4 Looks, 0 Cutter: So entsteht ein Reel mit Wort hinter dem Kopf

Das Vorbild war ein Reel von einem Cutter: vier fertige Edits laufen gleichzeitig, jedes im eigenen Look. Große Wörter stehen hinter dem Kopf der Person, kleine Sticker fliegen rein, alles im Takt. Gemacht in After Effects, mit Stunden Handarbeit pro Clip.

Wir wollten wissen, ob das ohne Cutter geht. Ergebnis: ja, in vier Schritten. Kein Schnittprogramm, die Grafik entsteht als Code. Was es gekostet hat, steht weiter unten, auf den Cent.

Was du dafür brauchst

• Ein Bildmodell mit Referenzbildern, bei uns ChatGPT (im Abo enthalten)
• Ein Videomodell für Bild zu Video, bei uns Kling 3.0 über Higgsfield
• Ein Werkzeug zum Freistellen, bei uns Apple Vision auf dem Mac (kostenlos), alternativ rembg
• ffmpeg für Raster und Export (kostenlos)
• 5 bis 10 echte Fotos von dir, wenn du selbst im Bild sein willst

Schritt 1: Ein Startbild pro Look

Jeder der vier Looks braucht ein eigenes Startbild: anderes Set, andere Kleidung, andere Haltung. Wir haben vier Szenen gebaut: Gang durch einen Garten im Anzug, Ledersessel im hellen Studio, Gegenschnitt nach vorn gebeugt, grüner Stuhl vor grüner Wand.

Wichtig ist der Platz über dem Kopf. Das große Wort braucht Luft. Schreib deshalb in den Prompt, wo der Kopf im Bild sitzen soll.

Die Person auf den Referenzfotos bin ich. Nimm die Fotos als einzige Quelle für Gesicht, Haare und Körperbau und verändere nichts daran. Keine Glättung der Haut, sichtbare Poren, natürliches Alter.

Szene: Ganzkörper-Studioaufnahme. Ich sitze entspannt in einem [SESSEL], leicht zur Kamera gedreht, ein Bein über dem anderen. Ich trage [KLEIDUNG, einfarbig, ohne Logo]. Eine Hand liegt auf der Armlehne, die andere ist auf Brusthöhe in einer offenen, erklärenden Geste. Ich schaue direkt in die Kamera, ruhig, mitten im Satz.

Accessoires: [z. B. Fitnessband am RECHTEN Handgelenk] (rechtes Handgelenk = LINKE Bildseite, wenn ich zur Kamera schaue). Keine Uhr, keine Brille, wenn ich keine trage.

Licht: großes weiches Licht von vorne links, weicher Bodenschatten.
Kamera: Vollformat, 50 mm, Augenhöhe, aus 4 Metern, Editorial-Fotografie, leichtes Filmkorn.
Hintergrund: nahtloser hellgrauer Papierhintergrund, sonst nichts.
Bildaufbau: Hochformat 9:16, der ganze Sessel und meine Schuhe sind im Bild. Mein Kopf beginnt bei etwa 40 Prozent der Bildhöhe, darüber ist leerer Hintergrund.

Kein Text, keine Logos, keine weiteren Personen.

Schritt 2: Aus dem Bild einen Clip machen

Das Startbild geht in ein Videomodell, das daraus 5 Sekunden Bewegung rechnet. Wir haben Kling 3.0 im Pro-Modus genommen, Hochformat, ohne Ton. Ton brauchst du nicht, im fertigen Reel läuft Musik.

Die wichtigste Regel beim Prompt: Beschreib nur die Bewegung, nicht das Bild. Das Bild kennt das Modell schon.

Behalte die Person genau wie im Startbild: gleiches Gesicht, gleiche Kleidung, [Band am RECHTEN Handgelenk], keine Uhr, keine Logos. Echte Hautstruktur, natürliche Bewegung, kein Verformen.

Shot 1: Totale. Die Person sitzt entspannt im Sessel und spricht ruhig in die Kamera, die Lippen bewegen sich wie beim Sprechen, eine kleine erklärende Geste mit der leeren Hand, natürliches Blinzeln, ruhiges Gesicht.
Kamera: statisch auf Stativ, die Kamera bewegt sich überhaupt nicht, fester Bildausschnitt, kein Zoom.
Licht bleibt gleichmäßig. Keine Untertitel.

Den Prompt schreibst du am besten auf Englisch, die Modelle folgen ihm dann genauer. Die deutsche Fassung oben zeigt dir den Aufbau.

Was bei uns schiefging

• Zoom trotz Stativ: Im ersten Clip fuhr die Kamera nach zwei Sekunden leicht heran. Lösung: „die Kamera bewegt sich überhaupt nicht“ dazuschreiben. Den alten Clip haben wir gerettet, indem wir genau dort geschnitten haben. Sieht aus wie ein gewollter Punch-in.
• Etwas in der Hand: Für einen Moment hielt die Hand einen kleinen Gegenstand, den es nicht gab. Lösung: „leere Hand“ in den Prompt.
• Grimassen: Ein Clip mit „spricht eindringlich“ wurde zu einer Show mit Riesenlächeln. Lösung: „ruhiges Gesicht, leicht geöffneter Mund, kein Grinsen“. Der zweite Versuch passte.
• Kopf am Bildrand: Im Gang-Clip setzte das Modell den Kopf ganz nach oben. Kein Platz für das Wort darüber. Wir haben das Wort deshalb hinter die Beine gelegt. Geht auch.

Schritt 3: Das Wort hinter den Kopf

Der Effekt ist einfacher, als er aussieht. Ein Bild besteht hier aus drei Ebenen, die du übereinanderlegst:

1. 1Unten: das ganze Videobild.
2. 2Mitte: das große Wort.
3. 3Oben: nur die Person, freigestellt. Sie verdeckt das Wort dort, wo sie steht.

Für die obere Ebene stellst du die Person in jedem Einzelbild frei. Bei 5 Sekunden und 30 Bildern pro Sekunde sind das 150 Bilder pro Clip. Auf dem Mac macht das Apple Vision in unter einer Minute, ohne Kosten. Alternativ geht rembg, ein freies Werkzeug, das etwas langsamer ist.

Das Wort selbst bewegst du nur über Größe, Position, Deckkraft und Unschärfe. Unser Einflug: das Wort startet leicht verschwommen und kleiner und rastet dann mit einer Federbewegung ein. Wechselt das Wort, blitzt das Bild kurz hell auf. Mehr braucht es nicht.

Schritt 4: Vier Looks ins Raster

Jeder Look ist eine eigene Kachel in 540 mal 960 Pixeln. Vier davon ergeben genau ein Reel in 1080 mal 1920. In die Mitte kommt ein runder Stempel mit deinem Logo, oben ein kleiner Hinweis „Mit KI erstellt“.

ffmpeg -i a.mp4 -i b.mp4 -i c.mp4 -i d.mp4 \
  -filter_complex "[0:v]scale=540:960[a];[1:v]scale=540:960[b];[2:v]scale=540:960[c];[3:v]scale=540:960[d];[a][b][c][d]xstack=inputs=4:layout=0_0|w0_0|0_h0|w0_h0[v]" \
  -map "[v]" -t 5 -r 30 -c:v libx264 -crf 17 -pix_fmt yuv420p raster.mp4

Die Länge: 5 Sekunden, als Schleife. Kurze Reels mit viel Bewegung werden oft mehrmals hintereinander angeschaut. Die Naht zwischen Ende und Anfang versteckst du mit demselben hellen Blitz wie bei den Wortwechseln. Eine Überblendung erzeugt dort Doppelbilder, das haben wir ausprobiert.

Was es gekostet hat

Ehrliche Rechnung aus unserem Lauf am 27.10.2026:

• Vier Startbilder über das ChatGPT-Abo: keine Zusatzkosten, ein verworfenes inklusive
• Fünf Clips mit Kling 3.0 Pro, je 5 Sekunden ohne Ton, je 7,5 Credits: 37,5 Credits. Davon war einer ein Probeclip und einer ein Fehlversuch.
• Freistellen, Typo, Raster, Musik: alles lokal, keine Kosten

Im Higgsfield-Abo Ultra kosten 3.000 Credits 129 Dollar im Monat, also rund 4,3 Cent je Credit. 37,5 Credits sind damit etwa 1,60 Dollar für das ganze Reel. Die höhere Auflösung mit einem anderen Modell, etwa Seedance in 1080p, hätte pro Clip 80 Credits gekostet. Im Raster sieht man den Unterschied kaum, darum haben wir gespart.

Kennzeichnen nicht vergessen

Täuschend echte KI-Videos von Menschen müssen als KI erkennbar sein. Wir setzen beides: den Hinweis „Mit KI erstellt“ im Video und das Label der Plattform beim Posten. Was genau gilt, steht in unserem Guide KI-Inhalte richtig kennzeichnen.

Checkliste zum Mitnehmen

• Vier Szenen, vier Outfits, jeweils Platz über dem Kopf
• Startbilder prüfen: Gesicht, Hände, Seite von Band oder Schmuck
• Video-Prompt: nur Bewegung, Kamera fest, leere Hände, ruhiges Gesicht
• Jeden Clip Bild für Bild ansehen, Fehler wegschneiden statt neu rechnen
• Drei Ebenen: Bild, Wort, freigestellte Person
• Maske 1 Pixel zusammenziehen, Kante weich
• Raster 2x2, 5 Sekunden, Schleife mit Blitz statt Überblendung
• Als KI kennzeichnen, im Video und auf der Plattform

Häufige Fragen

Brauche ich After Effects?

Nein. Wir haben die Grafik als kleines Programm geschrieben, das jedes Bild einzeln zusammensetzt. Wer lieber klickt, kann das Freistellen und das Wort auch in CapCut oder DaVinci Resolve machen. Die Schritte bleiben gleich.

Geht das auch mit echtem Video statt KI-Clips?

Ja, und das ist sogar der einfachere Weg: vier kurze Handy-Clips, Stativ, ruhiger Hintergrund. Dann sparst du dir Schritt 1 und 2 und die Credits.

Warum Kling und nicht Seedance?

Für ruhige Talking-Heads mit fester Kamera reicht Kling, und es kostet einen Bruchteil. Seedance spielt seine Stärke bei filmischen Kamerafahrten aus. Die sieht man in einer kleinen Rasterkachel nicht.

Selbst bauen oder bauen lassen?

Mit den Prompts oben baust du deinen ersten Look heute. Wie du daraus ganze Reels mit Text, Stimme und Schnitt machst, zeigen wir in der kostenlosen Business Dezigner Academy.