Veo 3 im Test: Was es in einem echten Motion-Design-Workflow leistet

Was Veo 3 wirklich ist – und was nicht

Veo 3 ist das Videogenerierungsmodell der dritten Generation von Google DeepMind. Es erzeugt aus Text- oder Bild-Prompts bis zu zwei Minuten lange Clips, mit spürbar besserer zeitlicher Konsistenz als seine Vorgänger. Genau dieser letzte Punkt zählt mehr als jede andere Spezifikationszahl. Zeitliche Konsistenz ist das, was KI-Video wie Video aussehen lässt statt wie eine Diashow aus fast zusammengehörenden Bildern.

Was Veo 3 nicht ist, ist ein Ersatz für einen Motion Designer. Es versteht keine Markensysteme, hat kein Konzept von Kompositionshierarchie und weiß nicht, dass das Rot deines Kunden und das Rot des Modells zwei verschiedene Farben sind. Jedes Ergebnis erfordert eine menschliche Prüfung und in den meisten Fällen Compositing-Arbeit, bevor es kundentauglich ist.

Die Positionierung, auf die ich mich festgelegt habe: Veo 3 ist ein schneller Konzept-Renderer. Es bringt Ideen schneller vom Wort zum Bild als jedes andere Tool, das ich genutzt habe. Die Lücke zwischen Ideenfindung und prüfbarem Ergebnis, die früher in Stunden gemessen wurde, misst sich jetzt in Minuten.

Wo Veo 3 in eine echte Motion-Design-Pipeline passt

Der erste Bereich, in dem ich es getestet habe, war die Konzeptphase. Wenn ein Kundenbriefing eingeht und ich drei Richtungsoptionen zeigen muss, bevor ich mich auf die volle Produktion festlege, kann ich mit Veo 3 grobe visuelle Referenzen erzeugen, die unendlich viel aussagekräftiger sind als statische Storyboards. Kunden reagieren auf Bewegung. Sie verstehen sie intuitiv auf eine Weise, die selbst die besten Standbilder nicht vermitteln.

Der zweite Anwendungsfall, der mich wirklich überrascht hat, war die Hintergrundgenerierung. Produktvideos brauchen oft Umgebungshintergründe – Büroräume, abstrakte Datenvisualisierungen, texturierte Loops –, die normalerweise Lizenzen für Stockmaterial oder Zeit für individuelle Animation erfordern würden. Veo 3 erzeugt Hintergrund-Loops, die mit kleinen Nacharbeiten in After Effects vollkommen professionell aussehen.

Wofür ich es nicht nutze: Hero-Animationen, Charakterarbeit oder alles, was präzises Timing zu einem Musiktrack erfordert. Das Modell hat kein Gefühl für musikalischen Takt und sein Timing ist probabilistisch. Für tongebundene Arbeit baust du das nach wie vor von Hand.

Prompt-Struktur, die für Motion Design tatsächlich funktioniert

Nach etwa 200 Prompts über sechs Projekte hinweg habe ich eine Struktur gefunden, die durchgängig brauchbare Ergebnisse liefert. Beginne mit dem Kameraverhalten, dann das Motiv, dann die Umgebung, dann der visuelle Stil. „Langsamer Push-in auf ein leuchtendes holografisches Interface, schwebend in einem dunklen Serverraum, weiches blaues Umgebungslicht, kinematische Tiefenschärfe“ liefert weit brauchbarere Ergebnisse als „KI-Hologramm in einem Serverraum“.

Negatives Prompting zählt bei Veo 3 mehr als bei früheren Modellen. Explizit zu benennen, was du nicht willst – „kein Text-Overlay, kein Lens Flare, keine Jump Cuts“ –, formt das Ergebnis spürbar. Das Modell scheint negative Vorgaben zuverlässiger zu gewichten als noch in Veo 2.

• Beginne mit der Kamerabewegung: Push-in, Pull-back, Orbit, statisch
• Beschreibe das Motivverhalten präzise – „sich langsam drehend“ schlägt „bewegt sich“
• Gib die Lichtart an: Umgebungslicht, gerichtetes Licht, Rim-Light, Neon-Glow
• Füge eine Stilreferenz hinzu: „kinematisch“, „flache Grafik“, „Motion-Graphics-Stil“
• Nutze Negatives für das, was das Modell standardmäßig gern ergänzt: kein Lens Flare, kein Text

Die Grenzen, auf die ich bei Kundenarbeit wirklich gestoßen bin

Hände und Gesichter sind nach wie vor die schwächste Domäne des Modells. Für jede Einstellung, die ein erkennbares menschliches Gesicht erfordert – Sprechervideos, Testimonial-artige Inhalte, Produktdemos mit menschlicher Interaktion –, ist die Ausbeute an kundentauglichen Frames so gering, dass ich diese Aufnahmen traditionell schneller baue.

Die Textwiedergabe bleibt unzuverlässig. Wenn deine Szene lesbaren Text im Bild enthält, verlass dich nicht darauf, dass Veo 3 ihn korrekt erzeugt. Setze den Text in der Post zusammen. Jedes Mal.

Die andere echte Grenze ist die Ausgabeauflösung. Bei den aktuellen Qualitätsstufen ist Upscaling für Broadcast oder Großformat fast immer nötig. Das ist ein zusätzlicher Schritt in der Pipeline, der einkalkuliert werden muss. Es ist kein Dealbreaker – Upscaling-Tools sind schnell und gut –, aber es ist nicht kostenlos.

Wie es meinen tatsächlichen Produktionsplan verändert hat

Bei einem kürzlichen SaaS-Produkt-Launch-Video habe ich Veo 3 für Hintergrundumgebungen, abstrakte Datenvisualisierungs-Loops und Konzeptrichtung eingesetzt. Was ein dreiwöchiger Pre-Production-Prozess gewesen wäre, dauerte neun Tage. Der Kunde bekam mehr Runden der Richtungsprüfung, weil ich Alternativen in Minuten statt Stunden erzeugen konnte.

Die ehrliche Zahl: Ich schätze, Veo 3 hat bei diesem Projekt 30–40 % der gesamten Produktionszeit gespart, fast ausschließlich in der Konzept- und Umgebungs-Asset-Phase. Bei Projekten mit weniger Hintergrundarbeit und mehr Charakteranimation sinkt diese Zahl deutlich. Wisse, welche Art von Projekt du vor dir hast, bevor du entscheidest, wie viel Gewicht Veo 3 tragen kann.