Filmreife Kamerabewegungen in KI-Videos: Der Prompt-Leitfaden für Kling, Veo, Grok Imagine und Seedance

KI-Videomodelle führen explizite Kameraanweisungen in Text-Prompts fast so zuverlässig aus wie ein echter Kameramann, der ein Storyboard befolgt – man muss nur den Namen der Kamerabewegung nennen und beschreiben, was die Kamera tut, nicht nur, was im Bild zu sehen ist. Wir haben sechs zentrale filmische Kamerabewegungen getestet – Dolly In, Dolly Out, Schwenk, Orbit, Tracking/Follow und Kran – über vier Online-Videomodelle von hiapi (Kling 3.0 Turbo, Veo 3.1, Grok Imagine 1.5, Seedance 2.5) und zusätzlich einen Trick getestet, den nur Seedance 2.5 beherrscht: die Kamerabewegung eines Referenzvideos auf ein völlig anderes Motiv zu übertragen. Jeder der folgenden Clips ist eine echte Ausgabe, die wir mit unseren eigenen Prompts erzeugt haben, eingebettet und direkt abspielbar.

Zusammenfassung

• Die Kamerabewegung explizit zu benennen („camera slowly pushes in“, „wide pan“, „camera orbits“) ist der größte Hebel für filmisch wirkende KI-Videos – vage Prompts führen meist nur zu statischen oder driftenden Kameras.
• In unseren vier getesteten Modellen waren Dolly In und Orbit die zuverlässigsten Kamerabewegungen; Whip Pan und komplexe mehrteilige Bewegungen waren am unzuverlässigsten und sollten in einem einzelnen Prompt besser vermieden werden.
• Der Referenz-zu-Video-Modus von Seedance 2.5 kann über den @video1-Token die Kamerabewegung eines vorhandenen Videos extrahieren und sie auf ein neues Motiv anwenden – nützlich, wenn man eine funktionierende Kamerabewegung gefunden hat und sie wiederverwenden möchte.
• Veo 3.1 erzielt oft die größte Dynamikspanne der Kamerageschwindigkeit (von extrem langsamen Makro-Schwenks bis zu schnellen Luft-Orbits); Kling 3.0 Turbo und Grok Imagine 1.5 sind bei Nahaufnahmen im Produktstil stabiler.
• Keiner dieser Clips braucht einen Gimbal, eine Drohne oder ein Storyboard – nur einen gut geschriebenen Prompt und ein für die Kamerabewegung passendes Modell.

Warum es wichtig ist, die Kamerabewegung explizit zu nennen

Allgemeine Prompts wie „cinematic shot of X“ sagen dem Modell fast nie, wie sich die Kamera bewegen soll, und deshalb greift es auf das statistisch Häufigste aus seinen Trainingsdaten zurück – meist ein statisches oder leicht driftendes Bild. Die Lösung: Behandle die Kamera wie eine Figur mit eigenen Verben: hineinfahren, herausfahren, schwenken, umkreisen, mitfahren, aufsteigen. Die folgenden sechs zentralen Kamerabewegungen haben jeweils einen eigenen Abschnitt mit echten Prompts, echten Clips und einer Erklärung, welches Modell sie am besten umsetzt.

1. Dolly In

Beim Dolly In bewegt sich die Kamera auf das Motiv zu, verdichtet das Bild und erhöht die Spannung – die klassische „Die Kamera schleicht sich heran“-Enthüllung. Wir haben dieselbe Idee mit drei verschiedenen Modellen und Motiven getestet.

Grok Imagine 1.5 – Produkt-Trailer

Prompt:

Die Kamera fährt langsam auf den Sneaker zu, feine Staubpartikel schweben auf und glitzern im warmen Gegenlicht, die feine Wildledertextur schimmert leicht, kein Kamerawackeln

Kling 3.0 Turbo – Atmosphärisches Dolly In

Prompt:

Der kleine Roter-Panda-Teezeremonienmeister gießt sanft schimmernden Tee ein, Dampf steigt auf und kringelt sich, Laternenlicht flackert weich, die Kamera fährt langsam näher

Seedance 2.5 – Dolly mit vertikalem Drift

Prompt:

Langsame, gleichmäßige Dolly-Fahrt auf eine dampfende Kaffeetasse zu, die Kamera gleitet vorwärts und leicht nach unten, Dampf kringelt sich im weichen Morgenlicht nach oben, leichte Handkamera-Mikrobewegung, filmische geringe Schärfentiefe, warme natürliche Farbkorrektur

Dolly In war die zuverlässigste Kamerabewegung in unseren Tests – alle drei Modelle folgten der Formulierung „pushes in“/„dolly-in“ und hielten das Motiv während der Bewegung zentriert und scharf. Wer nur eine einzige Kameraanweisung beherrschen will, sollte hier anfangen.

2. Dolly Out (Enthüllungseinstellung)

Beim Dolly Out öffnet sich das Bild nach außen und wird meist genutzt, um ein Ausmaß oder eine Umgebung zu enthüllen, die in der Nahaufnahme nicht sichtbar war. Wir haben das mit Veo 3.1 umgesetzt, weil es weite Drohnenlandschaften überzeugend rendert.

Prompt:

Drohnen-Dolly-Out über dem Nachtmarkt von Marrakesch, von Laternen beleuchtete Stände, Dämmerung

Dolly Out funktioniert am besten, wenn die Kamera von einem dichten, detailreichen Vordergrundmotiv zurückweicht – leere oder einfache Szenen haben nichts zu enthüllen.

3. Schwenk (Wide Pan)

Beim Schwenk dreht sich die Kamera von einem festen Punkt aus horizontal und fährt über die Szene, ohne sich vorwärts oder rückwärts zu bewegen. Diese Bewegung ist angebracht, wenn man das Ausmaß einer seitlichen Landschaft vermitteln will.

Prompt:

Rentiere wandern unter grünem Polarlicht, Schneeebene, wide pan

Beachte, dass wir nicht einmal explizit „camera pans“ schreiben mussten – das alleinstehende „wide pan“ genügte, damit Veo 3.1 es als Kameraanweisung und nicht als Beschreibung der Ausbreitung der Rentierherde versteht. Explizit auszuschreiben ist trotzdem sicherer, aber die Modelle sind relativ flexibel, was die Position der Anweisung im Prompt angeht.

4. Orbit (Bewegung um das Motiv)

Beim Orbit kreist die Kamera um ein feststehendes Motiv, hält es in der Mitte, während der Hintergrund dahinter rotiert – ein gängiger Kniff in Produktwerbespots, weil sich so alle Blickwinkel in einer einzigen durchgehenden Einstellung zeigen lassen.

Prompt:

Die Kamera kreist sanft um den schwebenden Sneaker, Staubpartikel wirbeln und fangen bernsteinfarbenes Licht ein, ferner weicher atmosphärischer Dunst zieht über den Schluchthintergrund

Grok Imagine 1.5 hielt das Motiv während des gesamten Orbits absolut stabil – genau das ist die Schwierigkeit dieser Kamerabewegung: Wenn das Motiv auch nur leicht aus der Mitte gerät, wirkt der Orbit wie hastiges Handkamera-Material statt wie eine arretierte, mechanische Bewegung.

5. Tracking-/Follow-Kamera

Die Tracking-Kamera bewegt sich neben einem sich bewegenden Motiv und passt Geschwindigkeit und Richtung an – die Kamera wird zum laufenden Begleiter statt zum festen Beobachter.

Prompt:

Ein flauschiger Corgi-Welpe läuft in Zeitlupe über eine sonnige Wiese, Ohren flattern, Gegenlicht zur goldenen Stunde, filmische Tracking-Kamera

Kling 3.0 Turbo hielt mit dem Tempo des Motivs Schritt, ohne dass der Abstand von Kamera zu Motiv driftete – das Gras hinter dem Corgi zeigt eine glaubwürdige Unschärfe statt Ziehen, was ein häufiger Hinweis auf eine misslungene Tracking-Kamera ist.

6. Kran (Auf-/Abfahren)

Bei der Kranbewegung bewegt sich die Kamera vertikal, meist aufsteigend, um das Ausmaß zu enthüllen oder von einem intimen Moment zu einer weiten Totalen überzugehen.

Prompt:

Ballon steigt über goldenes Tal auf, die Kamera fährt auf, i2v from still

Hier haben wir Veo 3.1 Fast verwendet – die Fast-Stufe tauscht ein wenig Spitzendetail gegen geringere Kosten und Latenz, und bei einem so gleichmäßigen vertikalen Aufstieg ist in der Ausgabe kein Unterschied zu erkennen.

Bonus-Trick: Kamerabewegung mit Seedance 2.5 Referenz-zu-Video übertragen

Der Referenz-zu-Video-Endpunkt von Seedance 2.5 kann etwas, was die fünf Kamerabewegungen oben nicht können: Er lässt dich mit dem @video1-Token auf ein vorhandenes Video verweisen und dem Modell sagen, es soll die Kameraarbeit dieses Videos – Bewegung, Rhythmus und Bildkomposition – beibehalten und dabei das Motiv oder den visuellen Stil vollständig ersetzen. Das heißt: Sobald du eine Kamerabewegung gefunden hast, die dir gefällt, kannst du sie auf ein neues Motiv übertragen, statt sie von Grund auf neu beschreiben zu müssen.

Prompt:

Verwende @video1 als einzige visuelle Referenz. Behalte die erkennbaren Corgi-Merkmale, den Laufrhythmus, das Timing der Schritte, die Körperausrichtung, den Vorwärtsimpuls und die seitliche Tracking-Kamerabewegung aus niedriger Perspektive bei. Erfinde die gesamte Szene als handgemachten Stop-Motion-Film aus Filz, Wolle, Miniaturgras und handbemalten Papierkulissen neu. Behalte das warme Gegenlicht der untergehenden Sonne und den durchgehenden Verfolgungsrhythmus mit feiner handwerklicher Haptik und natürlicher Schärfentiefe. Halte über die gesamte Einstellung einen durchgehenden Corgi mit stabiler Beinstruktur, gleichmäßiger Vorwärtsbewegung und kontinuierlichem Kamerapfad. Füge keine zusätzlichen Tiere, Texte, Logos, harten Schnitte oder fremden Objekte ein.

Dieser Prompt überträgt den seitlichen Tracking-Kamerapfad aus niedriger Perspektive aus unserem Corgi-Clip auf der Wiese auf eine Stop-Motion-Neuverfilmung derselben Aktion aus Filz – dieselbe Tracking-Kamera, ein völlig anderes visuelles Medium. Wir haben diese Technik außerdem genutzt, um den Kamerapfad eines Produktwerbespots auf ein anderes Produkt zu übertragen (per @image1 wurde der Laufschuh durch einen Parfümflakon ersetzt) und um die Kameraarbeit eines Referenzvideos, das Motiv eines Referenzbilds und den Rhythmus einer Referenz-Audiospur zu kombinieren (@video1 + @image1 + @audio1 zusammen verwendet) – der Endpunkt akzeptiert in einem einzigen Aufruf jede Kombination der drei Referenztypen.

Welches Modell für welche Kamerabewegung?

Basierend auf diesem Test-Set:

• Dolly In und Orbit: Alle vier Modelle kommen gut zurecht; wähle nach Motiv (Grok Imagine 1.5 und Seedance 2.5 für Produkt-/Stillleben, Kling 3.0 Turbo für Charakter-/Food-Szenen).
• Dolly Out und Schwenk: Veo 3.1 lieferte die überzeugendsten Weitwinkel-Landschaftsaufnahmen – die bessere Wahl, wenn die Bewegung eine große Landschaft statt eines Tischmotivs abdecken soll.
• Tracking/Follow: In unseren Tests hielt Kling 3.0 Turbo sauber mit einem bewegten Motiv Schritt; diese Kamerabewegung reagiert am empfindlichsten auf die Geschwindigkeitsanpassung an das Motiv, daher sind kurze Clips (unter 6 Sekunden) sicherer.
• Kran: Veo 3.1 Fast meisterte den vertikalen Aufstieg flüssig zu einem niedrigeren Preis pro Sekunde als das Standard-Veo-3.1 – bei solch einfachen einachsigen Bewegungen lohnt sich zuerst ein Versuch mit der Fast-Stufe.
• Kamerapfad motivübergreifend wiederverwenden: Seedance 2.5 Referenz-zu-Video ist in diesem Set der einzige Endpunkt, der eigens für diese Aufgabe gebaut wurde.

Zu den Preisen (aktuelle Tarife auf der Live-Preisseite von hiapi): Kling 3.0 Turbo 720p kostet $0.13/Sekunde; Seedance 2.5 Image-to-Video und Text-to-Video 720p kosten $0.204/Sekunde, Referenz-zu-Video 720p $0.2715/Sekunde und 480p $0.1215/Sekunde, abgerechnet nach Referenzvideolänge plus Ausgabelänge; Grok Imagine 1.5 ist mit $0.015/Sekunde (480p) bzw. $0.0282/Sekunde (720p) das günstigste der vier; Veo 3.1 kostet 720p ohne natives Audio $0.29/Sekunde (mit Audio $0.57/Sekunde), Veo 3.1 Fast sinkt auf $0.17/Sekunde bzw. $0.25/Sekunde. Wenn man Kamera-Prompts vor dem finalen Rendern testet, sind Grok Imagine 1.5 oder Veo 3.1 Fast die günstigsten Iterationswege.

Häufig gestellte Fragen

Muss ich „camera“ explizit ausschreiben, damit das Modell es als Kameraanweisung versteht? Meist ja, aber nicht immer – in unserem Schwenk-Test wurde das alleinstehende „wide pan“ auch ohne das Wort „camera“ korrekt verstanden. Explizit „camera pans“, „camera pushes in“ usw. zu schreiben ist trotzdem sicherer, besonders in längeren Prompts, in denen die Anweisung zwischen Motiv- und Lichtdetails untergehen kann.

Kann ich zwei Kamerabewegungen in einem Prompt kombinieren, etwa Dolly In, das in einen Orbit übergeht? Das kann man versuchen, aber in unseren Tests erzielten einzelne, klar benannte Kamerabewegungen zuverlässigere Ergebnisse als zusammengesetzte Bewegungen. Wenn du eine mehrteilige Kamerafahrt brauchst, ist es meist zuverlässiger, zwei Clips zu generieren (je eine Bewegung) und sie anschließend zusammenzuschneiden, statt eine einzige Generierung beides erledigen zu lassen.

Welches Modell ist für Einsteiger bei Kamera-Prompts am besten? Grok Imagine 1.5, vor allem wegen der Kosten – $0.015–$0.0282/Sekunde sind günstig genug, um die Formulierung immer wieder anzupassen, ohne sich Gedanken über die Ausgaben zu machen, und es meisterte in unseren Tests Dolly In und Orbit zuverlässig.

Was funktioniert bei Kamera-Prompts besser: Image-to-Video oder Text-to-Video? Beides funktioniert, aber Image-to-Video (Start von einem Standbild) gibt dir mehr Kontrolle über die Bildkomposition, bevor sich die Kamera in Bewegung setzt, weil das Startbild bereits festgelegt ist. Wenn du noch mit der Kamerabewegung selbst experimentierst statt mit der exakten Komposition, ist Text-to-Video schneller in der Iteration.

Wenn du diese Prompts selbst ausprobieren möchtest: Jedes hier erwähnte Modell ist in der Videomodell-Liste von hiapi verfügbar, und die API-Form ist modellübergreifend identisch – du musst nur das Feld model und die Felder für Referenzmedien austauschen und denselben Ablauf zum Absenden und Abfragen von Aufgaben beibehalten.