Ich baue Werbespots, die komplett aus dem Rechner kommen. Und die Frage, die ich am häufigsten höre, ist die falsche.

Sie lautet: „Was kostet eine Sekunde?“ Als wäre das die Rechnung. Ist es nicht. Der Sekundenpreis, mit dem jede Vergleichsseite ihre Tabellen füllt, ist der kleinste Posten. Der eigentliche Preis steht woanders — und den nennt niemand, weil er sich schlecht in eine Spalte schreiben lässt.

Fangen wir trotzdem mit dem Sekundenpreis an. Nur um zu zeigen, wie wenig er erklärt.

Was eine Sekunde nominell kostet

Modell Preis (Netto-Liste, USD) Cliplänge Ton Kommerziell?
Kling 2.6 Pro Kling AI 0,07 $/s (ohne Ton), 0,14 $/s (mit Ton) — über den Reseller fal.ai 5 oder 10 s Ton verdoppelt den Preis Gratis-Nutzer dürfen NICHT kommerziell verwerten (AGB 4.6); erst zahlende Mitglieder
Ray 3.2 Luma AI je Clip: 1080p/5 s = 1,20 $ (≈ 0,24 $/s), 720p/5 s = 0,30 $ 5 oder 10 s — laut Tarif
Sora 2 Pro OpenAI 0,30 $/s (Sora 2: 0,10 $/s) nur 720×1280 / 1280×720 ja laut OpenAI-Bedingungen
Veo 3.1 Google Standard 0,40 $/s (720p/1080p), 0,60 $/s (4K); Fast ab 0,10 $/s; Lite ab 0,05 $/s 4, 6 oder 8 s immer an, im Preis enthalten Google beansprucht kein Eigentum; in der EU nur über den bezahlten Tarif
Gen-4.5 Runway 12 Credits/s, 1 Credit = 0,01 $ → 0,12 $/s laut Tarif — uneingeschränkt; Runway behält sich Training an den Ergebnissen vor
Wan 2.7 Alibaba über Alibaba Cloud Model Studio; offene Gewichte nur bis Wan 2.2 (Apache-2.0) 2 bis 15 s eigene Datei oder automatisch laut Model-Studio-Bedingungen

Stand 24. Juli 2026. Alle Preise sind Netto-Listenpreise in US-Dollar direkt von der Anbieterseite; für EU-Käufer können Umsatzsteuer bzw. Reverse-Charge hinzukommen (keine Steuerberatung). Preise, Modell-IDs und Verfügbarkeit ändern sich kurzfristig — vor jeder Entscheidung beim Anbieter prüfen.

Zwei Dinge fallen auf.

Erstens die Spannbreite. Zwischen dem billigsten und dem teuersten ausgewiesenen Sekundenpreis liegt ungefähr Faktor sechs — Kling bei 0,07 $, Veo Standard bei 0,40 $. Wer nur auf diese Zahl schaut, würde Kling nehmen und fertig. Aber die Zahl sagt nichts darüber, wie viele Versuche du brauchst, bis ein Clip sitzt. Und genau da entscheidet sich die echte Rechnung.

Zweitens die Bedingungen, die die Preisseiten vorne weglassen. Bei Kling darfst du als Gratis-Nutzer das Ergebnis überhaupt nicht kommerziell verwerten — das steht in Ziffer 4.6 der AGB, nicht auf der Preisseite. Bei Veo ist der Ton immer dabei und im Preis, bei Kling verdoppelt er ihn. Sora 2 kann nur ein einziges Seitenverhältnis. Und Sora wird in wenigen Wochen abgeschaltet — dazu gleich mehr.

Die Rechnung, die niemand hinschreibt: Verwerfung

Hier ist die einzige sauber belegte Praktiker-Zahl, die ich finden konnte, und sie ist ernüchternd.

Für einen KI-Werbespot, der in der Halbzeit der NBA Finals lief (für die Prognose-Börse Kalshi), dokumentierte der Macher PJ Accetturo seinen Aufwand offen: rund 300 bis 400 Generierungen für 15 brauchbare Clips. Ein Mensch, zwei Tage. Werkzeuge: Veo fürs Video, Gemini und ChatGPT für die Prompts, CapCut und Premiere für den Schnitt, Topaz fürs Upscaling.

Rechne das gegen den Sekundenpreis. Wenn du 20 bis 25 Versuche wegwirfst, bevor einer sitzt, dann kostet dich der eine brauchbare Clip nicht den Sekundenpreis — sondern das Zwanzigfache davon. Und plötzlich ist der Unterschied zwischen 0,07 $ und 0,40 $ zweitrangig: Entscheidend ist, welches Modell dich seltener verwerfen lässt, nicht welches die billigste Einzelsekunde hat.

Das ist der Grund, warum ich hier keinen Sieger kröne. Die Verwerfungsquote hängt von deinem Motiv ab — ein ruhiger Produktshot verwirft anders als eine Figur, die durchs Bild läuft. Wer dir sagt „Modell X ist am günstigsten“, hat die teuerste Variable weggelassen.

Und dann kommt die Nachbearbeitung

Der Clip aus dem Modell ist nicht der fertige Clip. Er ist das Rohmaterial.

Nimm das Upscaling, das der Kalshi-Spot ausdrücklich brauchte. Runways eigener 4K-Upscaler rechnet nach einer dokumentierten Formel je Frame ab. Für ein zehn Sekunden langes Video mit 30 Bildern pro Sekunde sind das 360 Credits — also 3,60 $, nur fürs Hochskalieren. Bei einem Modell, dessen Generierung 0,12 $ pro Sekunde kostet, ist das Upscaling für zehn Sekunden also teurer als die Generierung selbst. Topaz, das im Spot genutzte Werkzeug, ist eine eigene Abo-Position obendrauf.

Und das ist nur das Hochskalieren. Dazu kommen: Schnitt, Farbkorrektur, Tonmischung, das Zusammensetzen der 15 Clips zu einem Film, der sich nicht anfühlt wie 15 aneinandergeklebte Prompts. Das ist Handwerk, das Zeit kostet — und die Zeit ist in keinem Sekundenpreis enthalten.

Der ehrliche Satz lautet: KI-Video ist ein Beschleuniger, kein Ersatz. Der Prompt ersetzt das Filmen. Er ersetzt nicht das Filmemachen.

Welches Modell wofür — vorsichtig, weil es morgen anders ist

Ich sage bewusst nicht „das beste Modell“. Ich sage, was heute, am 24. Juli 2026, in den Belegen steht.

In der Blindvergleichs-Arena von Artificial Analysis, wo Nutzer zwei Clips ohne Markennamen gegeneinander bewerten, führt am Abrufdatum Gemini Omni Flash — mit Ton bei einem Elo von 1.245 aus knapp 4.000 Stimmen. Das ist eine Momentaufnahme, kein Naturgesetz: Elo und Stimmen ändern sich täglich, und dahinter drängen Dreamina Seedance und eine Reihe von Modellen, die vor einem Jahr niemand kannte.

Physik ist die härteste Bruchstelle — und sie hängt nicht am optischen Realismus. Der Physics-IQ-Benchmark von Google DeepMind misst, wie gut ein Modell physikalische Abläufe versteht (fällt der Gegenstand richtig, fließt das Wasser plausibel). Die Autoren betonen selbst: optischer Realismus und Physikverständnis korrelieren nicht. Ein Clip kann fotorealistisch aussehen und trotzdem Physik zeigen, die es nicht gibt. Kein aktuelles Modell kommt auch nur in die Nähe echter Videos.

Die Marketing-Versprechen zur Figurenkonsistenz — dieselbe Person über mehrere Einstellungen hinweg — sind genau das: Versprechen. Google beschreibt Veo 3.1 im eigenen Blog mit „überlegener Bild- und Tonqualität“ und der Möglichkeit, bis zu drei Referenzbilder einer Figur mitzugeben. Einen unabhängigen Messwert dazu nennt Google nicht. Aus eigener Arbeit: Figurenkonsistenz ist das ungelöste Kernproblem. Referenzbilder helfen, garantieren aber nichts — je mehr Einstellungen, desto größer die Drift.

Die Frage, die fast niemand stellt: Darf ich das verkaufen?

Bei einem Werbespot ist „ich glaube schon“ keine Antwort. Was in den Nutzungsbedingungen steht, ist bei jedem Anbieter anders — und steht selten auf der Preisseite.

Kling verbietet Gratis-Nutzern jede kommerzielle Verwertung ausdrücklich (AGB 4.6: „without our written permission, you may not use … for any commercial purposes“). Erst zahlende Mitglieder dürfen. Und Kling verlangt, das Ergebnis sichtbar als „Kling AI“ zu kennzeichnen (AGB 4.5).

Runway erlaubt kommerzielle Nutzung uneingeschränkt und beansprucht kein Eigentum an deinen Ergebnissen — behält sich aber vor, an ihnen zu trainieren. Und: Anwendungen, die die API nutzen, müssen sichtbar „Powered by Runway“ anzeigen und auf runway.com verlinken (AGB).

Google beansprucht kein Eigentum an den erzeugten Videos, weist aber ausdrücklich darauf hin, dass es dasselbe oder ähnliches Material auch für andere erzeugen darf. Jede Veo-Ausgabe trägt ein unsichtbares SynthID-Wasserzeichen.

Kurz: „Ich hab’s ja generiert, also gehört es mir“ gilt bei keinem dieser Anbieter automatisch. Lies die Ziffer, bevor der Clip on air geht.

Tool-Sterblichkeit — der Haken, an den keiner denkt

Am 24. März 2026 hat OpenAI die Abschaltung seiner Videos-API und aller Sora-2-Modelle angekündigt, zum 24. September 2026. Auf der Deprecations-Seite ist kein Nachfolgemodell aufgeführt (Stand 24.07.2026). Was daraus für OpenAIs Strategie folgt, weiß ich nicht — das steht dort nicht.

Aber die Lehre steht: Wenn du eine Produktion auf ein Modell aufbaust, baust du auf etwas, das der Anbieter mit ein paar Monaten Vorlauf abschalten kann. Dasselbe Muster bei Google: Veo 3 und Veo 2 wurden am 30. Juni 2026 abgeschaltet, das aktuelle Veo 3.1 trägt weiter „preview“ im Namen. Und wirklich offene, selbst hostbare Gewichte gibt es bei Alibabas Wan nur bis Version 2.2 — alles Neuere ist API-only, also abhängig vom Anbieter.

Wer Unabhängigkeit will, muss das einplanen: entweder auf offene Gewichte setzen (und den Qualitätsabstand akzeptieren) oder damit rechnen, den Workflow alle paar Monate umzubauen.

Die deutsche Rechtslage — kurz, und ausdrücklich kein Rechtsrat

Das Folgende ist die Wiedergabe von Gesetzestext und amtlichen Quellen, Stand 24. Juli 2026 — keine Rechtsberatung. Ob und wie das auf dein Projekt wirkt, klärt im Zweifel eine Anwältin.

Kennzeichnungspflicht. Ab dem 2. August 2026 verlangt Artikel 50 des EU-AI-Acts (laut FAQ der EU-Kommission), dass synthetische Inhalte maschinenlesbar markiert und als KI-erzeugt erkennbar sind; wer ein KI-Video einsetzt, muss einen „Deepfake“ spätestens beim ersten Ansehen klar offenlegen. Die Übergangsfrist bis 2. Dezember 2026 betrifft nur die Markierungspflicht der Anbieter für Altsysteme. In Deutschland wacht darüber seit dem KI-Durchführungsgesetz (Bundestag, 11. Juni 2026) die Bundesnetzagentur. Der Bußgeldrahmen für Transparenzverstöße reicht bis 15 Millionen Euro oder 3 % des weltweiten Jahresumsatzes (Art. 99 Abs. 4 AI Act).

Das überraschende Detail zum Urheberrecht: Ein rein KI-generiertes Video gehört in Deutschland niemandem. § 2 Abs. 2 UrhG schützt nur „persönliche geistige Schöpfungen“ — ein vollständig autonom von einer KI erzeugtes Ergebnis erfüllt das nicht. Es ist nicht urheberrechtlich geschützt; theoretisch darf es jeder kopieren. Schutz entsteht erst durch deinen eigenen schöpferischen Anteil — Schnitt, Auswahl, Komposition.

Und die Kehrseite: Auch ein komplett synthetisches Gesicht kann Rechte verletzen. § 22 KunstUrhG (Recht am eigenen Bild) greift, sobald eine reale Person im generierten Bild erkennbar ist — ohne dass je eine Kamera lief. Ein KI-Gesicht, das zufällig oder absichtlich wie ein echter Mensch aussieht, ist kein rechtsfreier Raum.

Mein Fazit

Wenn du eine Zahl mitnimmst, dann diese: Der Sekundenpreis ist nicht der Preis. Multipliziere ihn mit deiner Verwerfungsquote, addiere Upscaling und Schnitt, und du landest bei einem Vielfachen. Ein Modell mit halbem Sekundenpreis, das dich dreimal so oft verwerfen lässt, ist teurer.

Deshalb ist die richtige Frage nicht „welches ist das billigste“, sondern „welches verwirft bei meinem Motiv am seltensten“ — und die beantwortest nur du, indem du dein eigenes typisches Motiv einmal durch zwei, drei Modelle schickst und die Trefferquote zählst. Nicht die Preisliste.

Und bevor der Clip on air geht: die Nutzungsbedingungen lesen, die Kennzeichnung setzen, und im Zweifel jemanden fragen, der die Rechtslage kennt.

Welche Werkzeuge ich für den ganzen Weg drumherum nehme — Bild, Schnitt, Ton, Upscaling —, steht in meinem laufend gepflegten Index mit 137 KI-Werkzeugen.

Quellen

Alle am 24. Juli 2026 direkt bei den Anbietern bzw. amtlichen Stellen geprüft. Preise und Modellstände ändern sich kurzfristig.

Wenn dir hier etwas veraltet oder falsch vorkommt: schreib mir.