Kann ChatGPT Videos erstellen? Was geht und was nicht

Kann ChatGPT Videos erstellen? Allein nicht. ChatGPT schreibt und plant, es rendert keine Videos. OpenAIs Sora hat früher kurze Clips aus einem Prompt erzeugt, wurde inzwischen aber von OpenAI eingestellt. Selbst als es lief, war ein Sora-Clip kein fertiges, vertontes Video mit Untertiteln und Musik. Dafür verbindet man ChatGPT mit einem Tool, das Videos zusammensetzt, oder man lässt das Verbinden weg und nutzt so ein Tool direkt.

Die Frage kommt auf, weil in Schlagzeilen ständig zwei verschiedene Dinge zu einem verschmelzen. „ChatGPT kann jetzt Videos machen“ meint fast immer Sora, und Sora meint meist etwas Engeres, als die Schlagzeile vermuten lässt. Im Folgenden steht, was jedes Teil wirklich macht, wo es aufhört und wie man von einem Text-Prompt zu einem Video kommt, das sich posten lässt.

Vorab: Das Thema hat sich so schnell entwickelt, dass vieles, was Leute zu wissen glauben, ein Jahr alt ist. Sora startete zuerst als eigene App, landete dann für manche Konten direkt in ChatGPT, und sowohl die Cliplänge als auch der Kreis der Nutzer mit Zugang haben sich seitdem mehrmals geändert. Betrachte alles unten zu den Grenzen von Sora als groben Überblick und nicht als Datenblatt, und prüf dein eigenes Konto, bevor du darauf planst.

Wobei ChatGPT für Videos wirklich gut ist

ChatGPT ist nützlich, bevor überhaupt ein einziges Bild existiert. Es ersetzt allein schon einen ordentlichen Autorenraum: ein Skript in einer bestimmten Stimme entwerfen, einen flachen Einstiegssatz aufpeppen, ein 90-Sekunden-Gerede auf 30 Sekunden kürzen, zehn Hooks ausspucken, damit du etwas zum Aussortieren hast. Nichts davon berührt Sora oder irgendein Videomodell. Das ist Sprache, sonst nichts.

• Skripte und Hooks, komplette Sprechertexte, Einstiegssätze, alternative Varianten derselben Idee
• Shotlists und Storyboards, also eine Textbeschreibung Takt für Takt, was im Bild zu sehen sein soll
• Titel, Beschreibungen und Tags für die Plattform, auf der das Video landen soll
• Zeitmarken und Kapitel, sobald du ungefähr sagst, wie lang jeder Abschnitt läuft
• Gliederungen für längere Videos, also die Etappen, die ein 10-Minuten-Video braucht, bevor jemand Kamera oder Video-Tool anfasst

Diesen Teil lassen die meisten liegen. Ein wirklich strukturiertes Skript mit Hook, drei Punkten und Schluss schlägt meistens ein schönes Video, das auf einem vagen Skript aufbaut, denn das Skript ist der Plan, dem der Rest der Pipeline folgt. Ein eigener Hook-Generator liefert einen schnelleren ersten Entwurf für den Einstiegssatz, und unser YouTube-Shorts-Skriptgenerator macht dasselbe für das ganze Skript.

Ein kurzes Vorher-nachher

Bittest du um „ein Skript über Produktivität“, bekommst du fünf Absätze, die auf jeden passen. Bittest du stattdessen um „ein 30-Sekunden-Skript für Selbstständige, die den Überblick über ihre Rechnungen verlieren, mit Einstieg genau in dem Moment, in dem die Zahlung eines Kunden nicht eingeht“, ändert sich die Antwort: eine echte Szene, ein benanntes Publikum, ein Hook, der nicht bloß ein umformulierter Themensatz ist. Geändert hat sich nicht das Modell, sondern die zehn Sekunden, in denen du entschieden hast, für wen das Video ist.

Drei Dinge entscheidet ChatGPT trotzdem nicht für dich: wie lang das Video läuft, ob es hochkant oder quer ist und wessen Stimme es spricht. Das hängt davon ab, wo das Video landet und wer zuschaut. Entscheide das zuerst und frag dann nach dem Skript.

Wer erst einmal nur die Skript-Seite vergleichen will, bevor überhaupt ein Video-Tool ins Spiel kommt, findet in unserem Vergleich der besten KI-Skriptgeneratoren für Videos eine gute nächste Station.

ChatGPT allein, mit Sora oder mit einem verbundenen Video-Tool

Stell die drei Varianten nebeneinander, und der Unterschied ist offensichtlich. „ChatGPT allein“ ist nur das Chatfenster. „ChatGPT plus Sora“ ergänzt das Videomodell von OpenAI, erreichbar in ChatGPT oder über die eigene Sora-App. „ChatGPT plus verbundenes Video-Tool“ heißt, die Arbeit an etwas zu übergeben, das fürs Zusammensetzen gebaut ist, über eine App, eine Erweiterung oder einen Connector.

Diese Tabelle wird öfter überflogen und in Kommentaren zerredet als Zeile für Zeile gelesen, und das ist schade. Die beiden „Nein“-Zeilen beim Bearbeiten eines vorhandenen Videos sind wichtiger, als sie aussehen. Sie erklären, warum ein Prompt wie „schneide mein Video“ in den ersten beiden Varianten scheitert, egal wie du ihn formulierst.

Das Muster zieht sich durch jede Zeile: ChatGPT schreibt in jeder Spalte gut. Sora bringt eine echte Fähigkeit dazu, kurze generierte Clips, und hört dort auf. Die dritte Spalte ist die einzige, die ein Video von Anfang bis Ende fertigstellt, weil nur sie dafür gebaut ist, eine Datei zusammenzusetzen, statt nur zu generieren oder darauf hinzuschreiben. Wer Optionen vergleicht, findet unseren Überblick über kostenlose KI-Video-Generatoren vielleicht hilfreich.

Ein „verbundenes Video-Tool“ ist dabei nicht eine bestimmte Sache. Manchmal ist es eine App, die du in ChatGPT öffnest, manchmal eine Browsererweiterung, manchmal ein Connector, mit dem ChatGPT mitten im Gespräch die API des Tools aufruft. Der Mechanismus ändert sich, das Ergebnis nicht: ChatGPT ist dann nicht mehr die ganze Pipeline, sondern die Oberfläche davor.

Was Sora macht und wo es aufhört

Sora ist das Videogenerierungsmodell von OpenAI. Du gibst einen Text-Prompt ein, manchmal ein Referenzbild, und es erzeugt einen kurzen Clip von Grund auf, statt Material zu schneiden, das du ihm gibst. Stand 2026 lebt es in einer eigenen App und für manche ChatGPT-Pläne und Regionen direkt in ChatGPT. Das ist echte Text-zu-Video-Arbeit und kein Schnitt von etwas Vorhandenem, und genau an diesem Unterschied scheitern die meisten, die davon enttäuscht sind. Die Verfügbarkeit hat sich seit dem Start mehrmals geändert, prüf also zuerst dein eigenes Konto.

• Clips sind kurz, ein paar Sekunden bis etwa 20 Sekunden pro Generierung, nichts in der Nähe eines durchgehenden, vertonten 60-Sekunden-Videos
• Es generiert aus einem Prompt und nimmt keine Videodatei von dir, um sie zu bearbeiten
• Am nächsten kommt dem Schneiden ein Remix: den Prompt anpassen und neu generieren, kein bildgenauer Schnitt
• Der Zugang hängt von Plan und Region ab, ein Workflow, der auf einem Konto klappt, kann auf dem nächsten scheitern
• Keine Sprecherspur zu deinem Skript und keine eingebaute Untertitelebene, der Clip ist rein visuell

Das macht Sora nicht zur Spielerei. Kurze, eindrucksvolle generierte Clips sind wirklich nützlich für B-Roll, eine Konzeptaufnahme oder ein dramatisches Bild, das du dir sonst nicht leisten könntest. Für „mach aus meinem Podcast ein Video“ ist es aber das falsche Werkzeug, und die meiste Enttäuschung kommt genau von dieser Erwartung.

Sora hat außerdem Social-Funktionen bekommen, die auf dem Generierungsmodell aufsetzen: Leute erscheinen mit Zustimmung in den Clips anderer, und es gibt einen Feed zum Teilen von Generierungen in der App. Das ist eine Produktentscheidung über dem, was das Modell rendert. Die Grundgrenze bleibt gleich: kurze Clips aus einem Prompt, Inhaltsregeln, die manche Anfragen direkt ablehnen, und keine Möglichkeit, eigenes Material abzugeben und einen Schnitt zurückzubekommen.

Auch Zugang und Verifizierung haben sich verschoben. Manche Funktionen brauchten eine Identitäts- oder Altersprüfung. Manche starteten in einer Handvoll Länder und wurden später ausgeweitet. Welche ChatGPT-Pläne Sora enthalten, hat sich mehr als einmal geändert. Prüf dein eigenes Konto, bevor du auf das planst, was es vor sechs Monaten erlaubt hat.

Warum „schneide mein Video“ nicht klappt

Tipp „schneide mein Video“ in ChatGPT und häng eine Datei an, und du bekommst eine höfliche Erklärung, was es nicht kann, aber kein geschnittenes Video. Hinter dem Chat steht kein Schnittprogramm. ChatGPT kann ein Transkript lesen und in Worten beschreiben, was ein Schnitt erreichen soll, hat aber keinen bildgenauen Zugriff auf das Material, keine Timeline, nichts, was es tatsächlich schneiden könnte.

Das Muster, das in den Nachrichten an unseren Support zum Thema Schnitt am häufigsten auftaucht: Jemand hängt eine komplette Videodatei an und erwartet, dass in der nächsten Antwort eine gekürzte Version mit Untertiteln zurückkommt. Das ist ein naheliegender Versuch. So funktioniert das Chatfenster nur nicht.

Ein Teil der Verwirrung kommt daher, dass ChatGPT manche Dateitypen tatsächlich verarbeiten kann, Bilder, PDFs, reinen Text, und Video sich deshalb wie der nächste logische Schritt anfühlt. Ist es aber nicht, zumindest nicht im selben Fenster. Schneiden, Zuschneiden, Untertiteln und Farbkorrektur brauchen Software, die dafür gebaut ist, und ChatGPT bleibt auf der Schreibseite und sagt dieser Software, was sie tun soll, statt es selbst zu tun.

Ein Prompt, der mit „schneide mein Video so, dass …“ beginnt, scheitert fast immer. Formulier ihn um zu „schreib eine Shotlist für einen 30-Sekunden-Schnitt von …“ und gib diese Shotlist an etwas weiter, das damit arbeiten kann. Dieselbe Idee, aber nur eine Version ist in einem Chatfenster machbar.

Dieselbe Grenze zeigt sich bei „füge meinem Video Untertitel hinzu“. ChatGPT schreibt dir gern den Untertiteltext aus einem Transkript und formatiert sogar Zeitmarken für Untertitel, wenn du ungefähr sagst, wie schnell gesprochen wird. Was es nicht kann: eine MP4 nehmen, diese Wörter in die Bilder einbrennen und dir eine fertige Datei zurückgeben. Dieser Render-Schritt liegt komplett außerhalb des Gesprächs.

Drei Workflows, die wirklich funktionieren

Drei Varianten bringen dich tatsächlich von einem ChatGPT-Gespräch zu einem Video, das du posten kannst. Welche du nimmst, hängt davon ab, wie wichtig dir Kontrolle ist und wie lang das fertige Video werden soll.

Den Prompt hinter diesem Clip zerlegen wir Wort für Wort in so haben wir einen viralen KI-Short gepromptet, falls du genau sehen willst, was eingetippt wurde, bevor irgendetwas gerendert hat.

1. Skript in ChatGPT, dann in einen Video-Maker einfügen

Schreib das Skript in ChatGPT und füg den fertigen Text dann in ein Tool ein, das aus einem Skript ein Video macht. Es wählt Bilder, erzeugt eine Stimme, taktet die Untertitel auf den Ton und rendert eine Datei. Zwei manuelle Schritte, beide schnell erledigt. Der Weg mit der geringsten Reibung für alle, die keine direkte Verbindung zwischen den beiden brauchen.

Es ist auch die richtige Wahl für alle, die ChatGPT ohnehin täglich nutzen und für ein Video kein zweites Konto in ihren Alltag holen wollen. Außerdem lässt es sich einem Teammitglied am leichtesten in einem Satz erklären, und das zählt, sobald der Ablauf weitergegeben wird.

2. ChatGPT mit einem Video-Tool verbunden

Manche Video-Tools sind direkt in ChatGPT verfügbar, als App oder Connector, sodass niemand den Chat verlassen muss. Sag „mach daraus ein 45-Sekunden-Video, hochkant, mit Untertiteln“, und ChatGPT gibt die Anfrage an das verbundene Tool weiter. Das nimmt das Skript, erzeugt Bilder und Stimme und liefert eine fertige Datei zurück. FacelessGenie funktioniert so: Verbinde ChatGPT einmal mit FacelessGenie, und jede weitere Anfrage bleibt im selben Gespräch.

Das ist die Variante für alle, die den ganzen Tag in einem Fenster bleiben wollen: Ideen sammeln, Entwürfe schreiben, generieren, ohne den Kontext zu wechseln. Es ist auch der schnellste Weg für Überarbeitungen, denn „mach es 10 Sekunden kürzer“ ist einfach die nächste Nachricht und kein Umweg über eine andere Seite. Dasselbe Connector-Muster gibt es auch anderswo: Wer hauptsächlich mit Claude arbeitet, sieht es von dieser Seite in Claude mit einer Video-API für Inhalte ohne Gesicht verbinden.

3. Lange Videos, Gliederung in ChatGPT, den Rest macht ein Generator

Ab ein paar Minuten, etwa bei einem Erklärvideo im Doku-Stil oder einem längeren YouTube-Video, bitte nicht um alles in einem Prompt. Lass dir von ChatGPT zuerst eine Gliederung Abschnitt für Abschnitt geben: die Etappen, die Laufzeit für jede und wo ein Diagramm oder ein Stück Material hingehört. Gib diese Gliederung dann Abschnitt für Abschnitt an einen Generator für lange Videos.

Das ist mit Absicht langsamer. Ein 10-Minuten-Video bietet in der Mitte genug Raum, dass das Tempo absackt, wenn niemand es geplant hat, und der zusätzliche Gliederungsschritt am Anfang fängt das vor dem Rendern ab statt danach.

Vom Prompt zum Video, Schritt für Schritt

So sieht der zweite Workflow, ChatGPT mit verbundenem Video-Tool, in der Praxis ungefähr aus, vom ersten Prompt bis zur fertigen Datei.

Nur die Videogenerierung dauert wirklich, und sie läuft irgendwo auf einem Server und nicht im Chatfenster. Nichts hindert dich also daran, etwas anderes zu tun, während gerendert wird.

Überarbeitungen sind ein normaler Teil dieser Schleife und kein Zeichen, dass etwas kaputt ist. Die erste Version trifft Stimme oder Tempo selten sofort. Eine zweite Runde kostet eine Nachricht, keinen kompletten Neustart. Nach unserer Erfahrung wechseln die meisten mindestens einmal die Stimme, bevor sie beim finalen Video landen.

Prompt-Vorlagen, die wirklich funktionieren

Vage Prompts bringen vage Ergebnisse. „Mach mir ein Video über Marketing“ liefert ein beliebiges Skript und, wenn Sora im Spiel ist, einen ebenso beliebigen Clip. Konkrete Prompts, die Länge, Tonfall, Aufbau und Publikum nennen, liefern etwas Brauchbares. Zwei Beispiele, wie das in der Praxis aussieht:

Keiner der beiden Prompts verlangt abstrakt „ein Video“. Jeder nennt Länge, Format, Tonfall und Publikum. Genau das ist die eigentliche Fähigkeit bei Prompt-to-Video: ein Briefing zu schreiben, das gut genug ist, damit das, was es als Nächstes bearbeitet, Mensch oder KI, die Lücken nicht erraten muss.

Ein Prompt, der fünf Dinge abdeckt, schlägt fast alles Vagere, ob du nur mit ChatGPT sprichst oder mit einem verbundenen Tool.

• Länge in Sekunden oder Minuten, nie nur „kurz“ oder „lang“
• Format: hochkant für Shorts, TikTok und Reels, quer für YouTube
• Publikum, so konkret, dass das Skript es direkt ansprechen kann statt alle auf einmal
• Tonfall: locker, förmlich, dringlich, ruhig, eben das, was wirklich zum Thema passt
• Eine klare Handlung, die der Zuschauer am Ende ausführen soll, nicht drei, die sich gegenseitig Konkurrenz machen

Typische Fehler

Der meiste Frust, den Leute mit „ChatGPT-Videos“ schildern, geht auf dieselbe Handvoll Gewohnheiten zurück.

• In einem einzigen Prompt ein fertiges Video verlangen, ohne vorher Skript, Länge oder Format festzulegen
• Nie vor dem Generieren zwischen hochkant und quer entscheiden und sich dann wundern, dass das Ergebnis nicht zur Plattform passt
• Untertitel komplett weglassen, obwohl die meisten Kurzvideos ohne Ton geschaut werden
• Erwarten, dass Sora ein hochgeladenes Video bearbeitet, statt aus einem Prompt einen neuen Clip zu generieren
• Einen 20-Sekunden-Clip von Sora als Ersatz für ein komplettes, vertontes Video mit Sprecherstimme behandeln
• ChatGPT nie sagen, wer das Publikum ist, sodass sich das Skript liest, als wäre es für alle und niemanden

Bring die Reihenfolge in Ordnung, zuerst das Skript, dann die Formatentscheidung, dann die Generierung, und die meisten dieser Fehler verschwinden von allein.

Die ersten beiden Fehler auf der Liste verursachen die meiste Nacharbeit. Wer die Formatentscheidung überspringt, bekommt ein Querformat zurück, wo die Plattform hochkant brauchte, und muss zuschneiden, wobei verloren geht, was am Rand war, oft eine Hand oder ein Logo, das wichtig war. Wer das Skript überspringt, verhandelt mit dem Video-Tool über Formulierungen, nachdem schon eine Stimme die falsche Zeile eingesprochen hat. Sichtbar wird das als Untertitel, der zwei Sekunden später nicht mehr zum Sprecher passt.

Das ist eine der häufigeren Fragen an unseren Support zu genau diesem Schritt: Warum passt der Untertitel nicht zur Stimme? Fast immer wurde das Skript geändert, nachdem die Stimme schon generiert war, und niemand hat diesen letzten Schritt vor dem Export noch einmal laufen lassen.

Wann du in ChatGPT bleibst und wann du wechselst

Bleib in ChatGPT für alles, was noch Text ist: Entwürfe, Umformulierungen, zehn Titel sammeln, prüfen, ob ein Hook wirklich als Hook funktioniert. Das geht schnell, und es gibt keinen Grund, für eine Aufgabe, bei der es nur um den Satz geht, ein anderes Tool zu öffnen.

Verlass ChatGPT, sobald es ans Zusammensetzen geht: Bilder auswählen, Untertitel auf eine Stimme takten, eine Datei rendern, die sich tatsächlich hochladen lässt. ChatGPT wurde schlicht nie zum Rendern von Videos gebaut. Ein fertiges Skript in einen eigenen Video-Maker einzufügen oder ChatGPT mit einem zu verbinden, schließt diese Lücke, ohne dass jemand zwei Fähigkeiten lernen muss.

Eine grobe Faustregel hält hier gut: Wenn sich das Ergebnis noch in einem Satz beschreiben lässt und es Text ist, reicht ChatGPT allein. Sobald der Satz „… und dann als Video exportieren“ braucht, ist es Zeit für das zweite Tool, entweder als Ziel für das eingefügte Skript oder über einen Connector zwischen beiden.

Nichts davon ist Kritik an ChatGPT an sich. Gut zu schreiben ist wirklich schwer, und diesen Teil erledigt es zuverlässig. Wenn aber gerade ein Skript in einem ChatGPT-Tab liegt, ist jetzt der Moment, die andere Hälfte zu testen: Füg es in einen Video-Maker ein oder verbinde ChatGPT mit einem und schau, was zurückkommt. Die ausführliche Anleitung zu dieser Pipeline steht in Video mit KI erstellen, falls dir ein Schritt oben noch unklar ist.