KI-Produktvideos für E-Commerce: ein Workflow im Katalogmaßstab

Sie haben 400 SKUs, von jedem ein gutes Foto und null Produktvideos. Amazon gibt an, dass auf ein erstes shoppable Video auf einer Produktseite im Schnitt ein Umsatzplus von 24 % in den Daten von Januar bis Juni 2026 folgte. Google Merchant Center nimmt inzwischen Video im Produktfeed an. 400 Produkte zu filmen bedeutet ein Quartal Arbeit und ein Budget, das Sie nicht haben. Sie einzeln in einem Web-Tool zu erzeugen, bedeutet einen Monat Klickarbeit.

Der praktikable Weg liegt dazwischen: den Katalog als Daten behandeln, jedes Produktfoto mit einem pro SKU gewählten Modell in einen kurzen Bild-zu-Video-Clip verwandeln, alles aus einer Tabelle oder von einem Agenten steuern lassen und Dateien exportieren, die die Vorgaben jedes Marktplatzes beim ersten Upload bestehen. Dieser Leitfaden behandelt die gesamte Pipeline, samt Rechnung.

Warum sich ein Video pro SKU jetzt lohnt

Zwei Änderungen im Jahr 2026 haben Produktvideo vom Extra für Hero-Produkte zu etwas gemacht, das sich über einen ganzen Katalog rechtfertigen lässt.

Amazon hat den Effekt veröffentlicht. Der Seller-Blog nennt den Durchschnitt von 24 % und schlüsselt ihn nach Kategorie auf: Spielzeug mit 32,7 %, Bekleidung mit 30,5 % und Haushalt mit 26,7 %. Ein Listing kann bis zu vier shoppable Videos tragen. Das sind interne Durchschnittswerte von Amazon, messen Sie also Ihre eigenen.
Google hat dem Feed ein Videoattribut hinzugefügt. Das Attribut video_link nimmt bis zu 10 Videos pro Produkt an. Laut Search Engine Roundtable öffnete die Übermittlung am 14. April 2026, die Ausspielung samt Richtlinien- und Qualitätsprüfung beginnt am 30. Juni 2026.

Beide Kanäle belohnen Abdeckung. Ein Video für Ihre fünf wichtigsten Produkte lässt die anderen 395 Listings ohne eines zurück.

Was jeder Marktplatz akzeptiert

Beginnen Sie bei den Vorgaben, denn sie legen Dauer, Seitenverhältnis, Auflösung und Dateigröße fest, bevor irgendeine kreative Entscheidung fällt. Hier steht, was die Quellen sagen und wie belastbar jede ist.

Shopify

Das Shopify Help Center akzeptiert MOV, MP4 und WEBM, bis zu 1 GB und 10 Minuten, mit Breite und Höhe zwischen 100 und 4096 Pixeln. Empfohlene Seitenverhältnisse sind 16:9, 9:16, 4:3, 3:4 und 1:1, bei 60, 30 oder 25 fps.

Amazon

Amazons eigene Seite nennt .mov oder .mp4, bis zu 1080p und 5 GB, und die Funktion steht professionellen Verkäuferkonten mit mindestens drei Monaten Verkaufshistorie offen. In der Zusammenfassung dieser Seite lautet die genannte Länge 1 bis 12 Minuten, was schlecht zu kurzen Produktclips passt; ein Leitfaden eines Drittanbieters von GOAT Consulting beschreibt andere Regeln, darunter ein Minimum von 1280x720, 16:9 als bevorzugtes Format und Brand Registry als Voraussetzung. Prüfen Sie Seller Central für Ihr Konto, bevor Sie 400 Clips in einer Länge rendern, die Amazon womöglich ablehnt. Die Prüfung dauert etwa 3 Tage, in der Feiertagszeit bis zu 7 Werktage.

Google Merchant Center

Die Spezifikation für video_link ist bei der Form die strengste: 6 bis 240 Sekunden, maximal 500 MB, mindestens 720p (1280x720) und ein Seitenverhältnis von 9:16, 16:9 oder 1:1. Ton ist optional. Eine URL außerhalb von YouTube muss direkt auf eine rohe Videodatei zeigen, öffentlich erreichbar sein und darf nicht ablaufen. Außerdem müssen Sie die Lizenzrechte für Marketingzwecke besitzen.

Walmart, TikTok Shop und Etsy

Walmart: der Rich-Media-Leitfaden von Marketplace Learn verlangt eine direkte .mp4-URL ohne Weiterleitungen, 100 MB oder weniger, bis zu acht Videos pro Artikel und eine Übermittlung mit Artikel-ID, GTIN, dem Namen einer Untertiteldatei und der Sprache des Videos. Bestätigen Sie das in Seller Center.
TikTok Shop: die Ablehnungsregel von GoDataFeed nennt ein Produktvideo pro Listing mit höchstens 5 MB, wenn es über einen Feed-Kanal gesendet wird. Andere Upload-Wege geben größere Grenzen an, die Grenze hängt also davon ab, wie Sie einreichen.
Etsy: eine Zusammenfassung von Wyzowl gibt für Listing-Videos 5 bis 15 Sekunden, 100 MB, MP4 oder MOV, stumme Wiedergabe und eines pro Listing an. Das ist eine Sekundärquelle, prüfen Sie es also in der Etsy-Hilfe.

Die Entscheidungsregel, die daraus folgt

Dauer 6 bis 10 Sekunden. Sechs Sekunden erfüllen Googles Untergrenze, und bis 15 bleibt man im berichteten Etsy-Bereich. Amazon ist die Ausnahme, die geprüft werden muss.
Auflösung 720p oder höher für alles, was an Google oder Amazon geht. Ein günstigerer 480p-Render genügt für eine Shopify-Galerie und sonst nirgends.
Höchstens zwei Seitenverhältnisse. 1:1 oder 9:16 für Google, TikTok Shop und mobile Shops, 16:9 dort, wo Amazons Präferenz gilt. Rendern Sie jedes benötigte Verhältnis nativ: Ein 16:9-Clip, auf 9:16 zugeschnitten, schneidet meist das Produkt ab.
Für Stille gestalten. Google macht Ton optional und Etsy spielt laut Berichten stumm ab, der Clip muss also ohne Ton funktionieren. Audio ist eine Zugabe für Social-Platzierungen.
Je Ziel kodieren. Eine Masterdatei, dann ein kleiner Export für das Feed-Limit von TikTok Shop und einer unter 100 MB für Walmart.

Vom Produktfoto zum Clip: der Bild-zu-Video-Schritt

Bild-zu-Video ist der richtige Baustein für einen Katalog, weil das Produkt durch das Foto bereits definiert ist. Die Aufgabe des Modells besteht darin, Bewegung um etwas Vorhandenes herum zu ergänzen, und das hält die SKU erkennbar. Text-zu-Video erfindet das Produkt aus einer Beschreibung und macht Fehler bei Etikett, Verschluss oder Nähten.

Das Ausgangsbild vorbereiten

Nehmen Sie Ihr hochauflösendstes Foto, mit dem ganzen Produkt im Bild und etwas Spielraum für Kamerabewegungen.
Ist das einzige Foto ein Packshot auf Weiß, erzeugen Sie zuerst mit einem Bildmodell ein inszeniertes Standbild (auf einer Arbeitsplatte, auf einem Schreibtisch, in der Hand) und animieren dann dieses Standbild.
Lassen Sie Personen aus dem Bild, sofern Sie sie nicht brauchen. Die weiter unten behandelte Kennzeichnungspflicht gilt für fotorealistische, KI-generierte Personen, und ein reiner Produktclip umgeht sie.

Bewegungs-Prompts schreiben, die das Produkt schützen

Die typische Fehlerart in der Katalogarbeit ist Drift: Das Modell zeichnet das Logo neu, ändert die Farbe eines Verschlusses oder fügt ein Merkmal hinzu, das das Produkt nicht hat. Laut GOAT Consulting führt Amazon eine Abweichung zwischen Video und Listing unter den Ablehnungsgründen, Drift ist also ebenso ein Compliance-Problem wie ein Qualitätsproblem. Eine Vorlage für Bewegungs-Prompts, die sie begrenzt:

Kamera: nur eine Bewegung. "Langsamer Push-in", "langsame 30-Grad-Umkreisung nach links", "feststehende Kamera".
Motiv: "das Produkt bleibt unverändert, Etikett und Farben genau wie im Bild".
Bewegung der Umgebung: klein und nebensächlich. "Aufsteigender Dampf", "Stoff, der sich leicht im Wind bewegt", "Licht, das über die Oberfläche streicht".
Ausschlüsse: "kein Text, keine Hände, keine Personen, keine neuen Objekte".

Vorher und nachher, am Beispiel einer Keramiktasse:

Vorher: "Cinematisches Video unserer tollen Tasse, dynamisch, trendig, schönes Licht." Das Modell wählt seinen eigenen Kamerapfad, erfindet Latte Art, und die Glasurfarbe wechselt von Bild zu Bild.
Nachher: "Langsamer Push-in auf die Tasse auf einem Holztisch, Morgenlicht von links, dünner aufsteigender Dampf. Die Tasse, ihre Glasurfarbe und ihr Logo bleiben genau wie im Bild. Kein Text, keine Hände, keine Personen." Eine Bewegung, eine Nebenbewegung, ausdrückliche Sperren.

Dieselbe Disziplin verhindert, dass generiertes Material synthetisch wirkt; wie man KI-Anzeigen macht, die nicht nach KI aussehen geht bei Licht und Bewegung weiter ins Detail.

Was ein SKU-Video kostet, mit Rechnung

Bild-zu-Video wird pro Sekunde Ausgabe abgerechnet, und Auflösung und Audio verändern den Preis; der Bild-zu-Video-Katalog von fal zeigt dieses Muster über mehrere Anbieter. Die Liste unten nutzt die öffentlichen Aitachyon-Preise zum Zeitpunkt des Schreibens, für einen stummen 6-Sekunden-Clip, die kürzeste Länge, die Google akzeptiert.

Hailuo 02 zu $0.085/s: $0.51 pro Clip.
Kling v3 stumm zu $0.16/s: $0.96. Mit nativem Audio zu $0.32/s: $1.92.
Wan 2.7 zu $0.19/s: $1.14.
Veo 3.1 Fast ab $0.19/s: ab $1.14.
Seedance 2.5 ab $0.20/s in 480p: $1.20. In 720p, $0.44/s: $2.64.

Das inszenierte Standbild, falls Sie eines erzeugen, kostet $0.057 bei Seedream 4.0, $0.057 bis $0.086 bei FLUX.2 [pro] oder $0.13 bei Nano Banana, jeweils zum Zeitpunkt des Schreibens. Eine Sprecherzeile für einen Social-Schnitt kostet $0.043 bis $0.086 pro 450 Zeichen bei ElevenLabs, was einen Produktsatz aus zwei Sätzen abdeckt.

Drei Batch-Budgets

50 SKUs, Budget-Stufe. 50 Seedream-Standbilder zu $0.057 sind $2.85. 50 Hailuo-02-Clips zu $0.51 sind $25.50. Gesamt $28.35, etwa $0.57 pro SKU.
50 SKUs, 720p für Google und Amazon. Seedance 2.5 in 720p für 6 Sekunden kostet $2.64 pro Clip, $132 für 50. Dazu $2.85 für Standbilder ergibt $134.85, etwa $2.70 pro SKU.
500 SKUs, gemischt. 450 Long-Tail-SKUs auf Hailuo 02 ($229.50) und Ihre 50 Bestseller auf Kling v3 mit Audio für Social ($96). Dazu 500 Standbilder ($28.50). Gesamt $354.

Planen Sie Wiederholungen ein. Manche Clips driften und brauchen einen zweiten Render, und ein Render, den Sie verwerfen, ist trotzdem ein bezahlter Render. Erstattet wird nur ein Render, der komplett fehlschlägt. Wenn Sie davon ausgehen, dass die Hälfte der SKUs eine Wiederholung braucht, multiplizieren Sie die Videozeile mit 1,5.

Der Vergleich

Günstigere Preise pro Sekunde gibt es. Der Produktvideo-Leitfaden von Atlas Cloud nennt Wan 2.6 Flash zu $0.018/s ($0.144 pro 8-Sekunden-Clip), Seedance v1.5 Pro zu $0.047/s und Kling 3.0 Standard zu $0.071/s und schätzt einen Katalog mit 500 Produkten auf etwa 72 bis 188 Dollar. Das sind ältere oder leichtere Modellversionen, zitiert aus dem Blog eines Anbieters, vergleichen Sie also die Ausgabequalität an Ihren eigenen Produkten, bevor Sie Preise vergleichen. Am Premium-Ende listet fal Veo 3.1 zu $0.20/s stumm und $0.40/s mit Audio sowie Kling 3.0 Pro zu $0.112/s stumm. Eine Modell-für-Modell-Übersicht finden Sie in Preise für KI-Video-APIs 2026, und jeder aktuelle Preis steht auf der Modellseite.

Ein Modell pro SKU wählen

Ein Katalog ist ungleichmäßig, und die Modellwahl sollte dem folgen. Nutzen Sie eine Drei-Stufen-Regel und tragen Sie die Stufe in die Tabelle ein, damit der Batch das Modell selbst wählt.

Stufe C, Long Tail: das günstigste Modell, das die Produktform hält. Stumm, 6 Sekunden, ein Seitenverhältnis.
Stufe B, stetige Verkäufer: ein Modell der mittleren Preisklasse in 720p oder höher, damit die Datei für Google und Amazon taugt, zwei Seitenverhältnisse.
Stufe A, obere 5 bis 10 %: das beste Modell, das Sie sich leisten können, natives Audio, wo es einer Social-Platzierung hilft, und mehrere Varianten zum Testen.

Fahren Sie vor der Festlegung einen Kalibrierungs-Batch. Nehmen Sie fünf SKUs, die für Ihre Kategorie schwierig sind (spiegelnde Verpackung, kleiner Text auf Etiketten, transparente Flaschen, Stofftextur), und rendern Sie jede auf drei Modellen. Das kostet ein paar Dollar. Für einen direkten Vergleich zweier gängiger Kandidaten siehe Kling v3 gegen Seedance 2.5.

Batch aus einer Tabelle oder von einem Agenten

Sobald jede SKU eine Zeile ist, wird die Erzeugung zur Schleife. Die Tabelle ist die maßgebliche Quelle, und das Skript oder der Agent liest nur Zeilen und schreibt Ergebnisse zurück.

Die Spalten

sku und gtin (Walmart-Einreichungen brauchen die GTIN).
source_image_url, das Foto, das animiert wird.
tier (A, B, C), das einem Modell zugeordnet ist.
still_prompt, optional, für ein inszeniertes Standbild.
motion_prompt, aufgebaut aus der vierteiligen Vorlage oben.
duration_s und aspect, aus der Entscheidungsregel.
channels, zum Beispiel "amazon,google,shopify".
status, ref und cost_usd, vom Lauf zurückgeschrieben.
qa, von einer Person ausgefüllt: pass, retake oder drop.

Der Lauf

Aus Code iterieren Sie über Zeilen mit leerem Status, senden Standbild und Clip, fragen bis zur Fertigstellung ab und schreiben die zurückgegebene Referenz und die Kosten in die Zeile. Das eigene Batch-Skript von Atlas Cloud nutzt fünf parallele Worker mit paralleler Abfrage und JSON-Ergebnisprotokoll, ein sinnvoller Standard für jeden Anbieter. Schreiben Sie die Ergebnisse nach jedem Job, damit ein Absturz bei Zeile 312 bei 313 weitermacht. Hunderte Clips sicher produzieren behandelt Wiederholungen, Ratenlimits und Ausgabenobergrenzen ausführlicher.

Mit einem Agenten ist dieselbe Schleife ein Prompt. Mit einem verbundenen gehosteten MCP-Server können Sie Claude Code bitten, "products.csv zu lesen, jede Zeile mit leerem Status mit dem Modell ihrer Stufe zu rendern, Referenz und Kosten zurückzuschreiben und zu stoppen, wenn der Batch $60 überschreitet". Der Agent übernimmt die Schleife, und die Tabelle bleibt das Protokoll. Ein funktionierendes Setup, um die Videoproduktion mit Agenten zu automatisieren führt dieses Muster Schritt für Schritt vor.

Die Ausgaben im Blick behalten

Nutzen Sie pro Batch oder pro Kunde einen eigenen API-Schlüssel, damit die Ausgaben jedes Laufs getrennt bleiben und der Schlüssel widerrufen werden kann, wenn eine Schleife außer Kontrolle gerät.
Schätzen Sie vor dem Lauf (Zeilen mal Dauer mal Preis, pro Stufe) und vergleichen Sie danach mit der aufgeschlüsselten Summe. Eine Differenz deutet auf Wiederholungen oder eine falsche Dauer hin.
Speichern Sie die Referenz, nicht nur die Datei. Eine stabile Referenz lässt einen späteren Schritt, etwa den Export-Job, genau die Datei abrufen, die die Qualitätsprüfung bestanden hat.

Qualitätsprüfung und Compliance vor dem Upload

Lassen Sie jeden Clip durch diese Checkliste laufen, bevor er die Tabelle verlässt.

Die Checkliste vor dem Upload

Produktübereinstimmung. Vergleichen Sie das letzte Bild mit dem Listing-Foto. Logo, Farbe, Form, Anzahl der Komponenten. Jede Drift ist eine Wiederholung.
Kein Preis, kein Rabatt, keine Dringlichkeit. GOAT Consulting führt Hinweise auf Preis, Rabatt und zeitlich begrenzte Angebote unter den Ablehnungsgründen von Amazon auf, dazu Bewertungen oder Sternebewertungen, Erwähnungen von Wettbewerbern oder anderen Marktplätzen sowie gefälschte UI-Elemente oder Wasserzeichen. Modelle halluzinieren manchmal Text auf Verpackungen, suchen Sie also danach.
Personenprüfung. Erscheint eine fotorealistische, KI-generierte Person, verlangt Amazon inzwischen das Schlüsselwort contains-synthetic-performer im XMP-Feld dc:subject, vor dem Upload mit einem IPTC-kompatiblen Metadaten-Editor ergänzt. Laut ChannelX gilt die Regel für Produktbilder, Lifestyle-Bilder, Produktvideos und A+ Content in allen Amazon-Stores, und Amazon kann Käufern einen Hinweis anzeigen. Inhalte ohne Personen, mit realen Personen oder mit nicht fotorealistischen Personen sind ausgenommen.
Spezifikationsprüfung. Dauer, Auflösung, Seitenverhältnis und Dateigröße gegen jeden Kanal in der Zeile.
Stummes Ansehen. Schauen Sie ohne Ton. Wenn der Nutzen nicht sichtbar ist, funktioniert der Clip auf Etsy und in den meisten Feeds nicht.
Rechte. Google verlangt, dass Sie die Lizenzrechte für Marketingzwecke besitzen. Prüfen Sie die Bedingungen des Modellanbieters und die jedes Quellfotos, das Sie nicht selbst aufgenommen haben.

Export und Hosting je Kanal

Dieser Schritt ist mechanisch, und hier bleiben Katalogprojekte hängen, weil jeder Marktplatz die Datei an einem anderen Ort haben will.

Google Merchant Center: hosten Sie das MP4 auf Speicher, den Sie kontrollieren, unter einer öffentlichen URL, die auf die rohe Datei zeigt und nie abläuft, und tragen Sie sie im Feed als video_link ein. Signierte oder temporäre Links verletzen die Anforderung, nicht abzulaufen.
Walmart: gleiches Hosting, eine URL, die auf .mp4 endet und keine Weiterleitung enthält, plus eine Untertiteldatei und das Sprachfeld.
Amazon und Shopify: direkter Upload, die Beschränkung liegt also bei Dateigröße und Länge. Shopifys Grenze von 1 GB greift bei einem 8-Sekunden-Clip nicht.
TikTok Shop per Feed: ein separater Export mit niedriger Bitrate, um unter der von GoDataFeed berichteten 5-MB-Grenze zu bleiben.

Ein Export-Skript, das die Spalte qa liest, jede bestandene Datei über ihre Referenz abruft, pro Kanal transkodiert und in Ihren Speicher hochlädt, macht daraus einen einzigen Befehl. Für die kreative Seite jenseits der Compliance siehe das Playbook für E-Commerce-Videoanzeigen.

FAQ

Kann ich KI-generierte Produktvideos auf Amazon verwenden?

Keine der Quellen verbietet sie. Das Video muss zum Listing passen und die üblichen Ablehnungsgründe wie Preise und Sternebewertungen vermeiden. Zeigt der Clip eine fotorealistische, KI-generierte Person, müssen Sie vor dem Upload das Schlüsselwort contains-synthetic-performer in die XMP-Metadaten der Datei schreiben, laut ChannelX' Zusammenfassung der Regel vom August 2026. Reine Produktclips sind ausgenommen.

Was kostet ein KI-Produktvideo pro SKU?

Für einen stummen 6-Sekunden-Bild-zu-Video-Clip zu Aitachyon-Preisen zum Zeitpunkt des Schreibens: von $0.51 bei Hailuo 02 bis $2.64 bei Seedance 2.5 in 720p, plus $0.057 bis $0.13 für ein optionales inszeniertes Standbild. Rechnen Sie einen Puffer für Wiederholungen ein. Schätzungen anderer Anbieter liegen mit leichteren Modellen niedriger.

Wie lang sollte ein Produktvideo für Google Shopping sein?

Googles Attribut video_link akzeptiert 6 bis 240 Sekunden in 720p oder höher, in 9:16, 16:9 oder 1:1, bis zu 500 MB. Für einen Katalog-Batch halten 6 bis 10 Sekunden die Kosten niedrig und bleiben zugleich im berichteten Etsy-Bereich.

Wie erzeuge ich Videos für Hunderte Produkte auf einmal?

Legen Sie pro SKU eine Zeile in einer Tabelle an, mit Ausgangsbild, Stufe, Bewegungs-Prompt, Dauer und Seitenverhältnis, und iterieren Sie dann aus einem Skript oder von einem Agenten aus mit moderater Parallelität über die Zeilen, wobei Referenz, Kosten und Status nach jedem Job zurückgeschrieben werden.

Quellen

Wenn Sie diese Pipeline ohne fünf Abonnements betreiben wollen: Aitachyon bündelt Hailuo 02, Kling v3, Seedance 2.5, Veo 3.1 Fast und die Bildmodelle hinter einem einzigen Prepaid-Guthaben, nutzbar über ein Web-Studio, eine einfache HTTP-API oder einen gehosteten MCP-Server in Claude Code, jeder Job nach Modell und Kosten aufgeschlüsselt und fehlgeschlagene Renders automatisch erstattet. Mit dem Schnellstart für API und MCP läuft ein erster Batch aus einer Tabelle an einem Nachmittag.