Vom Foto zum Video: Wie KI aus Bildern bewegte Geschichten macht

Redaktion | Abgelegt: Art & Design, Fashion & Lifestyle, Sonstiges | 11. August 2026 um 14:33 | Keine Kommentare

Ein Foto hält einen Moment fest. Ein Video erzählt, was davor und danach passiert. Genau diese Grenze beginnt künstliche Intelligenz gerade aufzulösen.

Ein Porträt dreht plötzlich den Kopf, Haare bewegen sich im Wind. Aus einer nächtlichen Street-Fotografie entsteht eine langsame Kamerafahrt durch die Stadt. Wolken ziehen über eine Landschaft, Licht verändert sich und eine ursprünglich statische Illustration entwickelt sich zu einer kleinen Filmszene.

Was vor wenigen Jahren noch aufwendige Animation oder zumindest einige Kenntnisse in After Effects vorausgesetzt hätte, funktioniert heute mit einem Bild und ein paar Zeilen Text.

Bild-zu-Video gehört damit zu den spannenderen Entwicklungen der generativen KI – gerade für Fotografen, Designer, Musiker und alle, die mit visuellen Inhalten arbeiten.

Wenn ein Foto plötzlich eine Geschichte bekommt

Die Grundidee ist ziemlich simpel: Ein vorhandenes Bild liefert den visuellen Ausgangspunkt. Die KI analysiert Motiv, Umgebung, Perspektive und Bildkomposition. Anschließend beschreibt ein Prompt, was sich bewegen soll und wie sich die Szene entwickeln soll.

Das Spannende daran ist weniger die reine Animation. Interessant wird es dort, wo aus dem Ausgangsmaterial eine neue Interpretation entsteht. Nehmen wir ein Street-Foto aus Berlin bei Nacht: Eine Person steht unter einer Straßenlaterne, im Hintergrund spiegeln sich Neonlichter auf dem nassen Asphalt.

Ein Prompt könnte daraus machen:

Die Person läuft langsam die Straße entlang. Leichter Regen fällt, Neonlichter spiegeln sich auf dem Asphalt. Die Kamera folgt der Person mit einer ruhigen seitlichen Bewegung. Cinematischer Look, geringe Tiefenschärfe.

Das ursprüngliche Foto bleibt die visuelle Basis. Die KI ergänzt jedoch Bewegung und Zeit – zwei Dinge, die im Ausgangsbild überhaupt nicht vorhanden waren.

Wer eine Bild zu Video KI ausprobiert, merkt deshalb schnell: Entscheidend ist nicht nur das Ausgangsbild. Ebenso wichtig ist die Vorstellung davon, was daraus werden soll.

Referenzen werden wichtiger als immer längere Prompts

Eine der interessantesten Entwicklungen ist dabei der stärkere Einsatz visueller Referenzen.

Angenommen, aus einem Charakterdesign soll eine kurze Filmszene entstehen. Ein einzelnes Bild zeigt die Figur nur von vorne. Sobald die Kamera um sie herumfährt, muss die KI erraten, wie Kleidung, Haare oder Accessoires von der Seite und von hinten aussehen. Mit zusätzlichen Referenzbildern muss sie weniger raten.

Das gleiche Prinzip funktioniert bei Mode, Produktdesign, Illustrationen oder visuellen Kunstprojekten. Statt jeden einzelnen Aspekt kompliziert in Text zu beschreiben, bekommt das Modell konkrete Bilder als Orientierung.

Neuere Modelle wie Seedance 2.5 treiben diesen Ansatz deutlich weiter. Das Modell kann bis zu 50 multimodale Referenzen verarbeiten und Videos mit einer Länge von bis zu 30 Sekunden erzeugen. Zusätzlich lassen sich einzelne Bereiche gezielter bearbeiten.

Auf Pollo AI stehen Seedance 2.5 und weitere KI-Videomodelle innerhalb einer Plattform zur Verfügung. Dadurch lassen sich unterschiedliche Modelle je nach Bildmaterial und gewünschtem Stil ausprobieren.

In drei Schritten vom Bild zum Clip

Der praktische Workflow ist entsprechend überschaubar.

Zuerst wird ein Ausgangsbild ausgewählt. Fotos mit einem klaren Motiv funktionieren meist besser als extrem überladene Kompositionen.
Danach folgt der Prompt. Statt das bereits sichtbare Bild erneut zu beschreiben, sollte er vor allem erklären, was passieren soll: Wie bewegt sich die Person? Wohin fährt die Kamera? Was passiert mit Licht, Wetter oder Hintergrund?

Im letzten Schritt wird das Video generiert und geprüft. Stimmen Bewegungen und Atmosphäre noch nicht, lässt sich der Prompt verändern oder – je nach Modell – mit weiteren Referenzen arbeiten.

Dabei lohnt sich Experimentieren. Derselbe Ausgangspunkt kann als ruhige cineastische Szene, schneller Social Clip oder surrealer Visualizer völlig unterschiedlich wirken.

Die Technik ist beeindruckend – perfekt ist sie noch nicht

So spektakulär manche Ergebnisse aussehen: Bild-zu-Video ist keine magische „Mach daraus einen Film“-Taste.

Hände, schnelle Bewegungen, komplexe physikalische Interaktionen und feine Details können weiterhin Probleme verursachen. Auch die Konsistenz eines Charakters über längere Sequenzen ist noch nicht in jeder Situation perfekt.

Gerade deshalb sind die Fortschritte bei Referenzen und gezielter Bearbeitung interessant. Die Entwicklung geht weg vom reinen Überraschungseffekt und hin zu Werkzeugen, bei denen Kreative stärker bestimmen können, was am Ende tatsächlich herauskommt.

Fazit: Das Foto wird zum Ausgangspunkt

Generative KI verändert nicht nur, wie Bilder entstehen, sondern zunehmend auch, was anschließend mit ihnen passiert.

Ein Foto, Artwork oder Charakterdesign muss nicht länger das fertige Ergebnis sein. Es kann zum ersten Frame einer neuen Szene werden.

Für Fotografen, Designer, Musiker und Content Creator eröffnet das einen interessanten Spielraum zwischen Fotografie, Animation und Film. Die Technik wird klassische Videoproduktion nicht einfach ersetzen – sie bietet aber eine neue Möglichkeit, Ideen auszuprobieren, für die früher deutlich mehr Zeit, Software und Know-how nötig gewesen wären.

Und vielleicht liegt genau darin der spannendste Teil von Bild-zu-Video: Nicht darin, dass Bilder plötzlich laufen können, sondern darin, dass ein einzelnes Bild heute der Anfang einer ganzen visuellen Geschichte sein kann.

Kommentare

Die Kommentare sind geschlossen.