Videoproduktion mit KI: Unser Workflow von den Quellen bis zum Schnitt

Bei X Mind Solutions haben wir für unseren ersten Videoversuch verschiedene Produktionsschritte mithilfe von KI-Tools miteinander kombiniert. Von der Quellenaufbereitung über die Erstellung von Skript und Video bis hin zur Vertonung und zum finalen Schnitt dauerte die Arbeit etwa 1,5–2 Stunden. Im Mittelpunkt stand nicht, mit einem einzigen Tool ein Ergebnis zu erzielen, sondern mit sich ergänzenden Werkzeugen einen Produktionsablauf aufzubauen. Diese Erfahrung bot zugleich einen konkreten Ausgangspunkt, um den Unterschied zwischen KI-gestützter Content-Produktion und durchgängiger Automatisierung zu bewerten.

Im ersten Schritt stellten wir eine Themenliste aus relevanten Inhalten zusammen, die seit mehr als vier Jahren auf YouTube behandelt werden. Diese Themen und die zugehörigen Rechtsquellen nutzten wir in NotebookLM, um ein Skript und ein Video zu erstellen. Der grundlegende Ansatz bestand darin, die Produktion auf konkrete Quellen zu stützen. Bei der Gestaltung eines ähnlichen Ablaufs ist es wichtig, den thematischen Umfang klar abzugrenzen und die Aktualität der Quellen zu prüfen. Insbesondere bei Inhalten zu Rechtsvorschriften muss zusätzlich geprüft werden, ob der generierte Text mit den Quellen übereinstimmt; die Nutzung von Quellen allein garantiert keine Richtigkeit.

Anschließend übertrugen wir das Transkript des mit NotebookLM erstellten Videos an Minimax. Wir klonten unsere eigene Stimme, um den Text neu zu vertonen, und schlossen danach den Schnitt in CapCut ab. Die aus den Quellen erstellte Darstellung durchlief somit separate Schritte für Vertonung und Schnitt. Dieser Aufbau ermöglicht es, Text, Ton und Bild unabhängig voneinander zu beurteilen. Bei vergleichbaren Projekten sollten Aussprache, inhaltliche Konsistenz und die Abstimmung von Ton und Bild geprüft werden; Stimmen dürfen nur im Rahmen der erforderlichen Nutzungsrechte und Einwilligungen geklont werden.

Dass wir das Video in diesem Versuch vollständig mit KI-Tools erstellt haben, bedeutet nicht, dass der Prozess ohne menschliches Eingreifen ablief. Die Aufbereitung der Quellen, die Übertragung der Ergebnisse zwischen den Tools und der abschließende Schnitt waren Bestandteile des Produktionsablaufs. Auch die Dauer von etwa 1,5–2 Stunden ist lediglich eine Beobachtung aus diesem Versuch; sie darf nicht als allgemeine Zeit- oder Effizienzzusage für andere Videos verstanden werden. Der Umfang der Inhalte, der Zustand der Quellen und notwendige Korrekturen können die Dauer vergleichbarer Arbeiten beeinflussen.

Als Nächstes ist zu bewerten, inwieweit sich diese Schritte über eine Automatisierungsplattform wie n8n miteinander verbinden lassen. Um beurteilen zu können, ob eine durchgängige Automatisierung möglich ist, müssen die programmatischen Zugriffsmöglichkeiten, Datenübertragungsformate und Nutzungsbedingungen jedes Tools geprüft werden. Die Übernahme von Quellen, die Übertragung von Transkripten und die Weiterleitung von Ergebnissen kommen für eine Automatisierung infrage; wir behaupten jedoch nicht, in diesem Versuch eine solche Integration umgesetzt zu haben. Ein fundiertes Konzept sollte zudem menschliche Freigabepunkte beibehalten, insbesondere zur Prüfung der korrekten Wiedergabe von Rechtsvorschriften und zur Qualitätskontrolle vor der Veröffentlichung.