Shorts erstellen: langes Video in kurze Clips schneiden

Um aus einem langen Video Shorts zu machen, transkribiere zuerst und lass das Transkript alles Weitere steuern. Das Transkript sagt, was gesagt wurde — damit wählst du die Momente aus, die einen Clip wert sind. Es trägt die Satzgrenzen — damit landen Schnitte zwischen Sätzen statt mitten im Wort. Und es speist Umrahmung und Untertitel, ohne dass ein zweiter Durchlauf nötig wird. Aufnehmen und dann durch die Timeline scrubben, um Clips zu suchen, ist die langsame Variante derselben Arbeit.

Hinweis zum Umfang, Juli 2026: Die Schritte unten entsprechen Pipelines, die aktuell auf Pipe2.ai laufen — Transcription, Highlights, Video Trim, Video Reframe und Captions. Das beschriebene Verhalten wurde gegen die aktuellen Eingabeschemata geprüft, nicht gegen Werbetexte.

Warum das Transkript der ganze Trick ist

Jeder Schritt nach der Transkription nimmt das Transkript als Eingabe. Das ist kein Zufall des Werkzeugs, sondern überhaupt der Grund, warum sich dieser Ablauf automatisieren lässt.

• Momente auswählen braucht, was gesagt wurde, nicht wie die Wellenform aussieht.
• Schneiden braucht Satzgrenzen, sonst öffnen Clips mitten im Wort.
• Umrahmen wird besser, wenn bekannt ist, wo auf der Zeitachse gesprochen wird.
• Untertitel brauchen Wörter und ihre Timings — die längst vorliegen.

Also: die vollständige Aufnahme einmal transkribieren, diese Datei behalten und an jeden weiteren Schritt übergeben. Ein 60-Minuten-Podcast wird ein einziges Mal transkribiert, und das bedient den gesamten Clip-Stapel. Ein Workflow, der pro Clip neu transkribiert, wiederholt den teuersten Schritt N-mal ohne jeden Gewinn.

Schritt 1 — Die vollständige Aufnahme transkribieren

Verarbeite die ganze Datei, nicht die Abschnitte, von denen du glaubst, sie zu wollen. Aus einer Aufnahme, die du nicht gelesen hast, lassen sich keine guten Momente auswählen.

Zwei Optionen lohnen eine bewusste Entscheidung:

• Sprechererkennung (diarize) — bei Interviews und Panels unverzichtbar. Zu wissen, wer gesprochen hat, macht aus „einem guten Zitat” ein „gutes Zitat des Gasts”, und meistens ist Letzteres das, was den Clip wert ist.
• Korrekturen (corrections) — eine Liste von Begriffen, die das Modell sonst verhört. Produktnamen, Personennamen und Fachjargon sind die üblichen Kandidaten. Einmal bei der Transkription korrigieren ist billiger, als es später in jeder Untertiteldatei zu tun.

Schritt 2 — Momente auswählen, nicht suchen

Lies das Transkript auf in sich geschlossene Momente hin: eine These samt Begründung, eine Geschichte mit Pointe, eine knapp beantwortete Frage. Der Test ist, ob die Passage für jemanden Sinn ergibt, der das Ausgangsvideo nicht gesehen hat.

Highlights macht das gegen das Transkript und liefert eine festgelegte Anzahl von Vorschlägen — du forderst also die Menge an, die du tatsächlich veröffentlichen willst: zehn Clips aus einem Webinar, drei aus einem kurzen Interview, statt eine unbegrenzte Liste zu durchforsten. Die Eingabe style steuert, wonach gesucht wird, und das ist relevant, weil die besten Momente in einem Vertriebswebinar und in einem Comedy-Podcast nicht dieselbe Form haben.

Behandle die Ausgabe als Vorauswahl, nicht als Urteil. Das Modell findet Passagen, die sich gut lesen; welche zum Kanal passen, entscheidest weiterhin du.

Schritt 3 — An Satzgrenzen schneiden

An diesem Schritt verrät sich automatisches Clipping am deutlichsten. Ein auf einen rohen Zeitstempel geschnittener Clip beginnt mitten im Wort und endet, bevor der Gedanke landet. Das wirkt abgegriffen statt geschnitten, und keine spätere Politur holt das zurück.

Video Trim nimmt Start- und Endzeit und das Transkript und rastet jeden Schnitt an der nächstgelegenen Satzgrenze ein. Du gibst ungefähr die richtige Stelle vor; die saubere Kante findet das Werkzeug. Praktisch heißt das: Du kannst Momente grob auswählen — lesend, im Tempo — und bekommst trotzdem Clips, die sauber öffnen und schließen.

Schritt 4 — Ins Hochformat umrahmen

Eine 16:9-Aufnahme mittig beschnitten schiebt die Sprecherin bei jeder Bewegung halb aus dem Bild. Video Reframe analysiert Keyframes, lokalisiert darin die Gesichter und wählt einen Ausschnitt, der dem Motiv durch die Einstellung folgt.

Präzise gesagt, was es tut und was nicht: Es findet und verfolgt Gesichter und trifft eine gestalterische Entscheidung darüber, wohin der Bildausschnitt gehört. Es entscheidet nicht, welche Person gerade spricht. Wo eine Einstellung kein klares Motiv hat — eine Folie, eine Bildschirmaufnahme, bildfüllendes B-Roll — wird Letterbox gesetzt, statt einen Ausschnitt zu erfinden. Für Inhalte, die das Bild ohnehin füllen, ist das richtig.

Setze das Zielseitenverhältnis explizit, passend zum Veröffentlichungsort.

Schritt 5 — Untertitel einbrennen

Social-Video wird überwiegend stumm gesehen. Ein Clip ohne Untertitel ist einer, an dem die meisten vorbeiscrollen, bevor sie wissen, worum es geht.

Da das Transkript bereits existiert, ist Captions an dieser Stelle fast umsonst: geschnittenen Clip und Transkript übergeben, ein Preset wählen, fertiges MP4 mit eingebranntem Text erhalten — ohne sich darauf zu verlassen, dass die Plattform Untertitel aus einer separat hochgeladenen Datei rendert, was je nach Plattform unterschiedlich ausfällt und oft schlicht ignoriert wird.

Was gute Clips von abgegriffenen unterscheidet

• Ein Gedanke pro Clip. Wenn du zwei Sätze Vorlauf brauchst, um den Clip zu erklären, gehört dieser Vorlauf in den Clip — oder der Moment ist der falsche.
• Mit dem stärksten Satz öffnen, nicht mit dem Räuspern davor. Das Transkript macht offensichtlich, wo der steht.
• Das Gesicht im Bild halten — ein Talking-Head-Clip, in dem das Motiv an den Rand driftet, wirkt nachlässig.
• Nicht auf Quote schneiden. Zehn mittelmäßige Clips aus einem Webinar leisten weniger als drei gute und kosten dieselbe Veröffentlichungsarbeit.
• An vollständigen Gedanken schneiden und die Länge sein lassen, was sie dafür braucht.

Wie das ins Übrige passt

Sobald die Kette läuft, trägt dasselbe Transkript Dinge, die sonst eigene Projekte wären: Kapitelmarken für den Langfassungs-Upload, eine schriftliche Zusammenfassung, Untertitel für das Original. Das ist bei der Frage, ob überhaupt transkribiert wird, ein Argument — die Kosten fallen einmal an und verteilen sich auf alles Nachgelagerte.

Wenn du das Ausgangsvideo nicht nur schneidest, sondern auch selbst produzierst, behandelt KI-Videos erstellen die Erzeugungsseite und Untertitel in ein Video einfügen die Gestaltung der Untertitel.

Ausprobieren

Fang mit einer Aufnahme an, die du schon hast. Transkribieren, Highlights um drei Vorschläge bitten und nur diese schneiden — der Zweck des ersten Durchlaufs ist zu sehen, ob die gefundenen Momente denen entsprechen, die du selbst gewählt hättest. Sobald das passt, läuft dieselbe Kette über eine Stunde Material, ohne dass sich etwas außer der Anzahl ändert.