Was ist ein Video-Storyboard? Der Plan Szene für Szene, und wie wir unseres schreiben, prüfen und bearbeiten

Das klassische Storyboard ist eine Reihe von Skizzen mit Notizen. Bei einem kurzen Video mit Sprecher zählen die Spalten mehr als die Zeichnungen:

• Sprechertext: die genauen Worte, die über der Szene gesprochen werden.
• Bild: bei uns die Aufnahme einer echten Webseite (Scrollen, ein Klick, eine getippte Suche, ein Zoom auf ein Element), eine animierte Karte im Motion Design (ein Diagramm, eine große Zahl, ein Zitat, aus den 21 Szenen-Visuals) oder ein KI-Bild bzw. KI-Clip.
• Einblendung: ein paar Wörter im Bild. Unser Planer ist auf sechs begrenzt, denn Text, den man nicht in anderthalb Sekunden liest, ist zu lang.
• Dauer: wie lange die Szene steht.
• Stimmung, optional: eine Problem-Szene (rote Tönung, leichtes Kamerawackeln) oder eine Erfolgs-Szene (warmes Leuchten).

An der Spalte Dauer scheitern die meisten Storyboards. Der Sprechertext ist eine einzige durchgehende Aufnahme, und die Szenen teilen sie unter sich auf: Eine Szene dauert genau so lange wie ihre Wörter. Wer „8 Sekunden“ neben neun Wörter schreibt, bekommt keine 8 Sekunden. Zähl lieber Wörter; Deutsch braucht für dieselbe Zeit etwa zehn Prozent weniger als Englisch, die Richtwerte stehen im Leitfaden Der Text ist die Länge. Nur eine stumme Karte ohne Sprechertext steht so lange, wie du festlegst, zwischen 2,5 und 30 Sekunden.

Eine Zeile pro Szene. Schreib zuerst die Textspalte und lies sie am Stück laut vor: Wenn sie nicht als ein Sprechertext funktioniert, rettet sie kein Bild.

Wenn du uns eine URL gibst, entsteht zuerst das Storyboard, und gefilmt wird erst, wenn es zwei Prüfungen bestanden hat.

Wer es schreibt. Zuerst wird die Seite gelesen: was sie verkauft, an wen, ihre Zahlen, ihre Buttons. Dann schreibt eine Persona für das jeweilige Format die Szenen: Regisseur für Erklärvideos, Creative Director für Performance-Anzeigen, Demo-Verantwortliche, Instructional Designer oder Dokumentar-Redakteur. Jede hat ihren eigenen Aufbau, und alle folgen denselben Regeln: eine Idee pro Szene, das Bild zeigt, wovon die Stimme spricht, nie eine Zahl allein im Bild, keine erfundenen Zahlen.

Wie viele Szenen. Die Zahl folgt aus Länge und Format: etwa 5,5 Sekunden pro Idee beim Erklärvideo, 4,5 bei einer Anzeige, 6,5 bei einer Demo, 7,5 bei einem Tutorial, höchstens zwölf Szenen. Ein 45-Sekunden-Erklärvideo bekommt sechs bis acht Szenen, eines mit 60 Sekunden acht bis zehn.

Die erste Prüfung ist mechanisch. Sie vergleicht die Wortzahl mit der Länge (mehr als 20 % Abweichung gilt als Fehler) und meldet eine Zahl, die nicht auf der Seite steht, einen Hook mit Markennamen, einen Einstieg wie „Willkommen bei“, zwei gleiche Visuals hintereinander, eine Zahlenkarte ohne Überschrift und zu wenige echte Aufnahmen der Website. Kleinigkeiten wie eine doppelt verwendete Animation behebt sie selbst.

Die zweite Prüfung ist eine Durchsicht durch eine Script-Supervisor-Persona, die den ersten Bericht liest und ein korrigiertes Storyboard zurückgibt. Wir prüfen die Korrektur erneut und behalten die Fassung mit der besseren Bewertung, eine Durchsicht kann das Video also nicht verschlechtern.

Dieses Video entstand für Legitym, einen französischen Dienst für Rechtsinformation, ohne dass eine Website gefilmt wurde: Das Storyboard wurde von Hand geschrieben und als Hochkant-Animation gerendert. Es läuft 32 Sekunden in 9:16, und seine 67 Wörter liest eine synthetische Stimme in einer einzigen Aufnahme.

Das Thema ist bewusst eng: ein Einschreiben, das der Nachbar angenommen und dann vergessen hat. Es beginnt mit „Votre recommandé ? Il dort chez le voisin.“ („Dein Einschreiben? Es schläft beim Nachbarn.“) Danach eine Idee pro Szene: Der Nachbar hat unterschrieben und es vergessen; oder du warst zwei Wochen weg und der Brief ging zurück; eine Mahnung gilt trotzdem; bei Kündigung oder Urteil läuft ohne Empfang keine Frist; die Unterschrift des Nachbarn gilt als gültig, den Gegenbeweis musst du führen; deine Verteidigungsmittel; und zum Schluss „Tout est sur Legitym.“

Warum es funktioniert: Jede Szene trägt einen einzigen juristischen Gedanken in wenigen Wörtern, der Hook ist eine Frage, die sich Leute wirklich stellen, und 67 Wörter für 32 Sekunden liegen im Budget, nichts wirkt gehetzt. Würden wir es neu schreiben, bekämen die vier Verteidigungsmittel zwei Szenen statt einer: Das ist die einzige Stelle, an der man schneller lesen muss, als die Stimme spricht.

Ein Storyboard zu ändern kostet fast nichts, ein Rendering nicht. Jede Szene lässt sich bearbeiten: Text, Einblendung, Visual und seine Daten, Animation, Stimmung, der Übergang, die Reihenfolge, dazu Stimme und Musik des Videos. Über unseren MCP-Server liest ein Assistent das Storyboard mit get_storyboard und ändert es mit update_storyboard, eine Operation nach der anderen.

Ein Entwurf ist kostenlos: ein Drittel der Auflösung, ein DRAFT-Vermerk, keine KI-Visuals, genug, um das Tempo zu beurteilen. Nach dem finalen Rendern kostet die Änderung einer Szene ein Rendering, also 40 Credits; Video korrigieren, ohne es neu zu machen zeigt jede Reparatur. Ab Pro lassen sich Kommentare mit Zeitstempel automatisch in eine Überarbeitung des Storyboards umsetzen.

Manchmal gibt es keine Seite zum Filmen: ein Rechtsthema wie oben, eine Zahlenreihe, eine interne Ankündigung. create_animation nimmt ein Storyboard, das du selbst schreibst, Szene für Szene mit Text und Visual (Diagramm, große Zahl, Zeitleiste, Chatverlauf, Titelkarte, Bild), und rendert es vertont und untertitelt zum Preis eines Renderings, 40 Credits.

Zwei Regeln ändern sich. Deine Wörter sind die Länge: Eine Zieldauer ist nur eine Prüfung, die ein Skript ablehnt, das weit danebenliegt. Und ohne Website gilt der Mindestanteil echter Aufnahmen nicht, den ein Website-Video einhalten muss. Meist geht das über einen Assistenten: Videos mit Claude über MCP erstellen zeigt die Einrichtung, die Seite zum Erklärvideo, wofür das Format taugt.

• Zwei Ideen in einer Szene. Braucht der Text ein „und außerdem“, teil die Szene.
• Eine Dauer-Spalte, die die Wörter ignoriert. Zwölf Wörter passen nicht in drei Sekunden.
• Einblendungen, die den Text wiederholen. Eine Einblendung ist ein Etikett; Untertitel sind eine eigene Spur.
• Eine Zahl ohne Überschrift. „+45 %“ allein sagt nichts.
• Die Marke im Hook. Niemanden interessiert, wer du bist, bevor klar ist, was du löst.
• Ein Website-Video, das die Website nie zeigt. Im Querformat sollte mindestens die Hälfte der Szenen echte Aufnahmen sein.