Die häufigste Frage, die uns Marketingverantwortliche aus der Industrie stellen, lautet fast wörtlich so: „Wir haben nur Produktfotos und CAD-Daten, kein Filmmaterial. Kann daraus ein professioneller Produktfilm entstehen und was braucht die Produktion von uns?“ Die Antwort: Ja, das reicht. Produktfotos aus drei bis fünf Perspektiven oder ein sauberer CAD-Export sind 2026 eine vollwertige Produktionsgrundlage. Von Ihnen braucht die Produktion das Material, ein Briefing-Gespräch und zwei Freigaben. Alles andere passiert im Studio.

Ein Hinweis zur Einordnung, bevor es ins Detail geht: Dieser Beitrag ist der technische Ratgeber zum Ausgangsmaterial. Er erklärt, welche Fotos und Daten reichen, was die Modelle können und wie der Ablauf aussieht. Das Angebot selbst, also Leistungsumfang, Preisstaffel und Projektanfrage, finden Sie auf unserer Seite KI-Produktfilm erstellen lassen. Wenn Sie nach dem Lesen wissen wollen, ob Ihr Material taugt, ist das die richtige Adresse.

KI-Video aus Fotos erstellen: welches Ausgangsmaterial reicht

Vier Materialklassen kommen als Basis für ein KI-Video in Frage: Produktfotos ab Full HD mit drei bis fünf Perspektiven, bereinigte CAD-Exporte in STEP, OBJ oder USDZ, hochauflösende Renderings sowie optionale Tonaufnahmen für Voice-over und Sounddesign. Fast jedes produzierende Unternehmen besitzt mindestens zwei davon, oft ohne es zu wissen.

Produktfotos sind der häufigste Fall. Aus einem guten Foto-Satz generieren sogenannte Image-to-Video-Modelle (KI-Systeme, die Standbilder in bewegte Szenen verwandeln) Kamerafahrten, Umgebungen und Anwendungssituationen, die nie fotografiert wurden. Das Produkt selbst bleibt dabei die Referenz, die Umgebung entsteht neu.

CAD-Daten sind auf den ersten Blick Konstruktionsunterlagen. Für die Videoproduktion sind sie zugleich eine besonders belastbare Bildquelle: Aus einem STEP- oder OBJ-Export lassen sich beliebige Perspektiven, Explosionsdarstellungen und Schnittansichten rendern, die anschließend als Referenzbilder in die Generierung gehen. Eine Kamera könnte viele dieser Ansichten gar nicht einfangen, etwa den Blick ins Innere eines geschlossenen Getriebes. Gerade im Maschinenbau ist dieser Weg der Standard. Wie Industrieunternehmen ihn konkret einsetzen, zeigt unser Überblick zu KI-Video für Maschinenbau und Industrie 4.0.

Renderings aus der Produktentwicklung oder dem E-Commerce sind ebenfalls direkt verwendbar. Sie bringen einen Vorteil mit: Licht, Perspektive und Materialdarstellung sind bereits kontrolliert. Und Tonaufnahmen? Die braucht niemand zwingend. Wenn aber ein charakteristisches Maschinengeräusch oder eine eingesprochene Botschaft existiert, fließt beides ins Sounddesign ein.

„Aus Fotos und CAD-Daten entsteht heute bewegtes Material, für das früher ein Drehtag nötig war. Entscheidend bleibt die Auswahl der richtigen Ausgangsbilder.“

David Rudolph, Produzent, KI Video Manufaktur

Mindestanforderungen: Auflösung, Perspektiven, Freisteller

Damit die Generierung Ihr Produkt originalgetreu hält, muss das Material eine konkrete Qualitätsschwelle erreichen: Full HD als Untergrenze der Auflösung, drei bis fünf Perspektiven, gleichmäßige neutrale Beleuchtung und eine separate, frontale Aufnahme von Logo und Beschriftung als Kontrollreferenz. Die Anforderungen sind niedriger, als viele erwarten, aktuelle Smartphone-Kameras erfüllen sie.

Auflösung: Full HD (1920 mal 1080 Pixel) ist die praktikable Untergrenze für Referenzfotos, höhere Auflösung verbessert die Detailtreue spürbar. Aktuelle Smartphone-Kameras liegen darüber. Perspektiven: mindestens drei bis fünf Ansichten, typischerweise Front, Seite, Dreiviertelansicht und ein bis zwei Detailaufnahmen. Je mehr Winkel, desto stabiler hält das Modell die Geometrie. Beleuchtung: gleichmäßig und neutral. Harte Schlagschatten oder Mischlicht aus Neonröhre und Tageslicht erschweren die Arbeit, weil das Modell die Lichtstimmung als Produkteigenschaft interpretieren kann. Freisteller: Ein Freisteller ist ein Foto, bei dem das Produkt vom Hintergrund gelöst wurde. Solche Aufnahmen erleichtern die Referenz-Erstellung deutlich, sind aber kein Muss. Ein ruhiger, einfarbiger Hintergrund erfüllt denselben Zweck. Logo und Beschriftung: einmal separat, frontal und scharf fotografiert. Schriften gehören zu den Elementen, die KI-Modelle am ehesten verfälschen, deshalb dient diese Aufnahme später als Kontrollreferenz.

Und der Aufwand auf Ihrer Seite? In unseren Projekten zeigte sich: Realistisch sind zwei bis vier Arbeitsstunden insgesamt. Material zusammensuchen und hochladen, ein Briefing-Gespräch von etwa 30 bis 60 Minuten, eine Storyboard-Freigabe und eine Korrekturrunde am Schnitt. Wer CAD-Daten liefert, sollte zusätzlich eine Person aus der Konstruktion für Rückfragen benennen. Das war es. Niemand muss ein Drehteam durch die Fertigung führen oder Mitarbeiter für Filmaufnahmen freistellen.

Was Image-to-Video-Modelle 2026 können und wo die Grenzen liegen

Die Modell-Generation 2026 hat die Foto-zu-Film-Produktion praxistauglich gemacht: Kling 3.0 generiert Clips bis 15 Sekunden mit bis zu sechs zusammenhängenden Einstellungen, Veo 3.1 akzeptiert drei Referenzbilder und erzeugt die Tonspur gleich mit, Runway Gen-4 arbeitet konsequent bildgeführt. Ihr Produktfoto wird damit zur verbindlichen Vorlage der generierten Szene.

Im Detail: Kling 3.0 (Kuaishou, Februar 2026) generiert die Einstellungen in einem Durchgang und hält hinterlegte Referenz-Elemente über Szenen hinweg konsistent. Veo 3.1 (Google, seit Oktober 2025) akzeptiert bis zu drei Referenzbilder pro Generierung und erlaubt die Verlängerung bestehender Szenen. Bei Runway Gen-4 (Runway, 2025) bestimmt das Eingabebild Subjekt, Komposition und Licht, der Text beschreibt nur noch die Bewegung. Für die Foto-basierte Produktion ist genau diese Bildführung der entscheidende Mechanismus.

Die Grenzen sind genauso real, und wer sie kennt, versteht den Produktionsaufwand. Feine Details wie Typenschilder, Skalen, Bedienelemente oder Logos können zwischen Generierungen driften, das Modell erfindet dann leicht abweichende Varianten. Hände und filigrane Mechanik bleiben fehleranfällig. Ein einzelner generierter Clip trägt selten länger als 10 bis 15 Sekunden, ein 90-Sekunden-Film besteht also aus vielen Einzelszenen, die zusammenpassen müssen. Und kein Modell ist in allen Disziplinen führend: Für Produkt-Nahaufnahmen, weite Einstellungen und Charakterszenen liefern unterschiedliche Systeme die besten Ergebnisse. Deshalb arbeitet eine professionelle Produktion mit mehreren Modellen parallel und generiert pro Szene viele Varianten, aus denen kuratiert wird. Welche Stärken die einzelnen Systeme aktuell haben, dokumentiert unser KI-Video-Tools-Vergleich 2026 mit Konsistenz-Scores pro Modell.

Der Workflow: von Fotos über Referenz-Sheets zur fertigen Produktion

Der Ablauf bei der KI Video Manufaktur umfasst fünf Schritte vom Materialeingang bis zum fertigen Master: Briefing und Materialsichtung, Referenz-Sheets als Anker der Produktion, Storyboard mit Ihrer Freigabe, kuratierte Generierung mit mehreren Varianten pro Einstellung sowie Postproduktion mit Schnitt, Sounddesign und Kennzeichnung nach Artikel 50. Zwei Korrekturschleifen sind enthalten, nach 14 Tagen liegt der Master vor.

Schritt 1, Briefing und Materialsichtung: Wir prüfen Ihre Fotos, CAD-Exporte oder Renderings auf Auflösung, Perspektiven-Abdeckung und Detailschärfe. Fehlt eine Ansicht, sagen wir Ihnen genau, welche Aufnahme nachgeliefert werden muss. Schritt 2, Referenz-Sheets: Aus dem Material entstehen abgestimmte Referenzbilder Ihres Produkts aus allen relevanten Winkeln, bei CAD-Daten über gerenderte Zwischenansichten. Diese Sheets sind der Anker der gesamten Produktion: Jede spätere Generierung greift auf dieselben Referenzen zu, damit das Produkt in Szene eins und Szene zwölf identisch aussieht. Schritt 3, Storyboard: Wir planen den Film Einstellung für Einstellung, bevor die erste Szene generiert wird. Sie geben das Storyboard frei und wissen damit vorab, was der Film erzählt. Schritt 4, kuratierte Generierung: Pro Einstellung entstehen mehrere Varianten, oft im zweistelligen Bereich. Ausgewählt wird nach Detailtreue zum Referenz-Sheet, Bildruhe und Anschlussfähigkeit an die Nachbarszenen. Die reinen Generierungskosten liegen laut unserem Tools-Vergleich 2026 je nach Modell bei 4 bis 18 Euro pro 30 Sekunden, der eigentliche Wert entsteht in Auswahl und Anschluss. Schritt 5, Postproduktion: Schnitt, Sounddesign, Farbabstimmung und die Kennzeichnung als KI-generierter Inhalt nach Artikel 50 der EU-KI-Verordnung, die ab dem 2. August 2026 verpflichtend ist. Was diese Kennzeichnungspflicht konkret verlangt, erklärt unser Beitrag zur KI-Video-Kennzeichnungspflicht nach dem EU AI Act.

Zwei Korrekturschleifen sind in jeder Produktion enthalten. Die erste liegt üblicherweise nach dem Rohschnitt, die zweite vor der Finalisierung des Masters. Nach 14 Tagen ab Briefing liegt der fertige Film vor, bei umfangreichen Varianten-Paketen entsprechend später.

Was das für Ihr Budget heißt

Eine komplette Produktion beginnt bei der KI Video Manufaktur bei 8.000 Euro netto, typische Projekte mit Schnittvarianten und Voice-over liegen zwischen 8.000 und 15.000 Euro (Stand Juli 2026). Gegenüber einer klassischen Videoproduktion vergleichbaren Anspruchs sind das 50 bis 80 Prozent weniger, weil Drehtage, Location, Crew und Reisekosten komplett entfallen.

Enthalten sind Konzept, Storyboard, kuratierte Generierung, Schnitt, Sounddesign, die Art.-50-Kennzeichnung und die beiden Korrekturschleifen. Eine ausführliche Aufschlüsselung der Preislogik finden Sie unter Was kostet ein KI-Video?.

So argumentieren Sie das intern: Das Ausgangsmaterial ist bereits bezahlt. Produktfotos und CAD-Daten existieren im Haus, ein klassischer Dreh würde dieselben Inhalte ein zweites Mal und teurer erzeugen. Laut Wistia State of Video Report 2026 zählen Produktvideos zu den Formaten mit dem größten Geschäftseinfluss, während 51 Prozent der Unternehmen ihre Video-Budgets flach halten und laut eMarketer (2026) 44 Prozent die Kosten als größte Hürde für mehr Video nennen. Die Rechnung für Ihre Geschäftsführung lautet also: wirksamstes Format, vorhandene Assets, kalkulierbarer Festbetrag ab 8.000 Euro netto, Ergebnis in 14 Tagen.

Wenn Sie prüfen wollen, ob Ihr Material reicht: Senden Sie uns drei bis fünf Produktfotos oder einen CAD-Export zusammen mit einem kurzen Briefing über die Projektanfrage auf der KI-Produktfilm-Seite. Wir sichten das Material und sagen Ihnen ehrlich, was daraus wird, was fehlt und was die Produktion kostet. Ab 8.000 Euro netto, in der Regel 14 Tage Produktionszeit.

Häufige Fragen

Diese Fragen hören wir bei der KI Video Manufaktur in Erstgesprächen zu KI-Videos aus Fotos und CAD-Daten am häufigsten. Die Antworten fassen die Kernaussagen dieses Beitrags kompakt zusammen. Für konkrete Projekte prüfen wir Ausgangslage, Material und Zielsetzung individuell, denn jede Produktion bringt eigene Anforderungen an Budget, Zeitplan und Freigaben mit.

Quellen

Alle Zahlen in diesem Beitrag sind im Text mit Herausgeber und Jahr belegt. Ergänzend fließen eigene Erhebungen der KI Video Manufaktur ein: In der KI-Video-Wirkungsstudie 2026 berichten 71 % der befragten Marketingleiter mit KI-Video-Erfahrung von mindestens 50 % Ersparnis gegenüber dem klassischen Dreh (Quelle: Wirkungsstudie 2026).

• State of Video Report, Wistia, 2026
• B2B video budgets tighten as content demands climb, eMarketer, 2026
• Kling 3.0 vs Runway Gen-4 vs Veo 3.1, Shotra, 2026