Erklärvideo erstellen: Konzept, Skript und Produktion in fünf Schritten

Das Wichtigste in Kürze

• Ein gutes Erklärvideo beginnt mit einer klaren Zielgruppe und einer zentralen Botschaft.
• Als Planungswert für gesprochenes Deutsch nutzen wir rund 130 Wörter pro Minute. Für 90 Sekunden sind das etwa 195 Wörter.
• Wistia ordnet Erklärvideos in eine Spanne von einer bis fünf Minuten ein. Welche Länge sinnvoll ist, hängt vor allem von der Aufgabe des Videos ab.
• Für die Produktion kommen je nach Inhalt Animation, ein Avatar oder Presenter sowie Screen Recordings infrage. Die Formate lassen sich auch kombinieren.
• KI kann Produktion und Änderungen beschleunigen. Konzept, Skript, Freigaben und Qualitätssicherung bleiben trotzdem entscheidend.

Ein häufiges Problem entsteht schon vor der Produktion: Wer ein Produkt oder einen Prozess sehr gut kennt, setzt beim Publikum schnell zu viel Wissen voraus. Dann wird aus einem Erklärvideo eine vertonte Funktionsliste.

Deshalb lohnt es sich, zunächst drei Entscheidungen festzuhalten, die unabhängig vom späteren Produktionsformat gelten.

Ein Erklärvideo lässt sich heute ohne Kamera, Agentur oder klassischen Drehtag produzieren. KI-Tools können vor allem die eigentliche Produktion deutlich verkürzen. Die wichtigsten Entscheidungen fallen aber vorher: Für wen ist das Video gedacht? Was soll hängen bleiben? Wie lang sollte es sein? Und wie wird daraus ein Skript, das in dieser Zeit tatsächlich funktioniert?

In diesem Leitfaden gehst du den Prozess in fünf Schritten durch – von Zielgruppe und Botschaft bis zur Produktion. Dazu bekommst du ein konkretes Skript-Gerüst für ein 90-Sekunden-Video mit festen Wortbudgets.

Schritt 1 bis 3: Zielgruppe, Botschaft und Länge

Schreib für eine konkrete Person

Eine Zielgruppe wie „Mittelstand“ ist für ein gutes Skript noch zu breit. „Die Teamassistenz, die zum ersten Mal eine Reisekostenabrechnung einreicht“ gibt dir dagegen ein deutlich klareres Bild.

Je konkreter die Person ist, desto leichter kannst du entscheiden:

• Was weiß sie bereits?
• Welches Problem beschäftigt sie gerade?
• Welche Informationen braucht sie wirklich?
• Was soll sie nach dem Video tun oder weitererzählen?

Geht es um interne Kommunikation, hilft außerdem die Frage, in welchem Kontext das Video eingesetzt wird: als Ankündigung, Prozessänderung, Schulung oder für das Onboarding. Beispiele dafür findest du auch in unserem Leitfaden zur internen Kommunikation per Video.

Konzentriere dich auf eine zentrale Botschaft

Schreib in einem Satz auf, was die Person nach dem Video verstanden haben soll.

Dieser Satz ist der Maßstab für das Skript. Alles, was ihn nicht unterstützt, sollte zumindest hinterfragt werden.

Gerade bei Produktvideos entsteht sonst schnell das Problem, dass mehrere Teams ihre wichtigsten Funktionen unterbringen möchten. Bei 90 Sekunden führt das meist dazu, dass viele Punkte erwähnt, aber nur wenige wirklich erklärt werden.

Wenn zwei Botschaften unabhängig voneinander wichtig sind, sind zwei kurze Videos oft hilfreicher als ein überladenes.

Die Länge richtet sich nach der Aufgabe

Wistia ordnet Erklärvideos in eine Spanne von einer bis fünf Minuten ein und berichtet, dass Lern- und Tutorialvideos in diesem Bereich typischerweise zu mehr als der Hälfte angesehen werden.

Das ist keine feste Regel für jedes Video, aber ein brauchbarer Orientierungspunkt.

Als Arbeitswerte können beispielsweise dienen:

Aufgabe	Typische Länge
Thema auf einer Start- oder Kampagnenseite schnell erklären	60–90 Sekunden
Prozessänderung oder Produktfunktion erklären	90 Sekunden–2 Minuten
Mehrstufigen Ablauf oder Schulungsinhalt vermitteln	bis etwa 3 Minuten

Entscheidend ist weniger eine möglichst kurze Laufzeit als die Frage, wie viel Zeit die Erklärung tatsächlich braucht. Das Wichtigste sollte trotzdem früh kommen: Niemand sollte bis zur letzten Szene warten müssen, um zu verstehen, worum es geht.

Schritt 4: Das Skript nach fünf Beats schreiben

Für gesprochenes Deutsch rechnen wir bei der Planung mit rund 130 Wörtern pro Minute. Das ist ein redaktioneller Richtwert und keine allgemeingültige Sprechgeschwindigkeit.

Für 90 Sekunden ergibt das ungefähr 195 Wörter.

Diese Wörter kannst du auf fünf funktionale Abschnitte verteilen:

Beat	Timecode	Wortbudget	Aufgabe
Aufhänger	0:00–0:10	22 Wörter	Problem oder Situation aus Sicht der Zielgruppe eröffnen
Konsequenz	0:10–0:25	33 Wörter	Zeigen, warum das Thema relevant ist
Lösung	0:25–0:55	65 Wörter	Erklären, was sich konkret ändert oder wie der Ablauf funktioniert
Beleg	0:55–1:15	43 Wörter	Mit Beispiel, Test, Zahl oder konkretem Ergebnis unterstützen
Aufforderung	1:15–1:30	32 Wörter	Eine klare nächste Handlung nennen

Beispiel: interne Ankündigung einer neuen Reisekostenrichtlinie

Das folgende Beispiel ist hypothetisch. Auch die genannten Zahlen sind erfunden. Die Sie-Anrede ist hier bewusst gewählt, weil im Video ein Unternehmen seine Mitarbeitenden anspricht.

Aufhänger, 0:00 bis 0:10, 22 Wörter

Jede zweite Reisekostenabrechnung kommt unvollständig zurück. Die Buchhaltung stellt deshalb jeden Monat rund zweihundert Rückfragen, und Ihre Erstattung verzögert sich um Wochen.

Konsequenz, 0:10 bis 0:25, 33 Wörter

Ab dem ersten Oktober ändert sich das. Die neue Richtlinie ersetzt das Formular durch eine App. Sie sehen darin jederzeit, welcher Beleg noch fehlt und wann das Geld voraussichtlich auf Ihrem Konto ist.

Lösung, 0:25 bis 0:55, 65 Wörter

So läuft es ab. Sie fotografieren den Beleg direkt nach der Zahlung in der App. Die App ordnet ihn der laufenden Reise zu, Sie prüfen Datum und Betrag und senden die Abrechnung ab. Beträge unter fünfzig Euro gehen ohne Freigabe durch. Alles darüber landet automatisch bei Ihrer Führungskraft, die per Mail erinnert wird, wenn sie zwei Tage nicht reagiert hat. Mehr müssen Sie nicht tun.

Beleg, 0:55 bis 1:15, 43 Wörter

Im Test mit dem Vertrieb hat das funktioniert. Die durchschnittliche Bearbeitungszeit lag bei vier statt bei achtzehn Tagen, und von hundertzwanzig Abrechnungen kamen drei zurück. Die Kolleginnen und Kollegen brauchten dafür keine Schulung, nur zehn Minuten mit der App, und danach lief es.

Aufforderung, 1:15 bis 1:30, 32 Wörter

Laden Sie die App bis zum dreißigsten September aus dem Intranet. Die Anleitung steht dort unter Reisekosten, zusammen mit der neuen Richtlinie. Fragen beantwortet weiterhin das Team Reisekosten unter der bekannten Nummer.

Lies den fertigen Text anschließend laut mit einer Stoppuhr vor. Das ist zuverlässiger als jede rechnerische Schätzung. Läuft das Skript deutlich über 90 Sekunden, prüfe zuerst Beispiele, Zusatzinformationen und den Beleg-Abschnitt, bevor du zentrale Erklärungsschritte kürzt.

Schritt 5: Das Erklärvideo mit KI produzieren

Mit einem fertigen Skript lässt sich die eigentliche Produktion heute deutlich beschleunigen. Wie der Workflow aussieht, hängt aber davon ab, was erklärt werden soll.

Drei Formate sind besonders relevant.

Animiertes Erklärvideo

Animation eignet sich gut für abstrakte Themen, Prozesse, Richtlinien oder Inhalte, für die es wenig geeignetes Bildmaterial gibt.

Bei simpleshow gibst du beispielsweise einen Text oder ein vorhandenes Dokument ein. Daraus werden Szenen aufgebaut, passende Illustrationen vorgeschlagen und eine Stimme ergänzt. Anschließend kannst du Szenen, Visuals und Gestaltung anpassen.

Das ist besonders praktisch, wenn nicht eine Person, sondern der Ablauf oder die Idee im Mittelpunkt stehen soll.

Avatar- oder Presenter-Video

Wenn die Erklärung stärker über direkte Ansprache funktioniert, kann ein Avatar oder Presenter sinnvoll sein.

Mit dem KI-Video-Generator von D-ID kannst du beispielsweise ein Skript mit einem digitalen Presenter umsetzen. Im D-ID Studio wählst du einen Avatar, fügst dein Skript ein, passt Szenen und Darstellung an und erzeugst daraus das Video.

Das eignet sich unter anderem für interne Updates, Training, Produktkommunikation oder Inhalte, die regelmäßig aktualisiert werden müssen. Ändert sich später eine Passage, kann sie angepasst werden, ohne eine komplette Aufnahme neu organisieren zu müssen.

Screen Recording

Soll eine Software oder ein konkreter digitaler Workflow erklärt werden, ist eine Bildschirmaufnahme häufig die direkteste Lösung.

Statt eine Benutzeroberfläche abstrakt nachzubauen, zeigst du den tatsächlichen Ablauf: wo jemand klickt, welche Informationen erscheinen und was als Nächstes passiert.

Die Formate schließen sich nicht aus. Ein Produktvideo kann beispielsweise mit einem Avatar beginnen, anschließend die reale Benutzeroberfläche zeigen und einen abstrakten Prozess zwischendurch animiert erklären.

Für Learning-&-Development-Anwendungen haben wir außerdem acht KI-Videoplattformen für L&D verglichen.

Wo du dein Erklärvideo veröffentlichst

Ein gutes Video hilft nur dann, wenn es dort auftaucht, wo die Erklärung gebraucht wird.

Auf einer Produktseite kann es eine Funktion erläutern. Im LMS unterstützt es eine Schulung. Im Intranet erklärt es einen neuen Prozess. Ein Sales-Team kann es nach einem Gespräch verschicken, wenn immer wieder dieselben Fragen auftauchen.

Für öffentlich zugängliche Inhalte kann auch YouTube sinnvoll sein. Laut ARD/ZDF-Medienstudie 2025 nutzen 46 Prozent der Menschen in Deutschland ab 14 Jahren die Plattform mindestens wöchentlich.

Reichweite allein macht YouTube aber noch nicht zum besten Veröffentlichungsort. Entscheidend ist, wo deine Zielgruppe die Frage hat, die das Video beantwortet.

Untertitel und ein Transkript sind ebenfalls sinnvoll. Sie machen Inhalte zugänglicher und stellen die Informationen zusätzlich als Text zur Verfügung.

Miss das Ziel des Videos, nicht nur die Views

Welche Kennzahl wichtig ist, hängt von der Aufgabe des Videos ab.

• Start- oder Kampagnenseite. Achte beispielsweise auf: Play Rate, Sehdauer, Klicks auf den CTA, Conversion nach dem Video
• Produkt- oder Sales-Content. Interessant können sein: Completion Rate, Klicks auf Produkt- oder Demo-CTAs, Demo-Anfragen, unterstützte Conversions im weiteren Funnel
• Training und Onboarding. Hier sind andere Signale wichtiger: Abschlussrate, Ergebnisse von Wissenschecks, erfolgreiche Durchführung eines Prozesses, wiederkehrende Fragen nach dem Training

So lässt sich besser beurteilen, ob das Video seine konkrete Aufgabe erfüllt, statt nur möglichst viele Aufrufe zu sammeln.

Wann ein KI-Erklärvideo nicht die beste Wahl ist

Nicht jede Information braucht ein produziertes Video. In einigen Situationen ist ein anderes Format sinnvoller.

Der Inhalt ist noch nicht abgestimmt. Wenn Fachbereich, Legal oder andere Stakeholder noch regelmäßig Formulierungen ändern, ist ein Dokument oft praktischer. Mit jeder Videoänderung müssen möglicherweise Sprechertext, Untertitel, Übersetzungen und eingebettete Versionen aktualisiert werden. Produziere deshalb möglichst erst, wenn die Kernaussage stabil ist.

Die Person selbst ist Teil der Botschaft. Bei einer Umstrukturierung, einer Entschuldigung oder einer anderen sensiblen Kommunikation kann eine reale Führungskraft wichtiger sein als eine besonders aufwendige Produktion. In solchen Fällen kann selbst eine einfache persönliche Aufnahme angemessener wirken als ein Avatar.

Du möchtest eine Software demonstrieren. Wenn Nutzer genau sehen müssen, wie eine Oberfläche funktioniert, ist ein Screen Recording meist besonders hilfreich. Avatar, Animation oder Sprecher können zusätzliche Einordnung liefern. Die eigentliche Bedienung sollte aber möglichst am realen Produkt gezeigt werden.

Du lokalisierst für verschiedene Märkte. Ein Skript in zehn Sprachen zu rendern bedeutet noch nicht automatisch, dass dieselbe Argumentation in zehn Märkten gleich gut funktioniert. Beispiele, Maßeinheiten, Währungen, regulatorische Hinweise und der Ton können sich unterscheiden. Deshalb sollte eine sprachkundige Person die jeweilige Version vor der Produktion prüfen. D-ID unterstützt im KI-Video-Generator mehr als 120 Sprachen und Akzente. Wie sich reine Übersetzung von echter Anpassung unterscheidet, erklären wir ausführlicher im Beitrag über mehrsprachigem Video-Marketing.

Häufige Fragen

Wie lange sollte ein Erklärvideo sein?

Die passende Länge hängt von der Aufgabe ab. Für eine kompakte Einführung auf einer Start- oder Kampagnenseite sind 60 bis 90 Sekunden ein sinnvoller Ausgangspunkt. Prozess- oder Produktvideos können mehr Zeit brauchen, mehrstufige Schulungsinhalte entsprechend länger. Entscheidend ist, die Länge vor dem Schreiben festzulegen. Mit einem Wortbudget lässt sich anschließend gezielter entscheiden, welche Informationen wirklich ins Video gehören.

Wie lange dauert es, ein Erklärvideo zu erstellen?

Die technische Generierung kann mit KI-Tools sehr schnell gehen. Wie lange das gesamte Projekt dauert, hängt dagegen vor allem von Konzept, Skript, Abstimmungen und Freigaben ab. Ein klarer Brief, definierte Verantwortlichkeiten und möglichst wenige Freigabeschleifen beschleunigen den Prozess oft stärker als die Wahl eines schnelleren Rendering-Tools.

Welche Software brauche ich für ein Erklärvideo?

Das hängt vom Format ab. Für animierte Erklärvideos kann ein Tool wie simpleshow Text automatisch in Szenen und Visuals überführen. Für presenterbasierte Videos lässt sich der KI-Video-Generator von D-ID nutzen. Soll dagegen eine Softwareoberfläche erklärt werden, ist ein Screen-Recording-Tool häufig die passendere Grundlage. Auch Kombinationen sind möglich.

Wann lohnt sich eine echte Aufnahme statt eines KI-Avatars?

Eine reale Aufnahme kann sinnvoll sein, wenn die Person selbst Teil der Botschaft ist – beispielsweise bei sensiblen Entscheidungen, persönlichen Stellungnahmen oder Kommunikation, bei der Verantwortung sichtbar vermittelt werden soll. Bei wiederkehrenden oder häufig aktualisierten Inhalten kann ein Avatar dagegen den Produktionsaufwand reduzieren, weil Änderungen keine neue Aufnahme erfordern.

Nächste Schritte

Bevor du dein nächstes Erklärvideo produzierst, schreib zunächst nur das Skript.

Definiere eine Person, eine Botschaft und eine Länge. Für ein 90-Sekunden-Video kannst du anschließend die fünf Beats mit insgesamt rund 195 Wörtern ausfüllen und den Text laut mit einer Stoppuhr testen.

Erst wenn das funktioniert, lohnt sich die Frage nach Animation, Avatar oder Screen Recording.

Wenn dein Skript steht, kannst du es im D-ID Studio kostenlos ausprobieren und daraus eine Version mit einem Avatar oder Presenter erstellen.

Planst du größere Videobibliotheken, mehrere Sprachen oder Integrationen in bestehende Lern- und Content-Systeme, kann es sinnvoll sein, den Produktionsworkflow vorher mit dem D-ID-Team zu planen. Dafür kannst du mit unserem Team sprechen.