Wissensdatenbank · Video-KI · Text- und Bild-zu-Video

Veo – Googles Videomodell für bewegte Bilder mit Ton aus Text und Bild.

Veo ist das Videogenerierungsmodell von Google DeepMind. Aus einer Textbeschreibung, einem Produktfoto oder mehreren Referenzbildern erzeugt es kurze, filmisch anmutende Videoclips – in den neueren Generationen samt passender Geräusche, Musik und gesprochener Dialoge. Genutzt wird Veo über die Gemini App, das Filmwerkzeug Flow, die Gemini API, die Unternehmensplattform Vertex AI und zunehmend auch in Google Workspace. Für Marketing, Produktkommunikation und Schulung im Mittelstand eröffnet das neue Möglichkeiten. Gleichzeitig stellen sich Fragen nach Kennzeichnung, Rechten, Kosten und Datenhoheit, die wir in diesem Beitrag herstellerneutral einordnen.

Dieser Artikel wurde mithilfe künstlicher Intelligenz erstellt und redaktionell geprüft.

28 Min. Lesezeit
Aktualisiert · Oktober 2026
Fachartikel · Expertenbeitrag
Veo
Videogenerierung · Google DeepMind · USA
Anbieter
Google DeepMind (USA)
Modelltyp
Generatives Videomodell
Eingaben
Text, Bild, Referenzbilder
Ausgabe
Kurze Clips, je nach Version mit Ton
Zugang
Gemini, Flow, API, Vertex AI
Kennzeichnung
SynthID-Wasserzeichen
INAGRO Eignung Marketing- und Produktvideo im Mittelstand
★★★★★
Kapitel 01 · Überblick

Was ist Veo – und warum verändert es die Videoproduktion?

Veo ist ein generatives KI-Modell von Google DeepMind, das aus Sprache und Bildern bewegte Bilder macht. Wer eine Szene beschreibt – etwa „eine Kamerafahrt über eine Werkbank, auf der ein Edelstahlventil im Morgenlicht glänzt“ –, erhält nach kurzer Rechenzeit einen Videoclip, der genau diese Szene zeigt. Neuere Generationen des Modells erzeugen dazu passenden Ton: Umgebungsgeräusche, Musik und sogar gesprochene Dialoge, die lippensynchron zu den Figuren im Bild passen. Damit gehört Veo zu den Modellen, die den Begriff „Text-to-Video“ aus der Experimentierecke in den professionellen Alltag geholt haben.

Um einzuordnen, was Veo leistet, lohnt sich ein kurzer Blick auf die klassische Videoproduktion. Ein einfaches Produktvideo für eine Messe oder einen Onlineshop erfordert bislang ein Drehbuch, einen Drehtag, Licht und Kamera, gegebenenfalls Sprecherinnen und Sprecher, einen Schnittplatz und mehrere Abstimmungsrunden. Für mittelständische Unternehmen ist das oft ein Projekt mit Vorlauf von Wochen und einem Budget, das man sich nur für wenige Formate im Jahr leistet. Entsprechend selten wird Bewegtbild eingesetzt – obwohl Video in sozialen Netzwerken, auf Produktseiten und im Vertrieb nachweislich mehr Aufmerksamkeit erzeugt als statische Bilder.
Ein Videogenerierungsmodell wie Veo verschiebt diese Gleichung. Statt eine Szene aufwendig zu drehen, wird sie beschrieben oder aus einem vorhandenen Foto heraus animiert. Statt einer einzigen Version entstehen in kurzer Zeit mehrere Varianten, aus denen das Team auswählt. Das ersetzt nicht jede Produktion – echte Kundenstimmen, reale Fertigungsabläufe oder präzise technische Demonstrationen bleiben Aufgabe der Kamera. Aber für Stimmungsbilder, Konzeptvisualisierungen, Social-Media-Clips, Storyboards und erste Entwürfe ist der Aufwand drastisch geringer geworden. Hinter diesem Sprung steht eine Modellarchitektur, die Bilder und Bewegungen gemeinsam lernt und dabei physikalische Plausibilität, Lichtverhältnisse und Kamerabewegungen erstaunlich gut nachbildet.
INAGRO-Einschätzung

Veo zählt technisch zu den führenden Videomodellen am Markt, besonders bei Bildqualität, Bewegungsrealismus und der Verbindung von Bild und Ton. Für Unternehmen ist jedoch weniger die Spitzenqualität einzelner Demo-Clips entscheidend als die Frage, wie sich das Modell verlässlich, rechtssicher und markenkonform in eigene Abläufe einbinden lässt. Hier unterscheiden sich die Zugangswege – von der Gemini App bis Vertex AI mit EU-Region – deutlich. Zudem gilt: Jedes mit Veo erzeugte Video trägt ein unsichtbares SynthID-Wasserzeichen und sollte im Sinne der europäischen KI-Verordnung transparent als KI-generiert gekennzeichnet werden.

Wie ein Videomodell eine Szene „versteht“

Videogenerierungsmodelle wie Veo basieren nach allem, was öffentlich bekannt ist, auf sogenannten Diffusionsverfahren in Kombination mit Transformer-Architekturen. Vereinfacht gesagt lernt das Modell aus sehr großen Mengen von Videos, wie sich Bildinhalte über die Zeit verändern: wie Wasser fließt, wie Stoff fällt, wie Licht über eine Oberfläche wandert oder wie sich eine Kamera um ein Objekt bewegt. Bei der Erzeugung startet das Modell gewissermaßen mit Rauschen und verfeinert es Schritt für Schritt zu einer Bildfolge, die zur Beschreibung passt. Ein Sprachverständnis-Baustein übersetzt dabei die Eingabe in eine Form, die das Videomodell steuert – deshalb profitieren Ergebnisse stark von präzisen, filmisch formulierten Anweisungen.
Wichtig für die Praxis: Veo „weiß“ nicht, wie Ihr Produkt aussieht, und kennt keine internen Details Ihres Unternehmens. Es erzeugt plausible Bilder auf Basis dessen, was es gelernt hat, und auf Basis der Bilder, die Sie ihm mitgeben. Ein exakt maßstabsgetreues Abbild einer Maschine mit allen Beschriftungen ist deshalb schwieriger als eine stimmungsvolle Szene, in der das Produkt eine Nebenrolle spielt. Diese Unterscheidung zwischen „atmosphärisch überzeugend“ und „technisch exakt“ zieht sich durch alle Einsatzszenarien.

Für wen dieser Artikel gedacht ist

Der Beitrag richtet sich an Geschäftsführung, Marketing- und Kommunikationsverantwortliche, IT-Leitung und Datenschutzbeauftragte in mittelständischen Unternehmen im DACH-Raum. Technische Vorkenntnisse sind nicht nötig. Nach der Lektüre sollten Sie einschätzen können, wofür sich Veo eignet, welcher Zugangsweg zu Ihrem Anspruch an Datenschutz und Kontrolle passt, wie sich Veo von Sora, Runway, Kling oder Luma unterscheidet und welche organisatorischen, rechtlichen und kostenseitigen Fragen vor einem produktiven Einsatz zu klären sind.

Wie dieser Artikel mit Zahlen umgeht

Wir arbeiten herstellerneutral und bewusst zurückhaltend mit konkreten Werten. Maximale Cliplängen, Auflösungen, Bildraten, Seitenverhältnisse, Kontingente und Preise ändern sich bei Veo mit jeder Modellgeneration und unterscheiden sich zudem zwischen Gemini App, Flow, API und Vertex AI. Statt Angaben zu nennen, die bald überholt sind, beschreiben wir Fähigkeiten qualitativ und sprechen von der „aktuellen Veo-Generation“. Alle konkreten Spezifikationen sollten Sie unmittelbar vor einer Entscheidung beim Anbieter prüfen.
Kapitel 02 · Modelle & Zugang

Die Veo-Modellfamilie, Zugangswege und Positionierung

Veo ist kein einzelnes, statisches Produkt, sondern eine Modellfamilie, die Google DeepMind in mehreren Generationen weiterentwickelt hat. Innerhalb einer Generation gibt es häufig Varianten mit unterschiedlicher Gewichtung von Qualität und Geschwindigkeit. Mindestens ebenso wichtig ist der Kanal, über den Veo genutzt wird – denn davon hängen Bedienung, Steuerbarkeit, Vertragsbedingungen und Datenschutz ab.

Die ersten Veo-Versionen konzentrierten sich auf stumme Videoclips mit hoher Bildqualität und überzeugender Kameraführung. Spätere Generationen haben die Steuerbarkeit verbessert, die physikalische Plausibilität erhöht und – als markanter Schritt – die native Audiogenerierung eingeführt: Bild und Ton entstehen in einem gemeinsamen Durchgang, sodass Schritte, Motorengeräusche oder Dialoge zum Geschehen passen. Parallel hat Google schnellere Varianten veröffentlicht, die günstiger und für Entwürfe oder hohe Stückzahlen gedacht sind. Die genauen Bezeichnungen und Unterschiede wechseln regelmäßig; maßgeblich ist stets die aktuelle Modellübersicht des Anbieters.
Veo – Qualitätsvariante
Flaggschiff

Die leistungsstärkste Variante der aktuellen Generation für hochwertige Clips mit realistischer Bewegung, filmischer Lichtführung und – je nach Version – synchronem Ton. Längere Rechenzeit und höhere Kosten. Aktuelle Bezeichnung beim Anbieter prüfen.

EingabeText, Bild, Referenzen
StärkeQualität & Realismus
RolleFinale Clips
Veo – schnelle Variante
Schnell

Schnellere, günstigere Varianten für Entwürfe, Storyboards, Variantentests und größere Stückzahlen. Leichte Abstriche bei Details und Konsistenz, dafür deutlich kürzere Iterationszyklen. Verfügbarkeit je Kanal prüfen.

EingabeText, Bild
StärkeTempo & Kosten
RolleEntwürfe & Volumen
Offene Videomodelle
Offene Gewichte

Keine Veo-Variante, aber die relevante Alternative für maximale Datenhoheit: offene Videomodelle anderer Anbieter, die sich auf eigener GPU-Infrastruktur oder bei EU-Hostern betreiben lassen. Qualität und Komfort meist geringer, Lizenz prüfen.

EingabeText, je nach Modell Bild
StärkeSelf-Hosting
RolleSouveräne Option

Die Zugangswege im Überblick

Für den Unternehmenseinsatz lassen sich im Wesentlichen fünf Kanäle unterscheiden. Die Gemini App bietet Veo für Endnutzerinnen und Endnutzer an, meist gebunden an kostenpflichtige Abonnements mit begrenzten Kontingenten. Sie ist ideal zum Ausprobieren, aber für Firmendaten nur unter einem Unternehmenskonto mit geprüften Bedingungen sinnvoll. Flow ist ein von Google speziell für Filmschaffende entwickeltes Werkzeug, das Veo mit Bildmodellen und Gemini kombiniert: Szenen werden geplant, Figuren und Objekte über Referenzen konsistent gehalten, Clips aneinandergereiht und verlängert. Für Marketingteams, die mehr als Einzelclips brauchen, ist Flow oft der komfortabelste Einstieg.
Die Gemini API mit Google AI Studio erlaubt Entwicklern, Veo programmatisch aufzurufen – etwa um Videos automatisch aus Produktdaten zu erzeugen. Hier ist zwischen kostenlosem Testkontingent und kostenpflichtiger Nutzung zu unterscheiden, weil die Datennutzungsregeln abweichen können. Vertex AI stellt Veo als verwalteten Dienst in Google Cloud bereit, mit Regionenwahl, Zugriffssteuerung, Protokollierung und den Datenverarbeitungsbedingungen der Cloud. In Google Workspace schließlich tauchen Veo-Funktionen zunehmend in Anwendungen wie dem Videowerkzeug Vids auf, unter den Unternehmensbedingungen von Workspace. Welche Funktion in welcher Edition und Region verfügbar ist, ändert sich häufig.
Kriterium Gemini App Flow Gemini API Vertex AI
Zielgruppe Einzelpersonen, erste Tests Kreativ- und Marketingteams Entwickler, Prototypen Unternehmens-IT, Produktion
Bedienung Chat, sehr einfach Szenen-Editor, Projekte Programmierschnittstelle Konsole, API, SDKs
Bedingungen Privat vs. Unternehmenskonto Abo-Bedingungen prüfen Free vs. Paid unterscheiden Cloud-Vertrag & DPA
Regionenwahl Nein Nein Eingeschränkt Je nach Modell – prüfen
Automatisierbarkeit Gering Projektbasiert Hoch Hoch, mit Governance

Positionierung im Markt

Qualitativ positioniert Google Veo im oberen Segment der Videomodelle. Die Stärken liegen in der Bildqualität, in realistischen Bewegungen, in der Umsetzung filmischer Begriffe wie Kamerafahrt, Schärfeverlagerung oder Weitwinkel und – in den neueren Generationen – in der Verbindung von Bild und Ton aus einem Guss. Hinzu kommt die Einbettung in ein großes Ökosystem: Wer ohnehin Google Workspace oder Google Cloud nutzt, findet Veo dort, wo die Arbeit bereits stattfindet. Demgegenüber stehen die bekannten Einschränkungen eines US-Cloud-Dienstes: keine Möglichkeit zum Self-Hosting, Abhängigkeit von Kontingenten und Richtlinien des Anbieters und eine Datenschutzbewertung, die über die reine Vertragslage hinausgeht.
Kapitel 03 · Funktionsumfang

Funktionsumfang: Text, Bild, Bewegung und Ton

Der Funktionsumfang von Veo hat sich mit jeder Generation erweitert. Die folgenden Fähigkeiten beschreiben wir qualitativ. Welche davon in welchem Kanal, mit welcher Länge, Auflösung oder in welchem Seitenverhältnis verfügbar sind, unterscheidet sich je nach Version und ist beim Anbieter zu prüfen.

Text-zu-Video

Aus einer Szenenbeschreibung entsteht ein Clip. Motiv, Stil, Licht, Stimmung, Kamerabewegung und Tempo lassen sich in natürlicher Sprache vorgeben – je präziser und filmischer, desto besser.

Idee wird Bewegtbild
Bild-zu-Video

Ein vorhandenes Foto – etwa ein Produktbild oder eine Visualisierung – wird als Ausgangspunkt animiert. Das hält Gestaltung und Produktdetails näher am Original als reine Textbeschreibungen.

Bestandsbilder beleben
Native Audiogenerierung

Neuere Generationen erzeugen Umgebungsgeräusche, Effekte, Musik und Dialoge passend zum Bild. Das spart eine eigene Vertonung für viele kurze Formate, ersetzt aber keinen professionellen Sprecher für Markenbotschaften.

Bild und Ton aus einem Guss
Referenzen & Konsistenz

Über Referenzbilder lassen sich Figuren, Objekte oder Stile über mehrere Clips hinweg ähnlich halten. Je nach Kanal sind Start- und Endbild vorgebbar, um Übergänge gezielt zu steuern.

Wiedererkennbarkeit
Verlängern & Montieren

Clips können – je nach Werkzeug – fortgesetzt und zu längeren Sequenzen zusammengesetzt werden. Flow bietet dafür eine Szenenansicht, in der einzelne Einstellungen zu einer kleinen Geschichte werden.

Von Clip zu Sequenz
Bearbeiten im Video

Einige Kanäle bieten Funktionen, um Objekte in einem Clip zu ergänzen oder zu entfernen, Bildausschnitte zu erweitern oder Kamerabewegungen gezielt vorzugeben. Umfang und Verfügbarkeit variieren stark.

Nachbessern statt neu drehen

Was Veo besonders gut kann

In unseren Praxiserfahrungen und in öffentlich zugänglichen Vergleichen fallen bei Veo vor allem drei Stärken auf. Erstens die Umsetzung filmischer Sprache: Begriffe wie Dolly-Fahrt, Drohnenperspektive, Makroaufnahme, geringe Schärfentiefe oder Gegenlicht werden zuverlässig verstanden und umgesetzt. Das macht Veo besonders interessant für Teams, die bereits in Bildern denken und ihre Vorstellungen präzise beschreiben können. Zweitens die physikalische Plausibilität: Flüssigkeiten, Stoffe, Spiegelungen und Lichtwechsel wirken in vielen Fällen glaubwürdig, auch wenn es weiterhin Ausreißer gibt. Drittens die Verbindung von Bild und Ton: Ein Clip, in dem eine Kaffeemaschine zischt, Tassen klirren und im Hintergrund Gespräche zu hören sind, entsteht in einem Durchgang und wirkt dadurch deutlich lebendiger als ein stummes Video mit nachträglich unterlegter Musik.
Hinzu kommt die Bild-zu-Video-Funktion, die für Unternehmen oft wertvoller ist als reines Text-zu-Video. Wer ein freigestelltes Produktfoto, eine CAD-Visualisierung oder ein Bild aus der eigenen Bildbibliothek als Ausgangspunkt nutzt, bleibt näher an der realen Optik. In Kombination mit Bildmodellen aus dem gleichen Ökosystem – etwa Nano Banana für die Bildbearbeitung – lässt sich so ein Ablauf gestalten, in dem erst ein Standbild perfektioniert und dann in Bewegung versetzt wird.

Grenzen, die man kennen sollte

So beeindruckend die Ergebnisse sind: Veo ist kein Werkzeug für technische Präzision. Schrift im Bild, Logos, feine Beschriftungen und exakte Proportionen werden häufig verfälscht oder unleserlich. Komplexe Abläufe mit mehreren interagierenden Personen, präzise Handbewegungen oder mechanische Vorgänge, bei denen jedes Detail stimmen muss, gelingen nicht verlässlich. Jede Generierung ist zudem ein Stück weit Zufall: Dieselbe Eingabe liefert unterschiedliche Ergebnisse, und bis ein Clip wirklich passt, sind oft mehrere Durchläufe nötig. Die maximale Länge einzelner Clips ist begrenzt; längere Videos entstehen durch Montage und Verlängerung, wobei die Konsistenz über Schnitte hinweg nachlassen kann.
Schließlich greifen Sicherheitsfilter des Anbieters: Bestimmte Inhalte – etwa realistische Darstellungen bekannter Personen, Gewalt oder irreführende Szenarien – werden blockiert oder eingeschränkt. Für Unternehmen ist das grundsätzlich positiv, kann aber im Einzelfall auch harmlose Anfragen betreffen. Wer Veo in Abläufe einplant, sollte deshalb Puffer für Nachbearbeitung, alternative Formulierungen und gelegentlich auch klassische Produktion einkalkulieren.
Praxistipp: Prompts wie ein Regisseur schreiben

Gute Veo-Prompts beschreiben nicht nur das Motiv, sondern die Einstellung: Wer oder was ist zu sehen, wo spielt die Szene, wie bewegt sich die Kamera, welches Licht herrscht, welche Stimmung soll entstehen und – bei Ton – was ist zu hören. Ein interner Prompt-Leitfaden mit bewährten Formulierungen, Markenfarben und Bildsprache spart Ihrem Team viele Fehlversuche.

Kapitel 04 · KI & Automatisierung

KI- und Automatisierungsfunktionen: vom Einzelclip zur Videopipeline

Solange Veo nur im Chatfenster genutzt wird, bleibt es ein Kreativwerkzeug für Einzelne. Sein eigentliches Potenzial für Unternehmen entfaltet sich, wenn die Videoerzeugung in Abläufe eingebettet wird: wenn Gemini Prompts formuliert, Produktdaten Varianten steuern und Prüfschritte die Qualität sichern.

Gemini als Regieassistenz

Ein naheliegender erster Automatisierungsschritt ist die Kombination von Veo mit einem Sprachmodell wie Gemini. Statt dass Mitarbeitende jeden Prompt selbst ausformulieren, beschreibt das Team das Ziel in Alltagssprache – etwa „ein ruhiger Clip für LinkedIn, der unsere neue Pumpenserie in einer modernen Werkhalle zeigt“ – und Gemini übersetzt das in eine präzise Szenenbeschreibung mit Kamera, Licht und Ton. Gemini kann zudem ein kurzes Drehbuch mit mehreren Einstellungen entwerfen, Varianten für unterschiedliche Kanäle vorschlagen oder aus einem Produktdatenblatt die wichtigsten visuellen Merkmale herausarbeiten. In Flow ist diese Arbeitsteilung bereits angelegt; über die API lässt sie sich frei gestalten.
Wichtig ist dabei ein klarer Rahmen: Markenrichtlinien, Tonalität, verbotene Motive und Pflichtangaben sollten als feste Vorgaben in die Anweisungen an Gemini einfließen. So entsteht eine Art digitale Regieassistenz, die Vorschläge macht – die Entscheidung über Freigabe und Veröffentlichung bleibt beim Menschen.

Datengetriebene Videovarianten über die API

Über die Gemini API oder Vertex AI lässt sich Veo programmatisch ansprechen. Damit werden Szenarien möglich, die mit manueller Arbeit nicht wirtschaftlich wären: Für jedes Produkt eines Sortiments entsteht aus Foto und Stammdaten ein kurzer Clip; für unterschiedliche Zielgruppen oder Sprachen werden Varianten eines Motivs erzeugt; saisonale Kampagnen werden mit wechselnden Hintergründen ausgespielt. Technisch läuft eine Videogenerierung asynchron: Die Anfrage wird gestellt, das Modell rechnet, und das Ergebnis wird nach einiger Zeit abgeholt und in einem Speicher abgelegt. Für die Integration bedeutet das Warteschlangen, Statusabfragen und eine saubere Fehlerbehandlung, wenn Filter greifen oder Kontingente erschöpft sind.
01
Briefing & Daten
Ziel, Kanal und Zielgruppe werden festgelegt; Produktfotos, Stammdaten und Markenvorgaben werden aus PIM, DAM oder Shop bereitgestellt.
02
Prompt-Erstellung mit Gemini
Ein Sprachmodell formuliert aus Briefing und Daten präzise Szenenbeschreibungen und wählt passende Referenzbilder aus.
03
Generierung mit Veo
Veo erzeugt mehrere Varianten pro Motiv. Ergebnisse landen in einem geschützten Speicher in der gewählten Region.
04
Prüfung, Kennzeichnung & Freigabe
Menschen sichten, wählen aus, prüfen Marke, Fakten und Rechte, ergänzen die KI-Kennzeichnung und geben für den jeweiligen Kanal frei.

SynthID und Herkunftsnachweise als Teil der Automatisierung

Jedes mit Veo erzeugte Video wird von Google mit SynthID versehen – einem von Google DeepMind entwickelten, für das menschliche Auge unsichtbaren digitalen Wasserzeichen, das in die Bild- und Tondaten eingebettet wird und auch nach typischen Bearbeitungen wie Zuschnitt oder Komprimierung erkennbar bleiben soll. In Endkundenprodukten kommt je nach Kanal ein sichtbares Wasserzeichen hinzu. Google bietet Prüfmöglichkeiten an, mit denen sich feststellen lässt, ob ein Inhalt das SynthID-Wasserzeichen trägt; zudem engagiert sich Google bei Herkunftsstandards wie C2PA-Metadaten. Für Unternehmen bedeutet das: Die technische Herkunftskennzeichnung ist bereits eingebaut, die sichtbare Kennzeichnung gegenüber dem Publikum bleibt aber Aufgabe des Unternehmens. In einer automatisierten Pipeline sollte die Kennzeichnung deshalb ein fester Prozessschritt sein – etwa als Texthinweis im Video, in der Bildunterschrift oder in den Metadaten der Veröffentlichung.
Kapitel 05 · Ökosystem

Integrationen und Ökosystem: Vertex AI, Workspace und Flow

Veo steht nicht allein, sondern ist Teil eines breiten Google-Ökosystems aus Sprach-, Bild- und Audiomodellen, Cloud-Diensten und Büroanwendungen. Für Unternehmen entscheidet die bestehende IT-Landschaft maßgeblich darüber, welcher Integrationsweg sinnvoll ist.

Vertex AI als Unternehmensplattform

Für automatisierte und skalierbare Videoprozesse ist Vertex AI der zentrale Baustein. Die Plattform stellt Veo neben den Gemini-Modellen, Bildmodellen und Modellen für Sprache und Musik als verwalteten Dienst bereit. Unternehmen profitieren dort von Funktionen, die im produktiven Betrieb wichtig sind: Auswahl der Verarbeitungsregion, soweit für das jeweilige Modell angeboten, Identitäts- und Zugriffsverwaltung, Protokollierung aller Aufrufe, Kosten- und Quotensteuerung, Verschlüsselung und die Einbindung in bestehende Cloud-Speicher. Ergebnisse lassen sich direkt in Cloud Storage ablegen und von dort an ein Digital-Asset-Management, ein Content-Management-System oder einen Shop weitergeben.
Hinzu kommen Steuerungsmöglichkeiten, die für Unternehmen relevant sind, etwa Einstellungen zur Generierung von Personen, Sicherheitsfilter und – je nach Vertrag – Zusagen zur Haftungsfreistellung für generierte Inhalte. Welche dieser Zusagen für welches Veo-Modell gelten und welche Regionen konkret verfügbar sind, sollten Sie vor einer Entscheidung in der aktuellen Dokumentation und im Vertragswerk prüfen. Gerade bei neuen Modellversionen startet die Verfügbarkeit häufig zunächst in US-Regionen oder als Vorschau mit eingeschränkten Zusagen.

Google Workspace und Flow im Arbeitsalltag

Für Teams ohne Entwicklerkapazität ist der Weg über Anwendungen naheliegender. In Google Workspace integriert Google generative Videofunktionen in das Videowerkzeug Vids, mit dem sich Präsentationen, Schulungs- und Erklärvideos aus Vorlagen, Skripten und eigenen Medien zusammenstellen lassen; Veo liefert dort kurze generierte Clips als Bausteine. Der Vorteil: Die Nutzung findet unter den Workspace-Unternehmensbedingungen statt, Dateien liegen in der gewohnten Drive-Umgebung, und Berechtigungen folgen den bestehenden Regeln. Flow richtet sich dagegen an Kreative, die mit Veo Geschichten erzählen wollen: mit Szenenübersicht, Referenzverwaltung, Kamerasteuerung und der Möglichkeit, Clips zu verlängern und zu montieren. Für Marketingabteilungen und Agenturpartner kann Flow den Weg von der Idee zum fertigen Kurzfilm deutlich verkürzen. Welche Lizenz für welchen Funktionsumfang nötig ist, ändert sich häufig.

Anschluss an bestehende Werkzeuge

Veo-Clips sind in der Regel Rohmaterial, das in bestehenden Werkzeugen weiterverarbeitet wird: im Schnittprogramm, in Präsentationssoftware, in Social-Media-Planern oder im Onlineshop. Über die API lassen sich Veo-Aufrufe zudem in Automatisierungsplattformen, Low-Code-Werkzeuge oder eigene Anwendungen einbinden. Verbreitet sind Kombinationen mit Text-to-Speech-Diensten für markenkonforme Sprecherstimmen, mit Avatar-Werkzeugen für Erklärvideos und mit klassischen Schnittprogrammen für Logo, Untertitel und Abspann. Achten Sie bei jeder Kette darauf, an welchen Stellen Daten den eigenen Verantwortungsbereich verlassen und welcher Anbieter welche Bedingungen hat.
INAGRO-Empfehlung zur Integration

Starten Sie dort, wo Ihr Team bereits arbeitet. Wer Workspace nutzt, testet Veo-Funktionen zunächst in Vids oder unter dem Unternehmenskonto. Kreativteams evaluieren Flow. Für automatisierte Pipelines mit Produktdaten empfehlen wir Vertex AI mit EU-Region, soweit für das Modell verfügbar, statt der Entwickler-API im kostenlosen Kontingent. Private Konten und Testzugänge sind für Unternehmensmaterial tabu.

Kapitel 06 · Abgrenzung

Veo im Vergleich: Sora, Runway, Kling, Luma und offene Modelle

Der Markt für KI-Video ist dicht besetzt und entwickelt sich in Monatsschritten. Die folgende Einordnung ist qualitativ und herstellerneutral. Wir verzichten bewusst auf Benchmark-Werte und Ranglisten, weil sie mit jeder neuen Modellgeneration kippen, und beschreiben stattdessen Schwerpunkte und Rahmenbedingungen.

Lösung Schwerpunkt Stärken Zu beachten
Veo (Google) Realistisches Video mit nativem Ton Filmische Sprache, Bild-Ton-Einheit, Ökosystem mit Gemini, Flow, Vertex AI US-Anbieter, kein Self-Hosting, Verfügbarkeit je Region prüfen
Sora (OpenAI) Erzählerische Szenen, Konsumentenapp Starke Szenenkomposition, breite Bekanntheit US-Anbieter, Unternehmenszugang und Bedingungen prüfen
Runway Kreativ- und Produktionswerkzeug Umfangreiche Editier- und Steuerfunktionen, etabliert in Agenturen US-Anbieter, Kosten bei hohem Volumen
Kling AI Bewegungsreiche, lange Szenen Dynamische Bewegungen, attraktives Preis-Leistungs-Verhältnis Chinesischer Anbieter, Datentransfer besonders kritisch prüfen
Luma Dream Machine Schnelle, intuitive Generierung Einfache Bedienung, schnelle Iteration US-Anbieter, Unternehmensbedingungen prüfen
Offene Videomodelle Self-Hosting Volle Datenhoheit, keine Kontingente des Anbieters Hohe GPU-Anforderungen, geringerer Komfort, Lizenz prüfen

Veo und Sora: zwei Ökosysteme, zwei Philosophien

Veo und Sora werden häufig in einem Atemzug genannt, weil beide aus großen KI-Laboren stammen und den Stand der Technik prägen. Beide erzeugen in ihren aktuellen Generationen beeindruckend realistische Clips mit Ton. Die Unterschiede liegen weniger in der reinen Bildqualität, die sich ständig verschiebt, als im Umfeld: Veo ist eng mit Google Cloud, Workspace und dem Filmwerkzeug Flow verzahnt, Sora mit der OpenAI-Welt und – über Partnerschaften – teils mit Microsoft-Diensten. Für Unternehmen ist deshalb häufig die bestehende IT-Landschaft das entscheidende Kriterium: Wer bereits Vertex AI und Workspace nutzt, findet mit Veo einen kürzeren Weg zu geregelten Unternehmensbedingungen.

Spezialisierte Werkzeuge: Runway, Kling, Luma

Runway hat sich als Werkzeugkasten für Kreative etabliert und bietet neben eigenen Modellen umfangreiche Bearbeitungsfunktionen – stark, wenn Videos nicht nur erzeugt, sondern intensiv nachbearbeitet werden. Kling AI überzeugt mit dynamischen Bewegungen und günstigen Konditionen, stammt aber von einem chinesischen Anbieter, was die Bewertung des Datentransfers für europäische Unternehmen zusätzlich erschwert. Luma setzt auf schnelle, zugängliche Generierung. Für Avatar-basierte Erklärvideos mit sprechenden Personen sind wiederum spezialisierte Plattformen wie Synthesia oft die passendere Wahl als ein generelles Videomodell. In vielen Projekten ist deshalb nicht die Frage „Veo oder X“ entscheidend, sondern welche Kombination von Werkzeugen den eigenen Ablauf am besten abbildet.

Offene Modelle als souveräne Alternative

Neben den kommerziellen Cloud-Diensten gibt es offene Videomodelle, deren Gewichte sich herunterladen und auf eigener Hardware oder bei einem europäischen Hoster betreiben lassen. Ihre Qualität hat stark aufgeholt, liegt aber in Komfort, Steuerbarkeit und Tonfähigkeit meist hinter den Spitzenmodellen. Der Betrieb erfordert leistungsfähige Grafikprozessoren und technisches Know-how. Dafür bleiben Eingaben und Ergebnisse vollständig im eigenen Verantwortungsbereich, es gibt keine Abhängigkeit von Kontingenten und Richtlinien eines US-Anbieters, und die Kosten skalieren mit der eigenen Infrastruktur statt mit einem Preismodell pro Sekunde. Für Unternehmen mit hohem Schutzbedarf – etwa wenn unveröffentlichte Produkte visualisiert werden – ist das eine ernsthafte Option.
Kapitel 07 · Einführung & Betrieb

Einführung und Betrieb: vom ersten Clip zum geregelten Prozess

Die technische Hürde für den ersten Veo-Clip ist gering – ein Abonnement genügt. Die eigentliche Arbeit liegt darin, aus spontanen Experimenten einen verlässlichen, rechtssicheren und markenkonformen Prozess zu machen. Ein strukturiertes Vorgehen verhindert Schatten-KI und schafft Vertrauen.

Ein strukturierter Einführungsweg

Wir empfehlen ein Vorgehen in vier Phasen. In der Orientierungsphase werden Ziele, mögliche Anwendungsfälle und der Rahmen geklärt: Welche Formate sollen entstehen, wer ist beteiligt, welche Daten fließen ein, welcher Zugangsweg kommt in Frage? In der Testphase erzeugt ein kleines Team unter einem Unternehmenszugang Clips für zwei oder drei konkrete Anwendungsfälle, vergleicht gegebenenfalls Veo mit Alternativen und dokumentiert Aufwand, Qualität und Fehlversuche. In der Pilotphase wird ein Anwendungsfall unter realen Bedingungen umgesetzt – mit Freigabeprozess, Kennzeichnung, Ablage und Erfolgsmessung. Erst danach folgt die Skalierung auf weitere Teams, Formate oder automatisierte Pipelines.
01
Orientierung
Ziele, Formate, Beteiligte, Zugangsweg und Datenschutzrahmen klären. Erste Richtlinie zur Nutzung generativer Videos entwerfen.
02
Test
Ausgewählte Anwendungsfälle mit Veo und ggf. Alternativen erproben. Qualität, Aufwand und Kosten realistisch erfassen.
03
Pilot
Einen Anwendungsfall vollständig umsetzen – inklusive Freigabe, Kennzeichnung, Rechteprüfung, Ablage und Erfolgsmessung.
04
Skalierung
Weitere Teams und Formate einbinden, Prompt-Bibliothek ausbauen, bei Bedarf API-Pipeline auf Vertex AI aufsetzen.

Richtlinien, Freigabe und Kennzeichnung

Ein zentrales Element jeder Einführung ist eine schriftliche Richtlinie für generative Medien. Sie regelt, welche Zugänge erlaubt sind, welche Inhalte nicht erzeugt werden dürfen – etwa reale Personen ohne Einwilligung, Mitbewerberprodukte, irreführende Darstellungen von Produkteigenschaften –, wer Clips freigibt und wie sie gekennzeichnet werden. Für die Kennzeichnung empfiehlt sich eine einheitliche Formulierung, etwa ein Hinweis „KI-generiert“ im Video oder in der Beschreibung. Die europäische KI-Verordnung sieht Transparenzpflichten für Deepfakes und bestimmte KI-generierte Inhalte vor; zusätzlich verlangen viele Plattformen eine Offenlegung realistisch wirkender KI-Inhalte. Unabhängig von der genauen rechtlichen Einordnung im Einzelfall schafft eine konsequente Kennzeichnung Vertrauen bei Kunden und schützt vor dem Vorwurf der Täuschung.
Ebenso wichtig ist ein klarer Freigabeprozess. Generierte Videos sollten vor der Veröffentlichung von mindestens einer fachkundigen Person geprüft werden: Stimmen Produktdarstellung und Aussagen? Entspricht der Clip der Markenwelt? Sind ungewollte Details entstanden – etwa verzerrte Schrift, fremde Logos oder unpassende Hintergrundgeräusche? Bei Werbeaussagen gelten zudem die Regeln des Wettbewerbsrechts; ein KI-Clip darf ein Produkt nicht besser darstellen, als es ist.

Laufender Betrieb: Versionen, Kosten und Archiv

Im laufenden Betrieb sind drei Themen dauerhaft zu pflegen. Erstens Modellwechsel: Google entwickelt Veo regelmäßig weiter und stellt ältere Versionen ein. Prompts und Abläufe, die heute funktionieren, können sich mit einer neuen Version anders verhalten. Eine kleine Sammlung von Referenz-Prompts hilft, Änderungen schnell zu erkennen. Zweitens Kostenkontrolle: Da jede Generierung Kosten verursacht und oft mehrere Versuche nötig sind, sollten Budgets, Kontingente und Warnschwellen eingerichtet werden. Drittens Archivierung und Nachweis: Für spätere Rückfragen ist es sinnvoll, zu jedem veröffentlichten Clip Prompt, Modellversion, Datum, Referenzbilder und Freigabe zu dokumentieren. Das erleichtert auch die Erfüllung möglicher Nachweispflichten und Antworten auf Fragen von Kunden oder Plattformen.
Kapitel 08 · Praxis

Einsatz im deutschen Mittelstand

Wo bringt Veo im Mittelstand konkreten Nutzen? Die folgenden Szenarien zeigen typische Einsatzfelder – jeweils mit realistischer Einordnung. Gemeinsam ist ihnen, dass Veo dort am stärksten ist, wo Atmosphäre und Bildwirkung wichtiger sind als millimetergenaue Darstellung.

Produktvideos & Shop

Aus vorhandenen Produktfotos entstehen kurze Clips für Produktseiten, Marktplätze und Newsletter – etwa ein langsamer Schwenk um ein Produkt in passender Umgebung. Technische Details bleiben beim Originalfoto.

Mehr Bewegtbild im Sortiment
Social Media & Employer Branding

Stimmungsvolle Kurzclips für LinkedIn, Instagram oder Karriereseiten: Werkhallen im Morgenlicht, symbolische Szenen zu Nachhaltigkeit oder Innovation. Echte Mitarbeitende zeigt man besser mit echter Kamera.

Regelmäßiger Content
Messe & Vertrieb

Loop-Videos für Messestände, Einstiegsclips für Präsentationen oder Visualisierungen von Einsatzszenarien beim Kunden. Ideal, um Anwendungen zu zeigen, die sich schwer filmen lassen.

Wirkung am Stand
Storyboards & Konzepte

Bevor eine Agentur oder ein Filmteam beauftragt wird, visualisiert Veo Ideen als Bewegtbild-Entwurf. Abstimmungen werden schneller, Missverständnisse seltener, Drehtage gezielter.

Produktion besser briefen
Schulung & Onboarding

Illustrierende Szenen für Schulungsvideos, Sicherheitsunterweisungen oder Lernmodule – zum Beispiel symbolische Darstellungen von Gefahrensituationen, die man nicht nachstellen möchte. In Kombination mit Workspace Vids besonders niederschwellig.

Anschaulicher lernen
Internationalisierung

Varianten eines Motivs für unterschiedliche Märkte, Jahreszeiten oder Zielgruppen – etwa wechselnde Umgebungen für dasselbe Produkt. Sprache und Untertitel werden ergänzend lokalisiert.

Varianten statt Neudreh

Realistische Erwartungen an Qualität und Aufwand

Die Ergebnisse von Veo sind oft verblüffend – aber nicht jeder Clip ist sofort verwendbar. Erfahrungsgemäß braucht es mehrere Versuche, bis Motiv, Bewegung und Ton passen, und manche Ideen lassen sich mit dem Modell schlicht nicht zuverlässig umsetzen. Wer Veo einführt, sollte deshalb nicht mit einem Ersatz für die gesamte Videoproduktion rechnen, sondern mit einer Ergänzung: mehr Bewegtbild für Formate, die bisher gar kein Video hatten, schnellere Entwürfe und Varianten, günstigere Stimmungsbilder. Reale Referenzen, echte Kundenstimmen und präzise Produktdemonstrationen bleiben wichtig – gerade sie schaffen Glaubwürdigkeit, die ein generiertes Video nicht ersetzen kann. Ein realistischer Maßstab für den Erfolg ist daher nicht „wie viel Produktion fällt weg“, sondern „wie viel mehr wirkungsvolles Bewegtbild entsteht mit vertretbarem Aufwand“.

Markenführung und Glaubwürdigkeit

Gerade im Mittelstand, wo Vertrauen und persönliche Beziehungen eine große Rolle spielen, ist der Umgang mit KI-generierten Bildern eine Frage der Markenführung. Ein Clip, der eine perfekte, aber nicht existierende Fertigungshalle zeigt, kann bei Kunden, die den echten Standort kennen, Irritation auslösen. Generierte Szenen sollten deshalb bewusst eingesetzt werden: für Symbolik, Stimmung und Konzepte – nicht als vermeintlicher Beweis für reale Gegebenheiten. Eine offene Kommunikation – „dieses Video wurde mit KI erstellt“ – wirkt in der Regel souveräner als der Versuch, die Herkunft zu verschleiern. Zudem sollte die Bildsprache konsistent bleiben: Eine Prompt-Bibliothek mit Markenfarben, Lichtstimmungen und typischen Einstellungen hilft, dass KI-Clips wie aus einem Guss wirken.

Mit welchem Anwendungsfall man startet

Ein guter Startpunkt ist klar abgegrenzt, schnell sichtbar und mit geringem Rechtsrisiko verbunden. Bewährt haben sich Social-Media-Clips mit symbolischen Motiven, animierte Produktfotos für den Onlineshop und Storyboards für geplante Videoproduktionen. Diese Formate enthalten in der Regel keine personenbezogenen Daten, das Ergebnis lässt sich gut bewerten, und Fehler sind leicht zu korrigieren. Anspruchsvoller sind Formate mit realistisch wirkenden Personen, mit Aussagen zu Produkteigenschaften oder mit unveröffentlichten Produkten – hier sollten Richtlinien, Freigabe und Zugangsweg vorab sauber geklärt sein.
Kapitel 09 · Kosten & Datenschutz

Kosten und DSGVO: Datentransfer, Rechte und Souveränität

Zwei Fragen entscheiden über den produktiven Einsatz: Was kostet Veo im laufenden Betrieb realistisch – und wie lässt sich die Nutzung eines US-Dienstes mit DSGVO, Urheberrecht, KI-Verordnung und dem Wunsch nach digitaler Souveränität vereinbaren? Konkrete Preise nennen wir nicht; sie ändern sich häufig und sind beim Anbieter zu prüfen.

Gemini App / Abos
Abo · mit Kontingent
Veo-Zugang je nach Abonnementstufe mit begrenzter Anzahl Generierungen
  • Gut zum Kennenlernen. Für Firmenmaterial nur unter Unternehmenskonto mit geprüften Bedingungen. Aktuelle Konditionen beim Anbieter prüfen.
Flow & Workspace
Lizenz · pro Nutzer
Funktionen je nach Edition enthalten, zubuchbar oder über Guthaben
  • Planbare Kosten pro Arbeitsplatz. Welche Veo-Funktionen in welcher Edition verfügbar sind, ändert sich – vor Vertragsabschluss prüfen.
Gemini API / Vertex AI
Nutzungsbasiert · nach Videolänge
Abrechnung typischerweise nach generierter Videodauer, je nach Modell und Ton
  • Schnelle Varianten sind günstiger als Qualitätsvarianten. Fehlversuche und Varianten zählen mit – realistisch kalkulieren.
Prozess & Nachbearbeitung
Projekt · plus laufend
Richtlinien, Prompt-Bibliothek, Schnitt, Freigabe, Integration
  • Häufig der größte Posten – und der, der über Qualität und Rechtssicherheit entscheidet. Wird regelmäßig unterschätzt.

Wo die wahren Kosten liegen

Bei generativem Video unterscheidet sich das Kostenprofil deutlich von Textanwendungen. Jede Sekunde generiertes Video verursacht spürbare Rechenkosten, und weil selten der erste Versuch passt, multipliziert sich der Verbrauch mit der Zahl der Iterationen. Eine sinnvolle Strategie ist, Entwürfe mit der schnellen, günstigeren Variante zu erzeugen und nur ausgewählte Motive mit der Qualitätsvariante final zu rendern. Clips mit Ton können anders bepreist sein als stumme Clips. Für Abonnements gilt: Kontingente sind begrenzt, und wer intensiv arbeitet, stößt schnell an Grenzen. Der größte Posten liegt jedoch oft außerhalb der Modellnutzung – in Konzeption, Prompt-Arbeit, Nachbearbeitung, Freigabe und Integration. Wer diese Aufwände ehrlich einplant, kann den tatsächlichen Nutzen fair mit klassischer Produktion vergleichen.
Datenschutz-, Rechte- und Kennzeichnungsfragen im Überblick

Bei einem US-Anbieter für generative Videos stehen Datentransfer, Rechte an Ein- und Ausgaben sowie Transparenzpflichten im Mittelpunkt. Die konkrete Bewertung hängt immer vom Zugangsweg, den eingesetzten Materialien und dem Einzelfall ab.

Consumer vs. Enterprise
Private Konten und kostenlose Kontingente können andere Datennutzungsregeln haben – für Firmenmaterial ausschließen
Drittlandbezug USA
Auch bei EU-Region unterliegt der Anbieter US-Recht – mögliche Behördenzugriffe in die Bewertung einbeziehen
Empfehlung: Vertex AI EU
EU-Region und Datenresidenz je Veo-Modell prüfen, Auftragsverarbeitungsvertrag abschließen
Self-Hosting
Offene Videomodelle lokal oder bei EU-Hostern betreiben – die souveränste Option
Personen & Stimmen
Fotos realer Personen als Referenz nur mit Einwilligung; Persönlichkeitsrechte beachten
SynthID & AI Act
Technisches Wasserzeichen ist eingebaut – sichtbare Kennzeichnung gegenüber dem Publikum zusätzlich sicherstellen

Datentransfer, Datenresidenz und digitale Souveränität

Auf den ersten Blick wirkt Videogenerierung datenschutzrechtlich unkritisch, weil oft nur ein Text eingegeben wird. Tatsächlich fließen aber häufig Unternehmensdaten ein: unveröffentlichte Produktfotos, Konstruktionsvisualisierungen, Bilder von Mitarbeitenden, Stimmaufnahmen oder interne Kampagnenpläne. Sobald personenbezogene Daten betroffen sind – etwa Fotos realer Personen als Referenzbild –, greift die DSGVO vollumfänglich. Auch Geschäftsgeheimnisse verdienen Schutz, wenn etwa ein noch nicht angekündigtes Produkt animiert wird.
Google ist auch mit Unternehmensvertrag ein US-Unternehmen. Für die Bewertung bedeutet das: Der Drittlandbezug ist zu prüfen, einschließlich der Frage möglicher Zugriffe durch US-Behörden, auch wenn Daten in europäischen Rechenzentren verarbeitet werden. Rechtsgrundlagen für den Transfer, Standardvertragsklauseln und Zertifizierungen sichern ab, beseitigen die strukturelle Abhängigkeit aber nicht. Für den produktiven Einsatz mit Firmenmaterial empfehlen wir deshalb in erster Linie Vertex AI mit einer EU-Region, sofern das gewünschte Veo-Modell dort angeboten wird – das ist bei neuen Versionen nicht immer von Beginn an der Fall und unbedingt zu prüfen. Dort lassen sich Verarbeitungsort, Zugriffe, Protokollierung und Speicherfristen steuern, und Google sagt unter den Cloud-Bedingungen zu, Kundendaten nicht zum Training zu verwenden. Für besonders sensible Inhalte ist das Self-Hosting offener Videomodelle auf eigener Hardware oder bei einem europäischen Hoster die DSGVO-konformere und souveränere Option – um den Preis geringerer Qualität und höheren Eigenaufwands. Viele Unternehmen kombinieren beide Wege und entscheiden je nach Schutzbedarf.
Wichtiger Hinweis: keine Rechtsberatung

Dieser Artikel bietet eine allgemeine Orientierung und ersetzt keine individuelle rechtliche Prüfung. Bewertungen zu Datenschutz, Urheber- und Persönlichkeitsrecht, Wettbewerbsrecht und den Transparenzpflichten der europäischen KI-Verordnung hängen immer vom konkreten Einzelfall ab. Ziehen Sie für eine verbindliche Beurteilung Ihren Datenschutzbeauftragten oder fachkundige juristische Beratung hinzu. Vertrags-, Nutzungs- und Datenverarbeitungsbedingungen von Google prüfen Sie stets in der jeweils aktuellen Fassung.

Urheberrecht, Nutzungsrechte und Kennzeichnung nach AI Act

Neben dem Datenschutz stellen sich bei generierten Videos Fragen nach Rechten. Nach verbreiteter Auffassung genießen rein maschinell erzeugte Inhalte in Deutschland nur eingeschränkt urheberrechtlichen Schutz, was die Durchsetzung eigener Rechte an einem Clip erschweren kann. Umgekehrt dürfen Referenzbilder, Logos, Musik oder Stimmen Dritter nur mit entsprechenden Rechten eingesetzt werden. Google räumt Kunden nach seinen Bedingungen weitreichende Nutzungsmöglichkeiten an den Ergebnissen ein und bietet für bestimmte Unternehmensangebote Haftungsfreistellungen an; Umfang und Voraussetzungen sind im aktuellen Vertragswerk zu prüfen. Die europäische KI-Verordnung verpflichtet Anbieter generativer Systeme zu maschinenlesbarer Kennzeichnung – SynthID ist Googles Antwort darauf – und Betreiber, also Unternehmen, die solche Inhalte veröffentlichen, unter bestimmten Voraussetzungen zur Offenlegung, insbesondere bei Deepfakes, also realistisch wirkenden Darstellungen von Personen, Orten oder Ereignissen. Eine konsequente, sichtbare Kennzeichnung aller KI-generierten Videos ist deshalb der pragmatische und vertrauensbildende Weg.
Kapitel 10 · FAQ

Häufig gestellte Fragen zu Veo

Die wichtigsten Fragen, die uns Unternehmen zu Veo und generativem Video stellen – kompakt beantwortet.

Was ist Veo in einem Satz?
Veo ist das Videogenerierungsmodell von Google DeepMind, das aus Textbeschreibungen und Bildern kurze, realistisch wirkende Videoclips erzeugt – in den neueren Generationen samt passendem Ton – und über die Gemini App, Flow, die Gemini API, Vertex AI und Google Workspace genutzt werden kann.
Wie lang und in welcher Auflösung kann Veo Videos erzeugen?
Das hängt von Modellversion, Variante und Kanal ab und ändert sich mit jeder Generation. Einzelne Clips sind grundsätzlich kurz; längere Sequenzen entstehen durch Verlängern und Montieren, etwa in Flow. Konkrete Werte zu Länge, Auflösung und Seitenverhältnis sollten Sie unmittelbar vor der Planung beim Anbieter prüfen.
Kann Veo auch Ton und Sprache erzeugen?
Ja, neuere Veo-Generationen erzeugen Umgebungsgeräusche, Effekte, Musik und Dialoge passend zum Bild in einem Durchgang. Für Markenbotschaften mit festgelegtem Wortlaut und definierter Stimme empfehlen wir dennoch häufig eine separate, kontrollierte Vertonung, etwa mit professionellen Sprechern oder einem freigegebenen Text-to-Speech-Dienst.
Was ist SynthID und reicht es als Kennzeichnung aus?
SynthID ist ein unsichtbares digitales Wasserzeichen von Google DeepMind, das in alle mit Veo erzeugten Videos eingebettet wird und mit geeigneten Werkzeugen nachgewiesen werden kann. Es ist eine technische Herkunftskennzeichnung, ersetzt aber nicht die für Betrachter erkennbare Kennzeichnung. Wir empfehlen, KI-generierte Videos zusätzlich sichtbar als solche auszuweisen – auch mit Blick auf die Transparenzpflichten der europäischen KI-Verordnung und die Regeln vieler Plattformen.
Dürfen wir mit Veo erzeugte Videos kommerziell nutzen?
Nach den Bedingungen von Google ist eine kommerzielle Nutzung der Ergebnisse grundsätzlich vorgesehen, die Details hängen jedoch vom Zugangsweg und Vertrag ab. Zu beachten sind außerdem Rechte Dritter an Referenzbildern, Logos, Musik oder Personen sowie der eingeschränkte urheberrechtliche Schutz rein maschinell erzeugter Inhalte. Prüfen Sie die aktuellen Nutzungsbedingungen und ziehen Sie bei Unsicherheit juristische Beratung hinzu – dies ist keine Rechtsberatung.
Ist der Einsatz von Veo DSGVO-konform?
Das hängt vom Zugangsweg und vom eingesetzten Material ab. Mit Vertex AI in einer EU-Region – soweit für das Modell verfügbar –, einem Auftragsverarbeitungsvertrag, Datenminimierung und klaren Richtlinien lässt sich ein gut vertretbares Niveau erreichen. Der Drittlandbezug zu einem US-Anbieter bleibt zu bewerten. Für besonders sensible Inhalte ist das Self-Hosting offener Videomodelle die souveränere Option. Dies ist keine Rechtsberatung.
Worin unterscheidet sich Veo von Sora, Runway oder Kling?
Alle gehören zu den leistungsfähigen Videomodellen, setzen aber unterschiedliche Schwerpunkte. Veo überzeugt besonders bei filmischer Sprache, Bild-Ton-Einheit und der Einbettung in Google Cloud und Workspace. Sora ist eng mit der OpenAI-Welt verbunden, Runway bietet umfangreiche Kreativwerkzeuge, Kling punktet mit dynamischen Bewegungen, stammt aber von einem chinesischen Anbieter. Welches Werkzeug passt, zeigt nur ein Test mit Ihren eigenen Motiven.
Können wir unsere eigenen Produkte realistisch darstellen lassen?
Teilweise. Mit Bild-zu-Video und Referenzbildern bleibt Veo näher an der realen Optik als mit reinem Text. Schrift, Logos, feine Details und exakte Proportionen werden aber häufig verfälscht. Für stimmungsvolle Szenen ist Veo stark, für technisch exakte Produktdemonstrationen bleibt die reale Aufnahme oder eine 3D-Visualisierung meist die bessere Wahl.
Was kostet Veo im Unternehmenseinsatz?
Konkrete Preise nennen wir nicht, da sie sich häufig ändern. Qualitativ gilt: Abonnements und Workspace-Lizenzen enthalten begrenzte Kontingente, API und Vertex AI rechnen nutzungsbasiert nach generierter Videodauer ab, wobei Qualitätsvarianten und Ton teurer sein können. Fehlversuche zählen mit. Der größte Kostenblock liegt oft in Konzeption, Nachbearbeitung und Freigabe. Aktuelle Konditionen beim Anbieter prüfen.
Wie unterstützt INAGRO bei der Einführung von KI-Video?
Wir begleiten herstellerneutral von der ersten Einschätzung bis zum geregelten Betrieb: Wir prüfen, ob Veo für Ihre Formate die passende Wahl ist oder ob Sora, Runway, ein offenes Modell oder eine Kombination besser passt, bewerten gemeinsam mit Ihnen Zugangsweg und Datenschutz – mit Vorrang für Vertex AI in der EU oder Self-Hosting bei sensiblen Inhalten – und unterstützen bei Richtlinien, Kennzeichnung, Prompt-Bibliothek, Integration und einem belastbaren Pilotprojekt. Konkrete Konditionen besprechen wir nach einem unverbindlichen Erstgespräch.

Bewegtbild mit KI verantwortungsvoll nutzen

Bereit für KI-Video mit klarer Kennzeichnung und Datenhoheit?

Von der ersten Eignungsprüfung über die Wahl des richtigen Zugangswegs bis zum geregelten Videoprozess – INAGRO begleitet Sie herstellerneutral auf jedem Schritt. Mit ehrlicher Beratung, technischem Verständnis für generative Medien und einem klaren Blick auf DSGVO, AI Act, Datentransfer und digitale Souveränität. Pragmatisch, strukturiert und mit messbarem Ergebnis.

Seit 2006 am Markt

Erfahrung aus über 100 Digitalprojekten

DSGVO & Souveränität

Datenschutz von Anfang an mitgedacht

Rückmeldung in 24 h

Schnell, direkt, unverbindlich