Viele denken bei KI-Bildern an etwas, das aus dem Nichts entsteht. Dieser Artikel zeigt den anderen Weg: Am Anfang steht ein echtes Foto aus meinem Archiv, aufgenommen am 31. Januar 2009 mit einer Spiegelreflexkamera. Ein Saal mit Holzvertäfelung, Stuck und Marmorboden, leer, staubig, im harten Licht des Vormittags.
Am 24. Oktober 2026 habe ich dieses Foto in zwei Schritten weitergedacht. Erst hat GPT Image 2.5 in ChatGPT aus dem leeren Saal einen Ballabend gemacht. Dann hat Kling 4.0, das Videomodell des chinesischen Unternehmens Kuaishou, über die Plattform Higgsfield aus diesem Bild einen kurzen Film mit Schnitten, Kamerafahrten und Musik erzeugt. Kein Schnittprogramm, keine eigene Tonspur: Alles, was du oben im Film siehst und hörst, kam aus diesem einen Durchgang.
01 · Akt eins: Das Foto
Zehn Sekunden, in denen niemand kam
Ein leerer Raum ist für die KI das beste Ausgangsmaterial, das es gibt. Er ist eine Bühne: klare Linien, viel freie Fläche, nichts, was später im Weg steht. Die Aufnahmedaten stehen noch heute in der Bilddatei.
Aufnahmedaten31.01.2009 · 10:59 Uhr
- Belichtung
- 10 s
- Blende
- f/13
- Kamera
- Canon EOS 40D
- Objektiv
- 17–70 mm bei 17 mm
- ISO
- 200
- Modus
- manuell
Zehn Sekunden hält niemand eine Kamera ruhig in der Hand. Die kleine Blende f/13 macht den Saal vom Boden vorn bis zur Rückwand scharf, der Preis dafür ist die lange Belichtung. Wäre in diesen zehn Sekunden jemand durch den Saal gegangen, wäre er nur als Schleier auf dem Bild gelandet. Es kam niemand.
Fluchtlinien
Der Blick führt in die Tiefe
Das Weitwinkel bei 17 mm zieht die Fensterreihe links und die Wand rechts auf einen Punkt hinten zu. Genau dorthin setzt die KI später ihre Tänzer, und genau dorthin fährt im Film die Kamera.
Boden
Glänzender Marmor
Der Boden spiegelt schon im Original das Fensterlicht. Für die KI ist das eine Einladung: Wo heute Staub liegt, spiegeln sich im KI-Bild die Kerzen.
02 · Akt zwei: Das Bild
Derselbe Saal, 17 Jahre später, um Mitternacht
Zieh den Regler oder tippe auf eine der Nummern. Dann springt die Trennlinie genau an diese Stelle, und du siehst links das Foto von 2009, rechts das KI-Bild. Achte darauf, was GPT Image 2.5 nicht verändert hat.
Foto 2009
KI-Bild 2026
- Werkzeug
- ChatGPT, GPT Image 2.5
- Ergebnis
- 1672 × 941 Pixel, 16:9
- Herkunftsdaten
- C2PA: „ChatGPT“, KI-erzeugt
03 · Der Bildprompt, Satz für Satz
Erst sagen, was da ist. Dann, was kommt.
Der Prompt ist auf Deutsch, und er ist so aufgebaut, dass die KI erst den Raum kennt und dann erfährt, was sich ändern darf. Tippe einen Baustein an, dann leuchtet die Stelle im Prompt auf.
Bearbeite das hochgeladene Foto.
Auf dem Foto: Ein leerer, holzvertäfelter Prunksaal mit hohen Sprossenfenstern, Stuckdecke, zwei Kronleuchtern und glänzendem Marmorboden.
Zeige den Saal als eleganten Ballabend: Die beiden Kronleuchter brennen mit warmen Kerzenflammen, auf dem Marmorboden tanzen Paare in Abendkleidern und Fräcken. Architektur, Vertäfelung, Fenster und Kamerawinkel bleiben unverändert.
Setze das ganze Bild in diesem Stil um: Inszeniert wie ein Hollywood-Blockbuster: maximale Dramatik, spektakuläre Kulisse, Heldenwirkung.
Ändere die Beleuchtung: Einzige Lichtquelle sind brennende Kerzen: warmes, goldoranges, leicht flackerndes Licht, tiefe weiche Schatten, die Bildränder versinken im Dunkel.
Bildformat: Breitbild 16:9.
Ändere sonst nichts am Bild.
Tausch nur die Sätze 2 und 3 aus, und der Prompt funktioniert für jeden leeren Raum: eine verlassene Bahnhofshalle wird zur Ankunft eines Dampfzugs, eine leere Kirche zur Hochzeit, eine Fabrikhalle zur Schicht von 1920.
04 · Akt drei: Der Film
Ich habe Schnitte bestellt. Kling hat geliefert.
Das Verblüffendste an diesem Film: Ich habe Kling im Prompt ein Drehbuch mit Sekundenangaben gegeben, und das Modell hat sich daran gehalten. Ich habe die Schnitte im fertigen Video nachgemessen.
Regie-Check
gemessen mit einer Schnitterkennung im fertigen Video
Schnitt 1
bestellt bei 6 s
6,00 s
auf das Bild genauSchnitt 2
bestellt bei 12 s
12,08 s
2 Bilder späterSchnitt 3
bestellt bei 17 s
17,13 s
3 Bilder späterSchnitt 4
bestellt bei 23 s
23,08 s
2 Bilder späterDer Film läuft mit 24 Bildern pro Sekunde, ein Bild dauert also gut vier Hundertstelsekunden. Die größte Abweichung liegt bei drei Bildern, einer Achtelsekunde. Das sieht niemand. Fünf Einstellungen, vier Schnitte, alle da, wo sie hinsollten.
01 Die Totale · 0:00–0:06
Der Saal erwacht
Bestellt
0-6 seconds wide establishing view with slow push-in
Volltreffer
Das erste Bild ist praktisch das KI-Bild, dann setzt die Bewegung ein: Kleider schwingen, Kerzen flackern, die Kamera schiebt sich langsam auf das Paar im cremefarbenen Kleid zu. Die Architektur bleibt dabei völlig ruhig, kein Fenster wackelt.
02 Das Hauptpaar · 0:06–0:12
Halbnah, im Kreis
Bestellt
medium shot of the main dancing couple with gentle orbit and subtle zoom
Treffer
Schnitt, und wir sind mitten auf der Tanzfläche. Die Kamera umkreist das Paar, das im KI-Bild vorn tanzt: cremefarbenes Kleid, hochgesteckte Haare, schwarzer Frack. Dass Kling nach einem Schnitt dieselben Menschen wiederfindet, ist alles andere als selbstverständlich.
03 Das Detail · 0:12–0:17
Seide statt Hände
Bestellt
close detail of joined hands and swirling silk gown
Halb getroffen
Der Seidenrock wirbelt herrlich, die Stoffbewegung ist das Beste im ganzen Film. Darunter Absatzschuhe und Lackschuhe auf dem Marmor. Nur die verschränkten Hände, die ich bestellt hatte, sieht man nicht. Kling hat sich für die Hälfte des Auftrags entschieden, die sich leichter bewegen lässt.
04 Das zweite Paar · 0:17–0:23
Das rote Kleid
Bestellt
medium shot of another couple with graceful lateral camera move
Treffer
Das zweite Paar ist das aus dem KI-Bild rechts, mit dem dunkelroten Kleid. Die Kamera gleitet seitlich mit. Im Hintergrund stehen allerdings Kerzenleuchter an der Wand und eine Doppeltür, die so im Foto nicht zu sehen sind. Kling baut den Saal dort weiter, wo das Startbild nichts verrät.
05 Die Rückfahrt · 0:23–0:30
Zurück in die Totale
Bestellt
back to grand wide ballroom view with slow pull-back through the final second
Treffer mit Nebenwirkung
Die Kamera zieht sich zurück, die Musik wird leiser bis zur Stille. Ein schöner Schluss. Wer genau hinsieht, entdeckt aber: Links oben hängt jetzt ein dritter Kronleuchter, an den Wänden stehen Stühle, und es tanzen deutlich weniger Paare als im KI-Bild. Der Saal ist in der Totale ein anderer geworden.
05 · Der Videoprompt, Baustein für Baustein
Ein Drehbuch in einem Absatz
Der Videoprompt ist auf Englisch, so wie die meisten Prompts für Videomodelle. Sein Kern ist der vierte Baustein: ein Drehbuch mit Sekundenangaben, Einstellungsgrößen und Kamerabewegungen. Tippe einen Baustein an.
Create a photorealistic authentic cinematic ballroom film from the supplied golden candlelit ballroom image. Preserve the room, architecture, candle lighting, evening gowns, tailcoats and main couples' identities consistently. Natural elegant waltzing, realistic footsteps and fabric physics, subtle flickering candle flames and marble reflections. Thirty-second edited sequence: 0-6 seconds wide establishing view with slow push-in; cut at 6s to medium shot of the main dancing couple with gentle orbit and subtle zoom; cut at 12s to close detail of joined hands and swirling silk gown; cut at 17s to medium shot of another couple with graceful lateral camera move; cut at 23s back to grand wide ballroom view with slow pull-back through the final second. Smooth professional cinematic cuts with authentic continuity and no morphing, no jitter, no exaggerated speed, no text. Soundtrack: elegant instrumental cinematic orchestral waltz, lush strings with restrained piano and gentle rhythmic pulse, synchronized to dancing and cuts, subtle ballroom room tone, no vocals, no dialogue.
- Modell
- Kling 4.0
- Modus
- Bild zu Video
- Startbild
- das KI-Bild
- Länge
- 30 Sekunden
- Auflösung
- 720p
- Format
- 16:9
Die Musik kam mit dem Bild
Unten siehst du die Lautstärke der Tonspur über die 30 Sekunden, die gestrichelten Linien sind die vier Schnitte. Den lautesten Moment hat Kling direkt hinter den Schnitt auf das wirbelnde Kleid gelegt. Und zum Schluss wird die Musik mit der Rückfahrt immer leiser, bis zur Stille.
06 · Ehrlich hingeschaut
Was die KI erfunden, vergessen und weggeschnitten hat
Erstens
16:9 kostet ein Stück Decke
Mein Foto hat das Format 3:2, bestellt war 16:9. GPT Image 2.5 hat dafür oben rund ein Zehntel der Decke und unten einen Streifen Boden weggelassen. Wer selbst entscheiden will, was fehlt, schneidet das Foto vorher in Lightroom oder am Handy zu.
Zweitens
Hände bestellt, Kleid bekommen
In der Detail-Einstellung fehlen die verschränkten Hände. Bei zwei Wünschen in einer kurzen Einstellung erfüllt Kling gern nur einen. Wer die Hände unbedingt will, schreibt nur die Hände in diese Einstellung.
Drittens
Kling möbliert nach
Wandleuchter, Stühle, eine Doppeltür und in der Schlusstotale ein dritter Kronleuchter: Alles, was das Startbild nicht zeigt, erfindet Kling dazu. Bei einem Fantasie-Ballsaal ist das egal. Bei einem echten, bekannten Gebäude wäre es ein Problem.
Viertens
Die Gesellschaft schrumpft
Im KI-Bild drängen sich Dutzende Paare. In der letzten Totale des Films tanzen deutlich weniger. Das Modell hält die Hauptpersonen fest, die Menge im Hintergrund nicht.
Fünftens
Ein Durchgang, keine Nachbesserung
Weil Kling Bild, Schnitte und Ton in einem Rutsch erzeugt, kann man nicht eine Einstellung allein neu machen. Gefällt dir Schnitt drei nicht, würfelst du den ganzen Film neu. Wer einzelne Einstellungen austauschen will, erzeugt sie einzeln und schneidet selbst, wie im Kinotrailer-Artikel.
Sechstens
Als KI kennzeichnen
Der Saal ist echt, der Ball nicht. Die Bilddatei aus ChatGPT trägt schon von sich aus digitale Herkunftsdaten (C2PA), die sie als KI-erzeugt ausweisen. Beim Posten auf Instagram, TikTok oder YouTube setze ich den Hinweis trotzdem selbst, denn ein fotorealistischer Ballabend kann täuschen.
07 · Selbst ausprobieren
Dein altes Foto als Film in sechs Schritten
Ein leerer Raum aus dem Archiv
Such in deinen alten Fotos nach Orten ohne Menschen: Säle, Bahnhöfe, Kirchen, Hallen, Treppenhäuser. Je klarer die Linien und je mehr freie Fläche, desto besser wird die Bühne. Ein Stativfoto mit langer Belichtung ist ideal, weil es scharf und rauscharm ist.
Vorher ins Breitformat schneiden
Bring das Foto selbst auf 16:9. Dann entscheidest du, was oben und unten wegfällt, nicht die KI.
Bildprompt nach Bauplan
Auftrag, Bestandsaufnahme, neue Szene, was bleiben muss, Stil, Licht, Format, Schutzsatz. Lade das Foto in ChatGPT hoch und füge den Prompt ein. Den Prompt oben kannst du kopieren und nur die Sätze 2 und 3 anpassen.
Das beste Bild als Startbild
Lade das KI-Bild bei Higgsfield hoch, wähle Kling 4.0 und den Modus „Bild zu Video“. Stelle 30 Sekunden, 720p und 16:9 ein. Higgsfield zeigt den Preis vor dem Start an.
Ein Drehbuch mit Sekunden schreiben
Plane fünf Einstellungen: weit, halbnah, Detail, halbnah, weit. Gib jedem Schnitt eine Sekunde und jeder Einstellung genau eine Kamerabewegung. Pro Einstellung nur ein Motiv, sonst wählt Kling selbst aus.
Ton gleich mitbestellen
Beschreib die Musik am Ende des Prompts: Stil, Instrumente, kein Gesang, keine Sprache. Mit „synchronized to dancing and cuts“ passt Kling sie an die Bewegung an.
Was der Film gekostet hat
15 Credits
- Bildbearbeitung in ChatGPT mit GPT Image 2.5keine Credits
- 30 Sekunden Kling 4.0 in 720p, mit Ton15 Credits
- Derselbe Film in 1080p30 Credits
- Schnitt und Musikim Film enthalten
Higgsfield berechnet Kling 4.0 in 720p mit einem halben Credit pro Sekunde, in 1080p mit einem ganzen (Preisabfrage bei Higgsfield am 24.10.2026). Das KI-Bild entstand direkt in ChatGPT und kostet deshalb keine Higgsfield-Credits.
Wie aus einem Bild überhaupt ein Video wird, erklärt das Kurzvideo Wie aus einem Bild ein Video wird in unter einer Minute.
Mehr zur Bildbearbeitung per Prompt mit eigenen Fotos zeigen KI-Bild aus eigenem Foto erstellen und Bildbearbeitung per Prompt.
08 · Häufige Fragen
Fragen zum Weg vom Foto zum KI-Film
Wie wird aus einem alten Foto ein KI-Video?
In zwei Schritten. Erst bearbeitest du das Foto per Prompt, zum Beispiel mit GPT Image 2.5 in ChatGPT, und machst daraus die Szene, die du zeigen willst. Dann lädst du dieses Bild bei einem Videomodell wie Kling 4.0 im Modus „Bild zu Video“ hoch und beschreibst im Prompt Bewegung, Kamera und Schnitte.
Kann Kling 4.0 Schnitte nach Sekundenangaben setzen?
In meinem Versuch ja. Bestellt waren Schnitte bei 6, 12, 17 und 23 Sekunden, gemessen habe ich 6,00, 12,08, 17,13 und 23,08 Sekunden. Die größte Abweichung waren drei Einzelbilder. Das ist ein einzelner Test, keine Garantie, zeigt aber, dass ein Drehbuch mit Sekunden im Prompt funktionieren kann.
Was kostet ein 30-Sekunden-Video mit Kling 4.0?
Bei Higgsfield kostet Kling 4.0 in 720p einen halben Credit pro Sekunde, für 30 Sekunden also 15 Credits. In 1080p sind es 30 Credits (Stand 24. Oktober 2026).
Macht Kling 4.0 auch die Musik?
Ja. Der Ton in diesem Film kommt aus demselben Durchgang wie das Bild. Ich habe die Musik am Ende des Prompts beschrieben: orchestraler Walzer, Streicher, zurückhaltendes Klavier, ohne Gesang und ohne Sprache. Ein eigenes Musikprogramm war nicht nötig.
Warum fehlt im KI-Bild ein Stück vom Foto?
Weil ein Foto im Format 3:2 höher ist als ein Bild im Format 16:9. Bestellst du Breitbild, muss die KI oben oder unten etwas weglassen. Schneide das Foto vorher selbst auf 16:9 zu, dann bestimmst du, was fehlt.
Mein Fazit
Das Foto ist die Bühne. Die Prompts sind die Regie.
Dieses Projekt hat mich mehr überrascht als jeder Trailer davor. GPT Image 2.5 hat einen 17 Jahre alten, leeren Saal in einen Ballabend verwandelt und dabei so genau gearbeitet, dass sogar die Heizkörperverkleidung noch dasteht. Kling 4.0 hat aus einem einzigen Absatz ein Drehbuch mit fünf Einstellungen gemacht, die Schnitte fast aufs Bild genau gesetzt und die Musik gleich mitgeliefert. Es erfindet dabei Möbel und Kronleuchter, und es vergisst schon mal die Hände. Aber der Weg vom Archivfoto zum Film ist heute zwei Prompts lang. Wie du deinen Fotos vorher den passenden Filmlook gibst, zeigt Kinolook per Prompt.
Ein Foto. Zwei Prompts. Ein Ball.