Video-Prompts beschreiben häufiger Bewegung als Bild-Prompts

Ein Prompt ist die Texteingabe, mit der man einer KI sagt, was sie erzeugen soll. Yigang Liu und Jiayang Ma haben solche Eingaben für KI-Bilder und KI-Videos verglichen. Ihre Studie ist am 28. Oktober 2026 in der Fachzeitschrift Frontiers in Human Dynamics erschienen. Der Befund: In Video-Prompts wird Bewegung häufiger genannt, Stil und Qualität dagegen seltener.

Welche Prompts verglichen wurden

Die Forschenden nutzten zwei große Sammlungen echter Nutzereingaben. Die eine stammt vom August 2022 und enthält Prompts für Stable Diffusion, ein KI-Programm für Bilder. Nach dem Aufräumen der Daten blieben 59.248 Stück. Die andere deckt Juni 2023 bis März 2024 ab und enthält 60.000 Prompts für KI-Videos aus einem bereinigten Teilbestand. Die Texte sind überwiegend englisch.

Zum Auswerten gruppierte ein Verfahren namens BERTopic ähnliche Texte nach Themen. Außerdem zählten feste Wortlisten, wie oft Begriffe für Stil, Bewegung und Kamera vorkommen.

Die Bildsammlung heißt DiffusionDB und dokumentiert Eingaben echter Nutzer für Stable Diffusion. Die Videosammlung VidProM umfasst insgesamt rund 1,67 Millionen einzelne Video-Prompts und 6,69 Millionen erzeugte Videos. Diese Gesamtbestände sind größer als die Stichproben, die die Studie ausgewertet hat.

Mehr Bewegung, aber nicht mehr Kamerabegriffe

Bei der strengeren Auswertung zählen nur ganze Wörter. Überschneiden sich Begriffe, gilt nur der längste Treffer, und jeder Begriff aus der Liste wird pro Prompt einmal gezählt. Danach enthielten 22,6 Prozent der Video-Prompts Bewegungsbegriffe. Bei den Bild-Prompts waren es 5,5 Prozent.

Begriffe zur Kamera kamen nicht häufiger vor. Stilvorgaben gingen zurück, und auch Themen, in denen Künstlerstile nachgeahmt werden, wurden seltener. Bei Alltagsszenen sah es zunächst nach einem Zuwachs aus, doch die Kontrollauswertung machte diesen Befund unsicher. Die Unterschiede beschreibt Abschnitt 4 des Volltexts.

Dazu kommt eine Auswertung namens VideoUFO für das Jahr 2025. Sie arbeitet mit automatisch erzeugten Videobeschreibungen statt mit Eingaben von Nutzern. Deshalb ist sie kein dritter, vergleichbarer Test von Prompt-Sprache.

Der Vergleich erklärt die Ursache nicht

Plattformen, Modellgenerationen und Zeiträume haben sich zugleich verändert. Aus den Unterschieden lässt sich deshalb keine Ursache ableiten. Die Sprache allein beweist weder Absichten noch Lernerfolge. Die Forschenden nennen diese Grenzen selbst in Diskussion und Einschränkungen.

Eine kleine Unstimmigkeit gibt es beim Zeitraum der Videodaten: Die ursprüngliche VidProM-Veröffentlichung, Tabelle 1 nennt Juli 2023 bis Februar 2024. Die neue Studie rechnet zusätzlich die äußeren Monate dazu, in denen es sehr wenige Fälle gibt. Warum, lässt sich ohne Nachprüfung der benutzten Datenfassung nicht klären.

Für die kreative Arbeit passt das zum Grundunterschied der beiden Medien: Ein Bild hält einen Moment fest, ein Video zeigt einen Ablauf. Ob kürzere Stilvorgaben oder mehr Bewegungswörter einen Clip besser machen, müsste ein Versuch mit demselben Modell und vergleichbaren Aufgaben prüfen. Aus dieser Meldung folgt deshalb keine allgemeine Schreibregel für Video-Prompts.

Recherche-Stand: 28. Oktober 2026. Ich habe den Volltext der Studie gelesen, die Rohdaten aber nicht selbst nachgerechnet. Die beiden Datensatz-Veröffentlichungen dienten mir zur Gegenprüfung, sie bestätigen die Studie nicht unabhängig. Bei einer gezielten Suche habe ich keine unabhängige Wiederholung der Studie gefunden. Der Ausgangsbericht von Scienmag wurde über den Suchindex gegengeprüft, die Sachangaben stützen sich auf die Originalquellen. Das Titelbild wurde für Nachschein mit KI erstellt.

Alle Angaben erfolgen nach bestem Wissen und ohne Gewähr. Für Richtigkeit, Vollständigkeit und Aktualität übernehme ich, soweit gesetzlich zulässig, keine Haftung.