Luma AI war zunächst vor allem für 3D-Technologie bekannt. Das Unternehmen hatte eine App entwickelt, mit der sich reale Objekte und Räume per Smartphone in fotorealistische 3D-Szenen verwandeln ließen. Aus dieser Arbeit an räumlichem Verständnis, Licht und Perspektive entstand der Schritt zur Videogenerierung. Als Dream Machine im Jahr 2024 öffentlich zugänglich wurde, sorgte das System schnell für Aufmerksamkeit, weil es zu den ersten frei nutzbaren Werkzeugen gehörte, die Videos mit vergleichsweise flüssiger Bewegung und filmischer Kameraführung erzeugen konnten. Seitdem hat Luma die Plattform in mehreren Modellgenerationen weiterentwickelt und um Bildgenerierung, Bearbeitungsfunktionen und Werkzeuge für ganze Projekte ergänzt.
Bewegtbild ist in der Unternehmenskommunikation längst Standard: auf Karriereseiten, in Social-Media-Kanälen, in Produktpräsentationen, auf Messen und in Schulungen. Gleichzeitig ist Videoproduktion teuer und langwierig. Ein Dreh erfordert Planung, Drehorte, Technik, Personal und Nachbearbeitung. Generative Videomodelle verschieben diese Rechnung. Sie liefern in Minuten Material, das früher Tage gebraucht hätte – nicht immer in der gewünschten Präzision, aber oft gut genug für Entwürfe, Varianten und ergänzende Szenen. Gerade mittelständische Unternehmen, die sich keine eigene Videoabteilung leisten, gewinnen dadurch neue Möglichkeiten.
Hinzu kommt, dass sich die Modelle in hohem Tempo verbessern. Was vor zwei Jahren noch nach verwaschenem Experiment aussah, erreicht heute in vielen Szenen eine Qualität, die auf den ersten Blick kaum von realen Aufnahmen zu unterscheiden ist. Genau deshalb hat der europäische Gesetzgeber mit dem EU AI Act Transparenzpflichten für synthetische Inhalte eingeführt – ein Thema, das wir in Kapitel 09 ausführlich behandeln.
Luma veröffentlicht seine Videomodelle unter der Bezeichnung Ray, ergänzt um eine Versionsnummer. Die erste Generation bildete die Grundlage für den Start von Dream Machine. Mit den folgenden Generationen hat Luma die Bildqualität, die Konsistenz von Bewegung und Objekten, das Verständnis komplexer Anweisungen und die Ausgabeauflösung schrittweise gesteigert. Neuere Generationen wurden vom Anbieter unter anderem mit Fähigkeiten wie erweitertem Farbumfang für professionelle Nachbearbeitung, einem schnellen Entwurfsmodus zum Ausprobieren von Ideen und einem verbesserten Verständnis der Szene vor der eigentlichen Generierung beworben. Ergänzt wird die Videofamilie durch ein eigenes Bildmodell, das Standbilder erzeugt und häufig als Ausgangspunkt für Bild-zu-Video-Arbeitsabläufe dient.
Luma AI positioniert sich klar im kreativen und filmischen Segment. Während manche Wettbewerber auf eine möglichst breite Werkzeugpalette für professionelle Postproduktion setzen und andere vor allem auf Masse und Geschwindigkeit, betont Luma die Qualität von Bewegung, Licht und Kameraführung sowie die Nähe zur Arbeitsweise von Filmschaffenden. Die Plattform richtet sich an Kreative, Agenturen, Marketingteams und zunehmend an Studios und Unternehmen, die generative Videos in professionelle Produktionsketten einbinden wollen. Über Partnerschaften mit großen Kreativ- und Cloud-Plattformen versucht Luma zudem, seine Modelle dort verfügbar zu machen, wo Profis ohnehin arbeiten.
Hinter Luma stehen namhafte Risikokapitalgeber und strategische Investoren; das Unternehmen gehört zu den bestfinanzierten Anbietern im Bereich generativer Videos. Für Anwender ist das ein zweischneidiges Signal: Es spricht für eine gewisse Stabilität und weitere Investitionen in die Modelle, zugleich ist der Markt für KI-Video stark umkämpft und konsolidiert sich. Eine Abhängigkeit von einem einzelnen Anbieter sollte deshalb bewusst vermieden werden.
In der Praxis ist es weniger entscheidend, welche Ray-Version gerade aktuell ist, als über welchen Weg Sie Dream Machine nutzen. Die Weboberfläche und die mobile App bieten den vollen Werkzeugkasten für Kreative mit Projektverwaltung, Ideen-Boards und Bearbeitungsfunktionen. Die API richtet sich an Entwickler, die Videos automatisiert erzeugen wollen. Partnerplattformen bieten Ray-Modelle wiederum unter ihren eigenen Vertragsbedingungen an. Jeder dieser Wege hat andere Folgen für Nutzungsrechte, Datenschutz und Kosten. Diese Unterscheidung zieht sich wie ein roter Faden durch die folgenden Kapitel.
Die einfachste Arbeitsweise ist Text-zu-Video: Der Nutzer beschreibt Motiv, Umgebung, Stimmung, Licht und Kamerabewegung, und Dream Machine erzeugt einen kurzen Clip. Die Qualität hängt stark davon ab, wie präzise und bildhaft die Beschreibung ist. Begriffe aus der Filmsprache – Totale, Nahaufnahme, Kamerafahrt, Gegenlicht, geringe Schärfentiefe – werden vom Modell in der Regel gut verstanden. In Unternehmen hat sich allerdings Bild-zu-Video als der deutlich wichtigere Weg erwiesen. Hier wird ein vorhandenes Bild als erstes Einzelbild verwendet, etwa ein freigegebenes Produktfoto oder eine generierte Illustration. Das Modell animiert dieses Bild, sodass Aussehen, Farben und Komposition weitgehend erhalten bleiben. Für markenkonforme Inhalte ist das der wichtigste Hebel, weil das Ausgangsbild bereits geprüft und freigegeben werden kann.
Neben der reinen Erzeugung bietet Dream Machine Werkzeuge, um Ergebnisse weiterzuentwickeln. Clips lassen sich verlängern, sodass aus mehreren kurzen Abschnitten eine längere Sequenz entsteht. Mit Schleifenfunktionen entstehen Clips, die sich endlos wiederholen lassen. Bearbeitungsfunktionen erlauben es, vorhandene Videos – auch eigene reale Aufnahmen – in einen anderen Stil zu übertragen oder Elemente gezielt zu verändern. Hinzu kommen Funktionen zum Ändern von Bildausschnitt und Seitenverhältnis, etwa um ein Querformat für Hochformat-Kanäle aufzubereiten, sowie zum Hochskalieren der Auflösung. Ergebnisse werden in Boards oder Projekten gesammelt, sodass Varianten, Referenzbilder und Anweisungen nachvollziehbar zusammenbleiben. Gerade diese Projektlogik unterscheidet Dream Machine von reinen Generator-Oberflächen und macht die Arbeit im Team einfacher.
Mit Keyframes legen Nutzer ein Startbild und optional ein Endbild fest. Das Modell erzeugt dann die Bewegung dazwischen. Das klingt unspektakulär, ist in der Praxis aber eines der wirksamsten Werkzeuge. Ein Beispiel: Das Startbild zeigt ein Rohteil auf einer Werkbank, das Endbild das fertige Bauteil. Dream Machine generiert einen visuellen Übergang zwischen beiden Zuständen. Oder das Startbild zeigt eine leere Messefläche, das Endbild den fertigen Stand. Keyframes eignen sich hervorragend für Übergänge, Verwandlungen und Szenen, deren Ziel klar definiert ist. Wichtig: Der Weg zwischen den Bildern ist eine Interpretation des Modells und nicht technisch korrekt. Für eine Montageanleitung taugt ein solcher Übergang nicht, für einen emotionalen Einstieg in eine Produktpräsentation durchaus.
Filmische Wirkung entsteht zu einem großen Teil durch die Kamera. Dream Machine erlaubt es, Kamerabewegungen gezielt anzufordern – etwa Schwenks, Zooms, Fahrten, Kreisbewegungen um ein Objekt oder Kranbewegungen. Neben der Beschreibung im Text bietet die Oberfläche je nach Version vordefinierte Bewegungskonzepte, die sich auswählen und kombinieren lassen. So lässt sich ein Produktbild zum Beispiel mit einer langsamen Umrundung inszenieren, ohne dass das Modell die Kamerabewegung erst aus einer Textbeschreibung erraten muss. Für Unternehmen ist das besonders wertvoll, weil wiederkehrende Formate – etwa eine Serie von Produktclips mit einheitlicher Kamerafahrt – damit konsistenter gestaltet werden können. Ergänzend gibt es Referenzfunktionen für Stil und Figuren: Ein Referenzbild gibt die Bildsprache vor, eine Figurenreferenz hilft, dieselbe Person oder Figur in mehreren Clips wiederzuerkennen. Perfekt ist diese Konsistenz nicht, aber sie hat sich über die Generationen spürbar verbessert.
Eine der interessantesten Entwicklungen ist die Bearbeitung vorhandener Videos. Mit Modify-Funktionen kann ein bestehender Clip – auch eine reale Aufnahme – als Grundlage dienen, deren Bewegung und Komposition erhalten bleiben, während Stil, Umgebung, Materialien oder einzelne Elemente verändert werden. Aus einer einfachen Handyaufnahme eines Mitarbeiters, der durch die Halle geht, kann so eine stilisierte Animation oder eine Szene in einer anderen Umgebung werden. Für Agenturen und Marketingteams eröffnet das einen hybriden Arbeitsablauf: Die Bewegung wird real gefilmt und damit kontrolliert, das Erscheinungsbild wird generativ gestaltet. Gerade hier ist allerdings besondere Sorgfalt geboten: Sobald reale Personen erkennbar sind, sind Einwilligungen, Persönlichkeitsrechte und die Kennzeichnung als manipulierter Inhalt zu beachten.
Neuere Modellgenerationen werden vom Anbieter zudem mit einem verbesserten Szenenverständnis beworben: Das Modell soll Anweisungen besser interpretieren, die eigene Ausgabe stärker auf Plausibilität prüfen und komplexere Szenen mit mehreren Elementen sauberer umsetzen. Solche Herstelleraussagen sollten Sie stets mit eigenen Testszenarien überprüfen. Automatisierung im engeren Sinne – also das massenhafte Erzeugen von Clips ohne menschliche Interaktion – ist über die Oberfläche nur eingeschränkt möglich und gehört in den Bereich der API, die wir im folgenden Kapitel betrachten.
Über die API lassen sich Ray-Modelle und das Bildmodell programmatisch ansprechen. Entwickler senden eine Anfrage mit Textbeschreibung, Referenzbildern oder Keyframes und erhalten nach der Verarbeitung eine Videodatei zurück. Damit lassen sich zum Beispiel Produktclips für einen großen Katalog in einheitlichem Stil erzeugen, Varianten für Kampagnentests vorbereiten oder Videogenerierung in eigene Marketing- oder Content-Management-Systeme einbinden. Abgerechnet wird nutzungsbasiert, unabhängig von den Abonnements der Weboberfläche; die aktuellen Konditionen sind beim Anbieter zu prüfen. Für die Einbindung in Automatisierungsplattformen und Low-Code-Werkzeuge existieren je nach Plattform fertige Bausteine oder lassen sich über Standard-Schnittstellen herstellen.
Wer die API nutzt, sollte einige technische Eigenheiten einplanen. Videogenerierung dauert deutlich länger als eine Textanfrage; die Verarbeitung erfolgt deshalb asynchron, und das Ergebnis wird später abgeholt oder per Benachrichtigung zugestellt. Fehlschläge und Inhaltsfilter gehören zum Alltag: Nicht jede Anfrage liefert ein brauchbares Ergebnis, manche werden aus Richtliniengründen abgelehnt. Eine robuste Integration enthält deshalb Wiederholungslogik, Qualitätsprüfung und einen menschlichen Freigabeschritt, bevor ein Clip veröffentlicht wird.
Luma hat Partnerschaften mit großen Plattformen geschlossen, über die Ray-Modelle ebenfalls nutzbar sind. Dazu zählen nach Anbieterangaben unter anderem große Cloud-Plattformen mit Katalogen generativer Modelle sowie Kreativsoftware, in der Ray als eines von mehreren Partnermodellen zur Auswahl steht. Daneben bieten zahlreiche Aggregatoren und Kreativ-Apps Zugriff auf Ray-Modelle. Welche Plattformen aktuell welche Modellversion anbieten, ändert sich laufend und sollte vor einer Entscheidung geprüft werden.
Für Unternehmen ist dieser Weg aus zwei Gründen interessant. Erstens kann ein bestehender Vertrag mit einem Cloud- oder Softwareanbieter genutzt werden, inklusive bereits geprüfter Datenschutzvereinbarungen, Zugriffssteuerung und Abrechnung. Zweitens bieten manche Plattformen eine Regionenwahl oder zusätzliche Zusagen zur Datenverarbeitung. Ob die Verarbeitung tatsächlich in der gewählten Region erfolgt und welche Daten an Luma als Modellanbieter weitergegeben werden, muss allerdings im Einzelfall geprüft werden – die Bedingungen der Plattform gelten nicht automatisch für alle Partnermodelle gleichermaßen.
Bewährt hat sich ein Vorgehen in fünf Schritten. Erstens: Anwendungsfälle definieren – wofür genau soll KI-Video eingesetzt werden, und wo ausdrücklich nicht? Zweitens: Rahmen klären – Zugangsweg, Vertragsbedingungen, Nutzungsrechte, Datenschutz und Kennzeichnung werden vorab mit Datenschutzbeauftragtem und gegebenenfalls Rechtsabteilung bewertet. Drittens: Pilot durchführen – ein kleines Team erstellt über einige Wochen reale Inhalte, dokumentiert Aufwand, Ausschuss und Qualität und vergleicht mit dem bisherigen Vorgehen. Viertens: Richtlinie verabschieden – eine kurze, verständliche Nutzungsrichtlinie regelt, welche Inhalte hochgeladen werden dürfen, wer freigibt, wie gekennzeichnet wird und wie Ergebnisse archiviert werden. Fünftens: Skalieren – erst dann werden weitere Teams angebunden, gegebenenfalls mit API-Integration.
Im laufenden Betrieb entscheidet vor allem die Organisation über den Nutzen. Eine gepflegte Sammlung bewährter Anweisungen, Stilreferenzen und Kameraeinstellungen sorgt für konsistente Ergebnisse und spart Kontingent. Ein klarer Freigabeprozess stellt sicher, dass kein generierter Clip ohne menschliche Prüfung veröffentlicht wird – geprüft werden Produktdarstellung, Markenkonformität, mögliche Verwechslung mit realen Personen oder Marken und die Kennzeichnung. Ebenso wichtig ist eine Dokumentation, welche Inhalte mit welchem Modell erzeugt wurden. Das erleichtert die Erfüllung von Transparenzpflichten und hilft bei späteren Rückfragen zu Rechten.
Hinzu kommt der schnelle Modellwechsel. Luma veröffentlicht neue Ray-Generationen in kurzen Abständen, ältere Versionen werden mitunter umgestellt oder eingestellt. Ein Clip, der heute mit einer bestimmten Anweisung entsteht, sieht mit der nächsten Generation womöglich anders aus. Wer wiederkehrende Formate produziert, sollte neue Modellversionen deshalb vor dem Umstieg kurz mit einer festen Testserie prüfen. Kontingente und Kosten sollten regelmäßig überwacht werden, denn hochwertige Generierungen verbrauchen deutlich mehr Guthaben als Entwürfe.
Die Szenarien klingen verlockend, sind aber keine Selbstläufer. Generative Videos erfordern Geduld: Für einen wirklich guten Clip sind oft mehrere, manchmal viele Versuche nötig. Der Aufwand verlagert sich von Dreh und Schnitt hin zu Ideenfindung, Formulierung, Auswahl und Nachbearbeitung. Wer erwartet, mit einem Satz einen fertigen Imagefilm zu erhalten, wird enttäuscht. Wer Dream Machine dagegen als kreatives Werkzeug in einer durchdachten Produktionskette einsetzt, kann Kosten und Zeit erheblich senken – vor allem bei Entwürfen, Varianten und ergänzenden Szenen. Zu bedenken ist auch die Wirkung beim Publikum: In der B2B-Kommunikation wird Authentizität geschätzt. Ein offensichtlich generierter Film kann als unpersönlich wahrgenommen werden. Die besten Ergebnisse entstehen meist in der Kombination aus echten Menschen, echten Produkten und generativen Ergänzungen.
Ein guter Einstieg ist klar abgegrenzt, erzeugt sichtbaren Nutzen und birgt wenig rechtliches Risiko. Animierte Storyboards für ein geplantes Videoprojekt sind ideal: Sie werden intern genutzt, enthalten keine personenbezogenen Daten und zeigen schnell, was die Technik kann. Ebenso geeignet sind abstrakte Hintergründe für Messen oder Präsentationen und die Animation freigegebener Produktbilder für Social Media. Vorsicht ist dagegen geboten bei allem, was reale Personen zeigt oder verändert, was technische Funktionen eines Produkts suggeriert oder was mit Wettbewerbsmarken, Prominenten oder fremden Werken spielt.
Wer im Unternehmen arbeitet mit Dream Machine? In vielen mittelständischen Betrieben liegt die Verantwortung im Marketing, oft unterstützt von einer Agentur. Sinnvoll ist es, wenige Personen gezielt zu befähigen, statt allen Mitarbeitenden einen Zugang zu geben. Diese Personen sollten die Grundzüge der Filmsprache kennen, die Schwächen der Modelle einschätzen können und die internen Regeln zu Rechten, Datenschutz und Kennzeichnung verinnerlicht haben. Werden Mitarbeitende gefilmt und die Aufnahmen generativ verändert, ist ihre ausdrückliche Einwilligung einzuholen; in Unternehmen mit Betriebsrat ist dieser frühzeitig einzubinden. Transparenz nach innen schafft Vertrauen – und schützt vor Missverständnissen, wenn plötzlich ein Kollege in einem stilisierten Clip auftaucht.
Die Weboberfläche von Dream Machine wird über Abonnements mit unterschiedlichen Kontingenten abgerechnet; daneben gibt es in der Regel ein eingeschränktes kostenloses Angebot und individuelle Vereinbarungen für größere Organisationen. Die API wird nutzungsbasiert nach erzeugtem Material abgerechnet, wobei hochwertige Modelle, höhere Auflösungen und längere Clips mehr kosten als Entwürfe. Die konkreten Preise, Kontingente und Planbezeichnungen ändern sich regelmäßig und sollten unmittelbar vor einer Entscheidung beim Anbieter geprüft werden.
Die Lizenzkosten sind allerdings selten der größte Posten. Ins Gewicht fallen vor allem die Arbeitszeit für Ideenfindung, Generierung, Auswahl und Nachbearbeitung, der Ausschuss an unbrauchbaren Clips, Schnitt und Vertonung, Schulung sowie Freigabe- und Abstimmungsprozesse. Eine ehrliche Kalkulation vergleicht deshalb nicht Abo-Preis gegen Drehtag, sondern den gesamten Aufwand für ein fertiges, freigegebenes Video mit dem bisherigen Vorgehen. In vielen Fällen fällt die Rechnung positiv aus – aber nicht für jeden Videotyp.
Bei generativen Inhalten sind zwei Rechtsfragen zu unterscheiden. Erstens: Was erlaubt der Anbieter? Die Nutzungsbedingungen von Luma regeln, ob und in welchem Umfang erzeugte Inhalte kommerziell verwendet werden dürfen. Nach unserem Kenntnisstand ist die kommerzielle Nutzung an kostenpflichtige Pläne gebunden, und Ergebnisse aus kostenlosen Konten können mit Wasserzeichen versehen sein – prüfen Sie die aktuellen Bedingungen für Ihren konkreten Plan. Zweitens: Welche Rechte entstehen überhaupt? Rein KI-generierte Inhalte genießen nach herrschender Auffassung in Deutschland nur eingeschränkten oder keinen urheberrechtlichen Schutz, weil es an einer menschlichen Schöpfung fehlt. Wettbewerber könnten solche Inhalte unter Umständen übernehmen. Zudem besteht das Risiko, dass ein generierter Clip geschützten Werken, Marken oder realen Personen ähnelt; die Verantwortung dafür liegt beim veröffentlichenden Unternehmen.
Ebenso wichtig ist die Frage, was mit Ihren Eingaben geschieht. Hochgeladene Bilder, Videos und Textbeschreibungen werden auf den Servern des Anbieters verarbeitet. Prüfen Sie in den Bedingungen und Datenschutzhinweisen, ob Eingaben und Ergebnisse zur Verbesserung oder zum Training der Modelle genutzt werden dürfen, ob und wie sich das ausschließen lässt – etwa über Enterprise-Vereinbarungen oder API-Bedingungen – und wie lange Daten gespeichert werden. Laden Sie keine vertraulichen Entwürfe, unveröffentlichten Produkte oder Aufnahmen von Personen hoch, solange diese Fragen nicht geklärt sind.
Luma AI ist ein US-Unternehmen, die Verarbeitung erfolgt nach unserem Kenntnisstand überwiegend auf Servern in den USA. Sobald personenbezogene Daten verarbeitet werden – etwa Aufnahmen erkennbarer Mitarbeitender, Kundenfotos oder Konto- und Nutzungsdaten –, handelt es sich um eine Übermittlung in ein Drittland. Prüfen Sie, ob der Anbieter unter dem EU-US Data Privacy Framework zertifiziert ist; andernfalls sind Standardvertragsklauseln samt Transfer-Folgenabschätzung erforderlich. Ein Auftragsverarbeitungsvertrag ist abzuschließen, wo der Anbieter in Ihrem Auftrag personenbezogene Daten verarbeitet. Bei Nutzung über eine Partner-Cloud gelten deren Verträge, die Weitergabe an Luma als Modellanbieter ist aber gesondert zu betrachten. Datenminimierung bleibt der wirksamste Schutz: Wer nur freigegebene Produktbilder und neutrale Beschreibungen verwendet, reduziert das Risiko erheblich.
Hinzu kommt der EU AI Act. Er sieht Transparenzpflichten für KI-generierte und manipulierte Inhalte vor, die nach dem gestaffelten Zeitplan grundsätzlich ab August 2026 gelten; mögliche Anpassungen und Übergangsregeln sollten Sie im Blick behalten. Anbieter generativer Systeme müssen synthetische Inhalte maschinenlesbar kennzeichnen. Unternehmen, die realistisch wirkende Bild-, Video- oder Toninhalte veröffentlichen, die echte Personen, Orte oder Ereignisse täuschend nachbilden, müssen offenlegen, dass diese künstlich erzeugt oder verändert wurden; für erkennbar künstlerische oder satirische Inhalte gelten erleichterte Regeln. Praktisch bedeutet das: Generierte Clips sollten im Unternehmen grundsätzlich als KI-generiert gekennzeichnet werden, und die Kennzeichnung sollte Teil des Freigabeprozesses sein. Prüfen Sie zudem, ob der Anbieter Wasserzeichen oder Herkunftsmetadaten – etwa nach dem C2PA-Standard – in die Ausgaben einbettet.
Für Unternehmen mit hohen Anforderungen an Datenhoheit gibt es Alternativen. Offene Videomodelle mit frei verfügbaren Gewichten lassen sich auf eigener Hardware oder bei einem europäischen Hoster mit Rechenzentrum in der EU betreiben. Eingaben und Ergebnisse verlassen dann nicht den eigenen Einflussbereich, und es gibt keine Trainingsnutzung durch Dritte. Der Preis dafür sind höherer technischer Aufwand, Investitionen in Grafikprozessoren oder gemietete Rechenkapazität und häufig eine etwas geringere Bildqualität als bei den führenden kommerziellen Systemen. Auch bei offenen Modellen sind Lizenzbedingungen – insbesondere zur kommerziellen Nutzung – und die Herkunft des Modells zu prüfen. In der Praxis bewährt sich eine gestaffelte Lösung: unkritische, kreative Inhalte mit Dream Machine oder vergleichbaren Diensten, sensible Inhalte mit Personenbezug oder unveröffentlichten Produkten im eigenen, EU-gehosteten System.