Ergebnis: Redaktionen haben guten Inhalt, aber kein Video-Format. Sie sehen, dass Video-Posts auf den eigenen Kanälen oft deutlich mehr Reichweite erzielen als Text-Links, wie Sarahs 40 Likes gegen 12.000 Views, und können trotzdem nicht skalieren. KI-Videoproduktionswerkzeuge haben diese Lücke in den letzten zwei Jahren erheblich verkleinert, aber die Qualitätsunterschiede zu professioneller Produktion sind noch real.

Mit vs. ohne KI-Videoproduktion, ein ehrlicher Vergleich

Richtwerte aus Praxiserfahrungen mit Synthesia, Pictory und HeyGen (2023–2024). Qualitätsvergleiche subjektiv.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) KI-Videoproduktion spart erheblich gegenüber professioneller Produktion. Aber es bleibt noch echte Redakteurszeit für Skript, Qualitätskontrolle und Anpassung, eine vollautomatische “Artikel-zu-Video”-Pipeline ohne menschliche Kontrolle liefert selten social-taugliche Qualität. Im Medien-Vergleich liegt das in der Mitte.

Kosteneinsparung, mittel (3/5) Der Unterschied zwischen 200–500 Euro Freelancer-Kosten und wenigen Euro Tool-Kosten pro Video ist direkt messbar, aber nur für die Videos, die ihr heute tatsächlich bei Freelancern bestellt. Wer bisher ein, zwei Clips im Monat einkauft, spart deren Honorar, sofern die KI-Qualität für den Zweck reicht. Die 20 Videos, die ihr künftig zusätzlich macht, sparen nichts, sie kosten Redakteurszeit und bringen Reichweite.

Schnelle Umsetzung, mittel (3/5) Erste Test-Videos entstehen in 1–2 Wochen. Aber bis ein konsistenter Stil und ein effizienter Workflow stehen, vergehen 4–8 Wochen Lernkurve. Die Tools sind nicht trivial, Qualität hängt stark von Skript und Bildauswahl ab, nicht nur vom Tool selbst.

ROI-Sicherheit, mittel (3/5) Mehr Video-Output = mehr Social-Media-Reichweite: Das ist messbar. Views auf Instagram oder TikTok sind aber kein Erlös, die Plattform verkauft die Werbung daneben. Geld wird daraus erst über Klicks auf eure Seite, die dort Werbung sehen oder ein Abo abschließen, und dieser Anteil ist bei Social-Video meist klein. Der erste Schritt (Reichweite) ist klar, die kommerzielle Übersetzung hängt vom Geschäftsmodell ab.

Skalierbarkeit, gering (2/5) Im Unterschied zur automatisierten Sportberichterstattung skaliert KI-Videoproduktion nicht ohne menschlichen Input. Jedes Video braucht Skript, Auswahl und Kontrolle. Das bedeutet: mehr Videos = nicht null Mehraufwand, sondern weniger Mehraufwand. Echter Scale ist erst mit vollautomatisierten Pipelines möglich, die aber höhere Qualitätsrisiken tragen.

Richtwerte, abhängig von Artikel-Komplexität, gewünschtem Qualitätsstandard und Redaktions-Workflow.

Was KI-Videoproduktion konkret macht

Der Prozess läuft in vier Schritten, von denen die ersten zwei automatisierbar sind:

Schritt 1, Skript-Extraktion: LLM (z. B. ChatGPT oder claude-ai ) kondensiert den Artikel auf die 3–5 wichtigsten Punkte für ein 60-Sekunden-Video. Wichtig: Skript für gesprochenes Wort optimieren, nicht für gelesenen Text, kürzere Sätze, aktivere Formulierungen.

Schritt 2, Visual-Auswahl: KI wählt passende Stock-Footage oder Bilder automatisch aus Bibliotheken (Pexels, Shutterstock, interne Bilderdatenbank). Für erklärende Grafiken können Slide-Vorlagen mit variablen Textfeldern gefüllt werden.

Schritt 3, Vertonung: Text-to-Speech mit natürlich klingender Stimme ( elevenlabs , Murf, Azure Neural Voices). Alternativ: KI-Avatar-Sprecher ( synthesia , heygen ) für ein konsistentes Video-Erscheinungsbild.

Schritt 4, Zusammenführung und Kontrolle: Automatischer Export in Social-Media-Formate (9:16 für Instagram/TikTok, 1:1 für LinkedIn, 16:9 für YouTube). Redakteur kontrolliert Skript-Korrektheit und Bild-Relevanz, 10–15 Minuten.

Konkrete Werkzeuge, was wann passt

pictory , Text-to-Video-Plattform, die Artikel in kurze Video-Clips umwandelt. Automatische Szenenauswahl aus Stock-Footage, automatische Untertitel. Starter ab 25 US-Dollar im Monat bei jährlicher Zahlung, 29 US-Dollar monatlich. Gut für Redaktionen ohne Videokenntnisse, die schnell starten wollen.

synthesia , KI-Avatar-Sprecher-Plattform. Konsistenter Sprecher-Avatar statt Stock-Footage. Höhere Produktionsqualität, kostenloser Einstieg mit 10 Minuten im Monat, Starter 18 bis 29 US-Dollar im Monat. Gut für Erklärvideos und News-Formate mit fester Moderator-Optik.

heygen , ähnlich wie Synthesia, mit mehr Anpassungsmöglichkeiten für Avatar-Design. Gut für Verlage, die einen individuellen “Marken-Sprecher” aufbauen wollen.

elevenlabs (kostenlos bis 10.000 Zeichen/Monat), Sprachsynthese für Voice-Over. Kombinierbar mit Canva oder eigenem Video-Editor. Flexibelster Einstieg für Redaktionen, die bereits einen Video-Workflow haben.

canva (kostenlos für Basis-Features), einfachste Einstiegsmöglichkeit. Canva Templates für Social-Video, Text-Animation, automatische Untertitel. Für Redaktionen ohne technische Ressourcen der schnellste Weg zu ersten Video-Posts.

Datenschutz und Datenhaltung

Wenn Stock-Footage oder lizenzpflichtige Bilder verwendet werden, müssen die Lizenzbedingungen für Video-Nutzung geprüft werden, viele Bild-Abos decken keine Video-Nutzung ab. KI-generierte Sprecher und Avatare: Urheberrechtlich für redaktionelle Nutzung in der Regel unproblematisch, aber die Nutzungsbedingungen der Plattformen sollten geprüft werden.

DSGVO-Relevanz: Wenn keine personenbezogenen Daten der Leser oder Mitarbeiter in die Video-Produktion einfließen, ist der Prozess datenschutzrechtlich unkompliziert. Ausnahme: Wenn Mitarbeiterbilder oder Stimmen für KI-Avatare verwendet werden, braucht es explizite Einwilligung der betreffenden Personen. Presserecht: Automatisch erstellte Videos unterliegen denselben journalistischen Sorgfaltspflichten wie manuell produzierte, KI-generierter Text muss von einem Redakteur freigegeben werden, bevor er veröffentlicht wird. Seit der Fassung vom 19. März 2025 sagt das auch die Präambel des Pressekodex: Die presseethische Verantwortung gilt auch für künstlich generierte Inhalte.

Kennzeichnung nach Art. 50 Abs. 4 KI-Verordnung, seit dem 2. August 2026: Für das Skript gilt die Ausnahme, solange ein Redakteur es prüft und die Redaktion es verantwortet. Anders beim Bild: Ein KI-Avatar oder eine geklonte Stimme, die einer echten Person ähnelt und fälschlich echt wirken könnte, ist ein Deepfake im Sinne der Verordnung und muss als künstlich erzeugt offengelegt werden. Ein Hinweis wie “Sprecher und Stimme KI-generiert” im Video und im Post erledigt das. Stock-Footage, das beim flüchtigen Hinsehen wie Originalmaterial zum Ereignis wirkt, braucht nach Pressekodex Richtlinie 2.2 ohnehin eine Klarstellung als Symbolbild.

Synthesia sitzt in London, HeyGen und Pictory in den USA, laut unseren Toolseiten ohne EU-Hosting als Standard. AVV-Verträge sind verfügbar. Für Verlage mit strengen Datenschutz-Anforderungen gehören in diese Tools keine personenbezogenen Daten, die nicht ohnehin veröffentlicht werden.

Was es kostet, realistisch gerechnet

SaaS-Video-Stack (Pictory + ElevenLabs):

• Tool-Kosten: Pictory Starter 25–29 US-Dollar plus ElevenLabs Starter 6 oder Creator 22 US-Dollar, zusammen rund 30–50 US-Dollar im Monat
• Redakteurszeit je Video: 20–40 Minuten
• Ziel: 20 Videos/Monat → ca. 400 bis 800 Minuten Redakteursaufwand, also 7 bis 13 Stunden, plus die Tool-Kosten

Was davon Geld ist: Gespart wird nur, was ihr heute an Freelancer bezahlt. Wer wie in der Checkliste oben unter 1.000 Euro im Monat für Video ausgibt, etwa drei Clips zu je 300 Euro, spart höchstens diese 900 Euro, abzüglich rund 40 Euro Tools, und nur, wenn die KI-Qualität für diese Clips reicht. Die übrigen 17 Videos sind neuer Output. Sie kosten die 7 bis 13 Stunden Redakteurszeit und bringen Reichweite, deren Wert sich erst über Klicks auf eure Seite und Abo-Abschlüsse bemisst. Die Rechnung “20 Videos mal 300 Euro gleich 6.000 Euro gespart” stimmt nur für ein Haus, das diese 20 Videos sonst wirklich eingekauft hätte.

Wichtigste Einschränkung: KI-Videos sind erkennbar automatisiert produziert. Für Investigativ-Beiträge oder komplexe Themen ist professionelle Produktion unersetzlich. KI-Videos sind geeignet für: Erklärstücke, Ergebnismeldungen, Zusammenfassungen, News-Tickers.

Typische Einstiegsfehler

Skript direkt aus Artikel kopiert: Zeitungstext ist nicht Video-Skript. Lange Sätze, passive Konstruktionen und Fußnotenstil funktionieren gesprochen nicht, zu dichte Videos werden schneller weggewischt. Abhilfe: Skript immer für gesprochene Sprache umschreiben; Sätze auf maximal 15 Wörter kürzen. Das ist die wichtigste Qualitätssteigerungsmaßnahme.

Stock-Footage thematisch unpassend: Wenn über Inflation berichtet wird und das Video Bilder von glücklich einkaufenden Menschen zeigt, wirkt es unglaubwürdig und senkt die Verweildauer, ablesbar an der Zuschauerbindung in der Plattform-Statistik. Abhilfe: Jedes Video einmal stumm abspielen und prüfen, ob die Bilder die Aussage des Skripts stützen. KI-Bildauswahl ist ein guter Startpunkt, aber braucht Redakteurs-Kontrolle.

Format nicht angepasst: 16:9-Videos auf Instagram = schwarze Balken oben und unten = schlechte Performance. Jedes Social-Netzwerk hat ein bevorzugtes Format, Videos müssen plattformspezifisch exportiert werden.

Zu viel Text im Video: Videos werden oft ohne Ton konsumiert (öffentlicher Nahverkehr). Untertitel sind Pflicht, aber auch Untertitel-Dichte muss passen, zu viel Text pro Sekunde = unlesbar.

Keinen Stil-Guide dokumentieren, und dann bei jedem Video von vorne anfangen: Wer einmal eine gute Video-Vorlage gebaut hat (Farben, Schriften, Untertitel-Stil, Intro-Länge), muss diese Entscheidungen dokumentieren. Ohne Stil-Guide produziert jeder Redakteur sein eigenes visuelles System, und der Kanal sieht nach drei Monaten aus wie fünf verschiedene Verlage.

Was mit der Einführung wirklich passiert, und was nicht

Was passiert: Die ersten Wochen sind Experimentierphase. Erster Test-Clip in Pictory: 30 Minuten. Ernüchterung: Stock-Footage passt nicht, Stimme klingt zu steif, Schnitt holprig. Zweiter Versuch: besser. Nach 8–10 Videos entsteht ein Gefühl für was funktioniert, und ein Mini-Stil-Guide. Ab Monat zwei: konsistentere Qualität, schnellere Produktion.

Was nicht passiert: Eine vollautomatische Pipeline, die jeden Artikel in ein publishbares Video verwandelt, ohne dass ein Mensch reinschaut. Der Qualitätssprung zwischen “automatisch generiert” und “social-tauglich” braucht immer 10–20 Minuten Redakteurszeit, mindestens.

Widerstand im Team: Nicht jeder Redakteur ist bereit, “Video-Produzent” zu werden. Die Aufgabe der Social-Media-Redakteurin ändert sich von “Posts schreiben” zu “Video-Pipeline managen”. Das ist eine andere Kompetenz und braucht Bereitschaft zur Weiterentwicklung.

Erfolgsmuster: Verlage, die früh einen dedizierten Verantwortlichen für den Video-Workflow benennen (nicht “alle machen das nebenbei”), haben bessere Ergebnisse. Eine Person, die den Prozess besitzt, die Vorlagen pflegt und die Qualität kontrolliert, macht mehr Unterschied als jede Tool-Auswahl.

Realistischer Zeitplan mit Risikohinweisen

Gesamtvorlauf bis stabiler Routine: 6–10 Wochen. Dann monatliche Iteration auf Basis von Reichweite-Daten.

Häufige Einwände, und was dahintersteckt

“KI-Videos sehen aus wie KI-Videos, das schadet dem Qualitäts-Image unserer Marke.” Für Investigativ-Beiträge: korrekt. Für Erklärstücke und Zusammenfassungen: weniger als vermutet. Nutzer auf TikTok und Instagram reagieren stärker auf Format-Relevanz als auf Produktionsqualität, solange der Inhalt stimmt. Der Test: Einen KI-Video-Clip mit einem professionellen Clip vergleichen bei gleicher Inhaltsqualität. Die Zahlen sprechen meistens deutlicher als die Intuition.

“Wir haben keine Person, die sich damit beschäftigen kann.” Das ist der häufigste Stopper, und der ehrlichste. KI-Videoproduktion braucht jemanden, der 3–5 Stunden pro Woche investiert, mindestens in den ersten drei Monaten. Wenn diese Person nicht da ist, ist der Start verfrüht. Besser: erst dann anfangen, wenn ein dedizierter Verantwortlicher benannt ist.

“Lizenzrecht und Urheberrecht bei KI-generierten Inhalten sind noch unklar.” Für KI-generierte Sprachsynthese (ElevenLabs, Azure): urheberrechtlich unproblematisch für redaktionelle Nutzung, solange keine echte Stimme ohne Einwilligung geklont wird. Die Kennzeichnungspflicht nach Art. 50 Abs. 4 KI-VO ist davon getrennt zu prüfen, siehe Datenschutz und Datenhaltung. Für KI-Avatar-Generatoren (Synthesia, HeyGen): Nutzungsbedingungen klar auf kommerzielle Nutzung ausgelegt. Für Stock-Footage in KI-Pipelines: Lizenzen prüfen, das ist der tatsächliche Risiko-Punkt, nicht die KI selbst.

Woran du merkst, dass das zu dir passt

Das spricht dafür:

• Vorhandener guter Text-Content, dem Video-Verbreitung fehlt
• Social-Media-Präsenz ausbaufähig und Budget für professionelle Produktion nicht vorhanden
• Bereitschaft für 4–8 Wochen Lernkurve und Stil-Entwicklung
• Mindestens eine Person kann 3–5 Stunden/Woche in den neuen Workflow investieren

Das spricht dagegen:

• Hochkomplexe Themen oder investigativer Journalismus, der Glaubwürdigkeit durch Produktionsqualität braucht, dann bleibt professionelle Produktion unersetzlich
• Kein Redakteur mit Zeit für Skript und Kontrolle, vollautomatisch ohne Aufsicht führt zu Qualitätsproblemen, die den Ruf mehr kosten als der ROI einbringt
• Primäres Ziel ist Tiefgang, nicht Reichweite, dann ist Textformat weiter die stärkere Wahl
• Weniger als 5 Artikel pro Woche, die Amortisierung der Lernkurve dauert zu lange

Das kannst du heute noch tun

Melde dich bei pictory für den kostenlosen Testzugang an und wandle einen eurer drei meistgelesenen Artikel der letzten Wochen in ein 60-Sekunden-Video um. Nutze dafür den Prompt unten für das Skript. Wenn das fertige Video auf LinkedIn oder Instagram veröffentlicht wird und mehr Reichweite erzielt als der ursprüngliche Text-Post: Proof-of-Concept erbracht.

Quellen & Methodik

• Tool-Preise und Hosting: Unsere Toolseiten zu Pictory, Synthesia, HeyGen, ElevenLabs und Canva, Stand September 2026.
• KI-Verordnung (EU) 2024/1689: Art. 50 Abs. 4 und Art. 3 Nr. 60 (Deepfake), anwendbar seit 2. August 2026, eur-lex.europa.eu.
• Pressekodex: Präambel und Richtlinie 2.2 (Symbolbild), Fassung vom 19. März 2025, presserat.de.
• Zeit- und Kostenwerte: Eigene Praxiserfahrungen mit Synthesia, Pictory und HeyGen (2023–2024), keine repräsentative Messung.