KI-Video-Hook erstellen: ein Supersportwagen hebt in 8 Sekunden ab, mit allen Prompts
So haben wir einen 8-Sekunden-Hook im Straßeninterview-Stil gemacht, in dem ein Supersportwagen davonfliegt, dazu B-Roll, Inserts und Voiceover, alles in Endless mit Seedance 2.5. Alle Prompts, die Auto-Referenzen und die vier Takes, die es gebraucht hat.

Für einen KI-Video-Hook, der Leute zum Weiterschauen bringt, nimmst du eine Struktur, die in deiner Nische schon funktioniert, und schreibst sie als Prompt mit Zeitangaben: Jeder Dialog- und Handlungsmoment bekommt seinen eigenen Sekundenbereich, sodass Frage, Antwort und Überraschung in einen kurzen Clip passen. Wir haben das mit einem Hook im Straßeninterview-Stil umgesetzt. Jemand fragt einen Mann im Supersportwagen, was er beruflich macht, er antwortet „I sell AI videos“ (ich verkaufe KI-Videos), zieht die Tür zu und das Auto fliegt davon. Das Ganze dauert acht Sekunden in einem durchgehenden Take, und der Rest des Reels erklärt, wie es entstanden ist.
Alles wurde in Endless gemacht: der Hook, die B-Roll und die Inserts mit Seedance 2.5, das Voiceover mit ElevenLabs v4. In diesem Guide findest du alle Prompts, die Auto-Referenzen und die vier Takes, die der Hook gebraucht hat.

Alle Shots zeigen dasselbe Auto, denselben Fahrer und denselben ausgetrockneten See. Jedes Frame kommt direkt aus Seedance 2.5 in Endless.
Das ist das fertige Reel:
Was ist die Idee hinter dem Hook?
Es ist ein Hook im Straßeninterview-Stil mit einer Pointe, mit der niemand rechnet. Jemand hält einen Typen im Supersportwagen an und fragt, was er beruflich macht. Er antwortet „I sell AI videos“, zieht die Tür zu, und das Auto fliegt davon. Nach diesen acht Sekunden erklärt das Video, wie es gemacht wurde.
Wir sind von zwei Bildern ausgegangen: dem Shot, mit dem wir starten wollten, und der Pointe.


| Was | Modell in Endless | Einstellungen |
|---|---|---|
| Der Hook | Seedance 2.5 | 8 s, 480p, 9:16, mit Audio, 3 Auto-Referenzen |
| B-Roll | Seedance 2.5 | 8 s, 480p, 9:16, ohne Audio, dieselben Referenzen |
| Inserts | Seedance 2.5 | 5 s, 720p, 9:16, ohne Audio, keine Referenzen |
| Finale B-Roll in 1080p | Seedance 2.5 Draft complete | Derselbe Take, in voller Auflösung neu gerendert |
| Voiceover | ElevenLabs v4 | Stimme „Eric“, Stabilität 1 |
Schritt 0: Das Format mit echten Daten finden
Wir haben mit Daten angefangen: Im Endless-Chat haben wir Accounts zu Supersportwagen und Straßeninterviews durchsucht, ihre Reels nach Views im Verhältnis zum Durchschnitt des jeweiligen Accounts sortiert und die Outlier analysiert, also die Reels, die diesen Durchschnitt deutlich übertreffen: den Hook, das Tempo und die Sekunde, in der Leute aufhören zu scrollen. Die Prompts in diesem Guide bleiben auf Englisch, weil wir sie so verwendet haben. Das ist der erste:
Der stärkste Outlier dieser Suche war ein Straßeninterview mit einem Supersportwagen und 29,5 Mio. Views, das 34-Fache des Durchschnitts des Creators. Die Struktur ist simpel: eine Frage von hinter der Kamera, eine kurze Antwort und eine visuelle Überraschung. Diese Struktur haben wir übernommen und alles andere geändert.
Schritt 1: Wie bleibt das Auto in jedem Shot dasselbe?
Hänge an jeden Seedance-Prompt dieselben drei Referenzbilder des Autos an:
@image1: hintere Dreiviertelansicht (Heckflügel, Lichtleiste, Räder)@image2: der „Flugmodus“, vier kleine Raketentriebwerke unter der hinteren Stoßstange@image3: vordere Dreiviertelansicht (Front und Lichtstreifen vorn)

In voller Größe: @image1, @image2, @image3.
Jedes saubere Produktfoto deines Hauptobjekts reicht, und Studio-Renderings funktionieren gut. Drei Dinge im Prompt sind wichtiger als die Bilder selbst:
- Beschreibe das Auto zusätzlich in Worten im Prompt: „white wedge-shaped two-seat electric hypercar, dark tinted glass canopy, black lower body, big rear wing, full-width red light bar, five-spoke black wheels“.
- Verbiete Logos: „no logos, no badges, no readable text on the license plate“.
- Entferne den Studiohintergrund: „Do not use the dark studio backgrounds of the images.“ Ohne diese Zeile kann Seedance das schwarze Studio in die Wüste holen.
Schritt 2: Der Prompt für den 8-Sekunden-Hook
Der Hook hat vier Beats: die Annäherung mit der Frage, die Antwort, die zufallende Tür und der Take-off.

Seedance 2.5, 8 s, 480p, 9:16, mit Audio, mit angehängten @image1, @image2
und @image3.
Wie viele Takes braucht ein KI-Video-Hook?
Dieser hier brauchte vier. Der finale Prompt ist die vierte Version, und jeder Take hat eine Sache gezeigt, die wir korrigieren mussten.
| Take | Was passiert ist | Was wir geändert haben |
|---|---|---|
| 1, 12 s | Er steht draußen, setzt einen Helm auf und steigt ein. Zu langsam für einen Hook. | Ihn schon im Auto sitzen lassen, Tür offen. |
| 2, 12 s | Besser, aber der Helm kostet immer noch zwei Sekunden. | Kein Helm, alles in 8 Sekunden. |
| 3, 8 s | Schnell genug, aber er startet auf seinem Gesicht, das Auto ist kaum zu sehen. | Weit auf das ganze Auto starten, dann näher gehen. |
| 4, 8 s | Auto, Frage, Antwort und Take-off, alles in einem Take. | Final. |
Take 1 (12 s)
Er steht draußen und setzt einen Helm auf, bevor er einsteigt. Das ist zu langsam für einen Hook. Im nächsten Take sitzt er schon im Auto, die Tür offen.
Take 2 (12 s)
Der Helm kostet immer noch zwei Sekunden, also lässt der nächste Take ihn weg und packt alles in 8 Sekunden.
Take 3 (8 s)
Er ist schnell genug, startet aber auf seinem Gesicht, und das Auto ist kaum zu sehen. Der nächste Take startet weit auf das ganze Auto und geht dann näher ran.
Take 4 (8 s, final)
Alles, von der Annäherung bis zum Take-off, passiert in einem durchgehenden Take.
Plane für jeden Hook drei oder vier Takes ein. Bei 480p und 8 Sekunden ist jeder Take günstig, und jeder zeigt dir, was du im Prompt korrigieren musst.
Warum dieser Prompt funktioniert hat
- Jeder Beat hat einen Zeitbereich. Acht Sekunden sind knapp, und die Timeline hält Frage, Antwort und Take-off im Clip.
- Dialog steht in
{geschweiften Klammern}. Seedance liest ihn als gesprochene Sätze und erkennt am umgebenden Satz, wer sie sagt. - Der Clip startet weit. Die ersten Takes begannen zu nah dran, das Auto war kaum zu sehen. Gelöst hat es „showing the WHOLE white car in frame, nose to rear wing“.
- Der Prompt verwendet nie das Wort „phone“. Wenn irgendwo ein Handy erwähnt wird, auch nur als „filmed on a phone“, taucht meist eins im Bild auf. Beschreibe stattdessen die Kamera („handheld point-of-view, chest height“) und füge „no hands, no devices“ hinzu.
- Die 480p-Auflösung ist Absicht. Bei 480p wirkt das Video wie etwas, das ein Fremder auf der Straße gefilmt hat, ab 720p wirkt es eher wie Werbung.
Schritt 3: Die B-Roll
Die zweite Hälfte des Reels erklärt den Ablauf über B-Roll. Alle Shots nutzen dieselbe Fahrerbeschreibung und dieselben Auto-Referenzen, sodass alles wie vom selben Dreh wirkt. Die Einstellungen für alle sind Seedance 2.5, 8 s, 480p, 9:16, ohne Audio. Sobald ein Take freigegeben war, haben wir ihn mit Seedance 2.5 Draft complete neu gerendert, um denselben Take in 1080p zu bekommen.
@image1, @image2 und so weiter folgen der Reihenfolge, in der du die Bilder
in dieser Generierung anhängst. Jeder Shot unten nennt seine Referenzen in
dieser Reihenfolge.
04: Auf der Motorhaube, beim Scrollen
Referenzen: hintere Dreiviertelansicht, vordere Dreiviertelansicht.
05: Handy-Makro, der Feed bleibt beim Auto stehen
Referenz: hintere Dreiviertelansicht.
06: Laptop auf dem ausgetrockneten See
Referenz: hintere Dreiviertelansicht.
07: Im Cockpit, durch eine Timeline scrubben
Referenzen: hintere Dreiviertelansicht, vordere Dreiviertelansicht.
08: Die Triebwerke, Makro
Referenzen: Triebwerke, hintere Dreiviertelansicht.
09: Fünf Autos, ein Take-off
Referenzen: hintere Dreiviertelansicht, Triebwerke, vordere Dreiviertelansicht.
10: Im Flug, vom Beifahrersitz aus
Referenzen: hintere Dreiviertelansicht, vordere Dreiviertelansicht.
11: Der CTA-Shot, angelehnt, nickt und zeigt nach unten
Referenzen: hintere Dreiviertelansicht, vordere Dreiviertelansicht.
Schritt 4: Inserts von einem ganz anderen Ort
Wenn alle Shots aus derselben Szene stammen, wirkt die Erklärung flach. Gute Erklär-Reels schneiden auf visuelle Metaphern von einem völlig anderen Ort. Wir haben drei Inserts ohne Referenzen gemacht, alle in Seedance 2.5, 5 s, 720p, 9:16, ohne Audio.

| Zeile im Voiceover | Insert |
|---|---|
| "…and pull the outliers" | Ein Daumen scrollt durch einen unscharfen Feed und stoppt abrupt beim Auto |
| "Endless breaks them down" | Ein Uhrmacher zerlegt eine Uhr Teil für Teil |
| "We make five" | Fünf identische Modellautos gleiten über ein Fließband |
12: Der Scroll, der stoppt
13: Der Uhrmacher
14: Fünf am Band
Nutze in den Inserts dasselbe Licht wie in der Hauptszene, hier das warme Licht der Golden Hour. Dieses gemeinsame Licht sorgt dafür, dass ein Shot vom Schreibtisch eines Uhrmachers im selben Reel neben einem Shot von einem ausgetrockneten See in der Wüste stehen kann.
Schritt 5: Das Voiceover
Modell: ElevenLabs v4, Stimme „Eric“, Stabilität 1. Die höchste Stabilität liefert den flachsten, ausdruckslosesten Vortrag. Einen ähnlichen Clip kannst du mit Text-to-Speech machen.
Der Ton ist trocken und schnell, wie bei jemandem, der etwas erklärt, das er selbstverständlich findet. Die Tags in eckigen Klammern am Anfang bestimmen den Vortrag.
Schreib das Skript fürs Ohr: kurze Sätze mit je einer Idee und Zahlen als Wörter ausgeschrieben („ten times“, „two seconds“).
So machst du deine eigene Version
Ändere drei Dinge und lass den Rest des Hook-Prompts, wie er ist:
- Das Hauptobjekt: ein Auto, eine Uhr, ein Sneaker oder ein Gebäude. Hänge zwei oder drei saubere Bilder davon an.
- Die Antwort: „I sell AI videos“ wird zu dem, was du machst, in fünf Wörtern oder weniger.
- Die Pointe: etwas, das dein Objekt tut und womit niemand rechnet. Es kann fliegen, sich falten, verschwinden oder sich vervielfachen.
Generiere dann in Endless vier oder fünf Takes desselben Hooks und behalte den mit der besten Pointe. Wenn du statt eines Objekts einen Creator willst, der in die Kamera spricht, findest du denselben Referenz-Ansatz in unserem Guide zu KI-UGC-Videos mit einem durchgehenden Creator.
Jeden Schritt davon, von der Nischenanalyse bis zum Voiceover, kannst du in Endless durchführen.
Häufige Fragen
Was ist ein Video-Hook?
Ein Video-Hook sind die ersten Sekunden eines Kurzvideos, die dafür sorgen sollen, dass Leute nicht weiterscrollen. Der Hook in diesem Guide ist ein Straßeninterview: eine Frage von hinter der Kamera, eine kurze Antwort und eine visuelle Überraschung, alles in acht Sekunden.
Wie lang sollte ein KI-Video-Hook sein?
Dieser hier dauert 8 Sekunden in einem durchgehenden Take. Die ersten beiden Takes liefen 12 Sekunden und waren zu langsam, weil der Fahrer Zeit außerhalb des Autos verbrachte und einen Helm aufsetzte. Mit der Kürzung auf 8 Sekunden blieben Frage, Antwort und Take-off im Clip.
Wie bleibt das Auto in allen Seedance-Shots dasselbe?
Hänge an jeden Prompt dieselben drei Referenzbilder an, beschreibe das Auto im Prompt zusätzlich in Worten, verbiete Logos und lesbaren Text auf dem Kennzeichen und füge „Do not use the dark studio backgrounds of the images.“ hinzu. Alle Shots in diesem Guide nutzten dieselben Referenzen und dieselbe Fahrerbeschreibung.
Wie schreibt man Dialog in einen Seedance-Prompt?
Setze jeden gesprochenen Satz in {geschweifte Klammern} auf einer Timeline,
mit einem Zeitbereich für jeden Beat. Seedance liest die Klammern als
gesprochene Sätze und erkennt am umgebenden Satz, wer sie sagt. Nenne die
Dialogsprache am Anfang der Timeline.
Warum einen KI-Video-Hook in 480p rendern?
Bei 480p wirkt das Video wie etwas, das ein Fremder auf der Straße gefilmt hat, und das passt zu einem Straßeninterview-Hook. Ab 720p wirkt es eher wie Werbung. Außerdem ist jeder 480p-Take günstig, was hilft, wenn ein Hook drei oder vier Takes braucht.
Warum taucht ein Handy im KI-Video auf?
Wenn der Prompt irgendwo ein Handy erwähnt, auch nur als „filmed on a phone“, taucht meist eins im Bild auf. Beschreibe stattdessen die Kamera, zum Beispiel „handheld point-of-view, chest height“, und füge „no hands, no devices“ hinzu.
Mit welchen Einstellungen klingt das Voiceover ausdruckslos?
Dieses Voiceover nutzte ElevenLabs v4 mit der Stimme „Eric“ bei Stabilität 1, dem höchsten Wert, der den flachsten Vortrag liefert. Tags in eckigen Klammern am Anfang des Skripts, etwa „[completely flat, monotone, bored, dry, unimpressed]“, bestimmen den Vortrag.
Hol das in dein Team
Starte mit Endless: Chat, Bild, Video, Transkripte und Social Insights in einem Workspace.
Weiterlesen

Beste KI für Videobearbeitung: gewinnt das teuerste Modell?
Francisco, unser CEO, hat seine Katze in einen Traumtreffer-Jubel gesetzt, und das halbe Büro wollte dasselbe. Wir haben das genutzt, um zu prüfen, ob das teuerste Modell auch am besten bearbeitet: Seedance 2.5, Kling 4, Wan 3.0 Prime und MiniMax H3 mit denselben Clips, verglichen nach Identität, Treue, Audio und Credits.

HeyGen Preise 2026: Pläne, Credits und was sie bringen
Die Pläne Free, Creator, Pro und Business von HeyGen im Oktober 2026, was ein Credit an Avatar-Minuten bringt, wie sich Monats- und Jahrespreise unterscheiden und was die API kostet. Jeder Preis verlinkt auf die Seiten von HeyGen.

Die besten ChatGPT-Alternativen 2026 für Teams, die mehr Modelle wollen
Claude, Gemini, Poe, Magai, TypingMind, OpenRouter und Endless: welche dir Modelle von mehr als einer Firma geben, wie sie ein Team abrechnen und wo ChatGPT weiterhin die bessere Wahl bleibt.