So erstellst du 2026 einen Cartoon, Schritt für Schritt

Vor zehn Jahren war ein 30-Sekunden-Cartoon zwei Wochen Arbeit. Du brauchtest Drehbuch, Storyboard, Figurendesign, ein Rig pro Figur, Hintergründe, Animatoren für die Bewegung, einen Compositor für die Ebenen und einen Sounddesigner, der alles lebendig macht. Studios nahmen pro Minute viel Geld, und das war kein Wucher. Dieser ganze Aufwand steckte wirklich im Bild.

Diesen Ablauf gibt es noch, und für Kinofilme ist er weiterhin wichtig. Aber für das, was die meisten brauchen — einen kurzen, klaren, sympathischen Cartoon, der ein Produkt erklärt, ein Video eröffnet, einen Witz erzählt oder ein Kind eine Weile beschäftigt —, ist die Arbeit auf ein Textfeld und ein paar Minuten Warten geschrumpft. Diese Anleitung ist die praktische Version, wie das heute geht, geschrieben für alle, die nie ein Animationsprogramm geöffnet haben und es auch nicht vorhaben.

Was du brauchst, bevor du anfängst

Fast nichts. Das ist der Punkt. Du brauchst nur eine Idee, die du in ein paar Sätzen beschreiben kannst, und einen Browser. Kein Grafiktablett, kein Abo für ein Compositing-Programm, kein Mikrofon, keine Musiklizenz. Ein aktueller Cartoon-Ersteller macht Animation, Stimmen, Soundeffekte und Musik zusammen.

Eines hilft wirklich, und fast alle überspringen es: Nimm dir vor dem Schreiben 60 Sekunden, um drei Dinge zu entscheiden.

• Wer im Bild ist. Eine Figur funktioniert viel besser als drei. Wenn deine Idee viele Leute hat, wähle die Person, der das Publikum folgen soll, und lass die anderen im Hintergrund.
• Was passiert. Dreißig Sekunden sind etwa ein Moment. Die Figur will etwas, versucht es und schafft es oder scheitert lustig. Das ist die ganze Geschichte. Für eine Geschichte mit mehreren Momenten wähl eine größere Länge.
• Wo es passiert. Ein konkreter Ort leistet mehr als ein konkretes Adjektiv. „Eine unordentliche Garage bei Nacht“ sagt dem Modell in wenigen Worten Licht, Gegenstände, Farben und Stimmung.

Schritt 1: Schreib den Prompt als Beschreibung einer Szene

Einsteiger werden am meisten besser, wenn sie aufhören, ein Thema zu schreiben, und anfangen, eine Szene zu schreiben. Diese zwei Prompts ergeben völlig verschiedene Ergebnisse.

Schwach: „Ein Cartoon über Recycling.“

Stark: „Ein runder, fröhlicher Roboter mit verschiedenfarbigen Augen sortiert in einer sonnigen Vorstadtküche Glasflaschen in eine blaue Tonne. Er hebt eine Flasche auf, kneift die Augen zusammen, wirft sie hinein und zeigt der Kamera stolz den Daumen hoch. Gemütlicher 2D-Cartoon, dicke Konturen, Pastellfarben, leichte, federnde Bewegung.“

Der zweite nennt Hauptfigur, Handlung, Ort, Beziehung zur Kamera und visuellen Stil. Das ist die ganze Liste. Fehlt einer der fünf, erfindet das Modell ihn, und zwar etwas Generisches.

Eine verlässliche Vorlage zum Starten:

[Eine Figur mit 2–3 körperlichen Merkmalen] tut [eine konkrete Handlung] an [einem konkreten Ort, mit seinem Licht]. [Kamerabewegung]. [Stilwörter]. [Stimmung oder Tempo].

Wenn du viel mehr willst, gibt es eine Sammlung getesteter Cartoon-Prompts, nach Einsatzzweck geordnet.

Setz Dialoge in Anführungszeichen

Der Ton wird zusammen mit dem Bild erzeugt, und Text in Anführungszeichen wird als Dialog behandelt. Schreibst du die Füchsin beugt sich vor und flüstert: „Du hast nichts gesehen, oder?“, bekommst du ein lippensynchrones Flüstern. Schreibst du die Füchsin sagt etwas Geheimes, bekommst du ein Murmeln. Die Anführungszeichen sind der Schalter.

Du kannst alles auf Deutsch schreiben. Geschichte, Erzählung und Dialoge kommen auf Deutsch.

Halte Dialoge kurz. Etwa 2 bis 3 Sekunden pro Satz, mit Raum dazwischen. Sonst wird das Tempo zum Monolog, und es bleibt kein Platz für die Animation.

Schritt 2: Wähle den Stil mit Absicht

„Cartoon“ ist kein einzelner Look. Legst du ihn nicht fest, gibt dir das Modell jedes Mal einen anderen. Die fünf vorhersehbarsten Stilfamilien:

Wähle eine Familie und nutze ihre Wörter konsequent. „Anime“ und „Aquarell“ im selben Prompt zu mischen, ergibt meist etwas, das keines von beiden richtig ist. Mehr im Ratgeber zu Animationsstilen.

Schritt 3: Entscheide, wie der Clip beginnt

Es gibt drei wirklich verschiedene Ausgangspunkte, und den richtigen zu wählen ist die halbe Arbeit.

Mit Text beginnen

Du schreibst eine Beschreibung, und die Animation kommt. Ideal, wenn du kein eigenes Material hast und dem Modell die ganze Komposition überlassen willst. Der schnellste Weg, und der, den fast alle zuerst nutzen sollten.

Mit einem Bild beginnen

Du lädst ein Bild hoch, und das Modell animiert es als erstes Bild. Die richtige Wahl, wenn du schon ein Figurendesign, ein Logo, ein Produktfoto oder eine Zeichnung hast, die du behalten willst. Weil das erste Bild festliegt, bleibt die Figur erkennbar, ohne abzudriften.

Zusätzlich zum ersten Bild kannst du ein letztes Bild vorgeben. Das Modell animiert die Bewegung zwischen beiden Bildern, und das ist der sauberste Weg, genau zu bestimmen, wie eine Einstellung endet. Taugt für Verwandlungen, Vorher-Nachher und Logo-Animationen.

Mit Referenzen beginnen

Du gibst Referenzen von Figuren, Gegenständen und Orten vor, und das Modell bringt sie in eine neue Szene. So sieht Folge 2 aus wie Folge 1. Wenn du eine Serie oder eine Marke mit Maskottchen machst, ist das der Modus, auf den es ankommt, und es lohnt sich, den Vergleich zwischen Text, Bild und Referenz zu lesen, bevor du deinen Ablauf festlegst.

Schritt 4: Entscheide Länge, Format und Ton

Drei Einstellungen, und fast immer gibt es eine klare Antwort.

• Länge. Ein paar Sekunden bis 5 Minuten, im Pro-Tarif bis 20. Dreißig Sekunden geben Raum für Aufbau und Pointe; ein paar Minuten für eine ganze Geschichte mit derselben Besetzung von Anfang bis Ende. Ist deine Idee ein einziger Witz, sind 8 bis 12 Sekunden straffer und günstiger.
• Format. 9:16 für TikTok, Reels und Shorts. 16:9 für YouTube, Websites und Präsentationen. 1:1 für Feed-Posts. Wähl es vor dem Erzeugen. Späteres Zuschneiden ruiniert die Komposition, die das Modell gemacht hat.
• Ton. Lass ihn an, außer du baust den Clip in einen Schnitt mit eigener Tonspur ein. Der erzeugte Ton enthält nicht nur Stimmen, sondern Atmosphäre und Effekte, und er hebt den Qualitätseindruck mehr als eine Stufe höhere Auflösung.

Schritt 5: Schau es einmal an und repariere eine einzige Sache

Nach der ersten Erzeugung willst du den ganzen Prompt umschreiben. Widersteh. Wenn du vor der nächsten Erzeugung nicht nur ein Element änderst, wirst du nie wissen, welches Wort gewirkt hat. Die häufigsten Reparaturen, in der Reihenfolge, wie sie auftauchen:

Schritt 6: Exportieren und letzter Schliff

Lade das MP4 herunter, und du kannst es posten. Zwei letzte Handgriffe lohnen sich.

Wenn es Dialoge gibt, brenn Untertitel ein. Die meisten Videos in sozialen Medien laufen ohne Ton, und Untertitel steigern die Abschlussrate zuverlässiger als jede Änderung an der Animation.

Wenn es mit einem Standbild beginnt, schneide die erste Viertelsekunde weg. Erzeugtes Video hat manchmal ein paar ruhende Bilder am Anfang, und sie wegzuschneiden lässt es mit Schwung starten. Im Feed ist das sehr wichtig.

Was es kann und was nicht, realistisch betrachtet

Die Grenzen ehrlich zu kennen, erspart dir einen frustrierenden Nachmittag. KI-Cartoon-Erzeugung ist sehr gut bei figurengetriebenen Geschichten mit klarer Handlung. Aber sie ersetzt noch kein Studio, wenn du bildgenaue Synchronisation mit einer aufgenommenen Stimme brauchst, dieselbe pixelgenau identische Figur in 50 Einstellungen oder korrekt gezeichneten Text im Bild.

Worin sie wirklich entscheidend besser ist, ist etwas, das früher unmöglich war: an einem Nachmittag 12 Versionen einer Idee zu machen, um zu sehen, welche funktioniert. Die Geschwindigkeit von Versuch und Irrtum ist das Feature. Die meisten bekommen ihr bestes Ergebnis beim dritten oder vierten Versuch, nicht beim ersten, und trotzdem dauert alles keine 30 Minuten.

Probier es mit einem Satz

Der schnellste Weg, all das zu verstehen, ist, etwas zu machen. Öffne den Cartoon-Ersteller, füg den starken Prompt aus dem Beispiel oben ein, wähle 30 Sekunden und sieh, was herauskommt. Dann ändere genau ein Wort und mach es noch einmal. Ab diesem zweiten Mal bekommst du ein Gefühl dafür.