Werbung & Content Schreiben & Gestalten Einmalprojekt, abgeschlossen
Aus 8,8 Stunden Interviews werden 14 Verkaufsvideos
Kundenvideos werden wortgenau transkribiert, nach Aussagen durchsucht und aus einer Schnittliste automatisch zusammengesetzt. Der stärkste Fund war eine Lücke.
Der Fall auf einen Blick
Das Problem
8,8 Stunden Kundeninterviews lagen auf einer Festplatte. Zu jedem Einwand gab es eine passende Aussage — nur wusste niemand, in welchem Video.
Was der Fall macht
Macht Kundeninterviews Wort für Wort durchsuchbar und schneidet daraus automatisch kurze Verkaufsvideos.
Was er bewirkt
Aus 57 Videos wurden 14 fertige Verkaufsvideos; zu 17 bekannten Einwänden liegt je ein passender Beleg bereit.
So funktioniert es
2 von 4 Arbeitsschritten erledigt ein Sprachmodell. Den Rest machen ein normales Programm.
- 1 Daten 57 Kundenvideos 57 Kundeninterviews, zusammen 8,8 Stunden, liegen auf einer Festplatte.
- 2 Programm Lokal transkribieren Spracherkennung auf dem eigenen Rechner schreibt jedes Wort mit Zeitstempel mit.
- 3 Sprachmodell Einwand und Beleg zuordnen Die KI ordnet jedem Einwand eine entkräftende Aussage zu und prüft auch, was im Material fehlt.
- 4 Sprachmodell Schnittliste schreiben Je Zusammenschnitt entsteht eine Liste: welches Video, von wann bis wann, welche Einblendung.
- 5 Programm Video zusammensetzen Ein Programm baut daraus das fertige Video, je einmal mit und ohne Untertitel.
- Datenquelle
- normales Programm
- Sprachmodell (KI)
Die Zahlen dahinter
Was das für Ihren Betrieb heißt
Vorhandenes Video- und Tonmaterial ist totes Kapital, solange es nicht durchsuchbar ist — mit Zeitstempeln wird daraus eine Bibliothek, aus der man in Minuten schneidet.
Der entscheidende Schritt ist die Transkription mit Zeitstempeln. Ab da ist Video durchsuchbar wie ein Textdokument, und ein Zusammenschnitt wird zur Schreibaufgabe statt zur Schnittaufgabe. Das gilt für Vortragsmitschnitte und Webinaraufzeichnungen genauso wie für Kundeninterviews.
Der zweite, meist übersehene Schritt ist die Gegenprobe: Fragen Sie nicht nur, was im Material steckt, sondern was fehlt. Diese Frage hat hier mehr gebracht als alle Zusammenschnitte zusammen.
Die Ausgangslage
Über Jahre waren Kundeninterviews entstanden: 57 Videos, zusammen 8,8 Stunden — aufgenommen mit ausdrücklicher Zustimmung der Kunden, so wie es für jede Aufzeichnung in der DACH-Region gilt. Sie lagen auf einer Festplatte.
Das Problem ist nicht der Mangel an Material, sondern der Zugriff darauf. Kommt im Verkaufsgespräch der Einwand „Bei uns auf dem Land funktioniert das nicht“, gibt es dazu eine passende Aussage. Nur weiß niemand, in welchem Video und an welcher Stelle. Also wird sie nie verwendet.
Die Lösung im Einzelnen
Alle Videos werden lokal wortgenau transkribiert — mit Zeitstempel für jedes einzelne Wort, ohne dass Kundenaufnahmen einen fremden Server erreichen. Damit ist jede Aussage auffindbar.
Darauf setzt die Auswertung auf: Welche Bedenken nennen Kunden von sich aus, welche Aussage entkräftet welchen Einwand? Für jeden Zusammenschnitt entsteht eine Schnittliste — Video, Startzeit, Endzeit, Einblendung. Ein Programm setzt daraus das fertige Video zusammen, mit und ohne Untertitel.
Der wertvollste Befund war eine Lücke. In 26 ausgewerteten Interviews kommt kein einziger eingestellter Mitarbeiter zu Wort. Alle Belege stammen vom Arbeitgeber. Das Material belegt damit, dass Stellen besetzt wurden — aber nicht, dass die Leute geblieben sind. Genau dort setzt der Wettbewerb an.
[00:04:12.480] Also ehrlich gesagt war ich
[00:04:14.020] skeptisch. Wir sitzen ja
[00:04:15.660] wirklich am Land, da denkt man
[00:04:17.900] sich, wer soll denn da
[00:04:19.140] herkommen.
[00:04:21.300] Und dann kamen die ersten
[00:04:23.050] Bewerbungen aus dem Umkreis
[00:04:25.480] von zwanzig Kilometern —
[00:04:27.900] Leute, von denen wir gar nicht
[00:04:29.220] wussten, dass es sie gibt.
{
"clip": "einwand_laendlich",
"quelle": "kunde_04.mp4",
"von": "00:04:12.480",
"bis": "00:04:29.220",
"einblendung":
"Einwand: zu ländlich",
"untertitel": true
}
Der Zusammenschnitt wird zur Schreibaufgabe: Wer die Aussage im Transkript findet, hat den Clip. Das Zusammensetzen übernimmt ein Programm.
Was wir dabei gelernt haben
- Zweifel plus Auflösung überzeugt stärker als reines Lob — vorausgesetzt, beides kommt von derselben Person im selben Clip.
- Frag nicht nur, was drin ist, sondern was fehlt. Die stärkste Erkenntnis war eine Lücke, kein Fund.
- Aussagen ohne Bezug zur Frage sind als Clip verloren. „Ja, absolut“ ist ohne die Frage wertlos — deshalb gehört ins Interview die Bitte, die Frage in der Antwort zu spiegeln.
- Transkripte ohne Zeitstempel sind für den Schnitt unbrauchbar. Ein erster Durchgang ohne musste komplett wiederholt werden.
- Bei Videos ohne Startpunkt — Wartebereich, Messebildschirm, Endlosschleife — gehören die Belege in die ersten 30 Sekunden, mit dauerhafter Einblendung.
26 Interviews, und kein einziger eingestellter Mitarbeiter kommt zu Wort. Wir belegen damit, dass Stellen besetzt wurden — aber nicht, dass die Leute geblieben sind. Genau da setzt der Wettbewerb an.
Aus der Gegenprobe des Materials
Was produziert wurde Tabelle
| Zweck | Länge | Besonderheit |
|---|---|---|
| Zweifel und ihre Auflösung, dieselbe Person | 2:09 | das wirksamste Format im Test |
| Bedenken quer über elf Kunden | 2:29 | Einwandbehandlung ohne Verkäufer |
| Belege außerhalb der Hauptbranche | 3:44 | entkräftet „bei uns ist das anders“ |
| Einzelkunden-Porträts | je ~3:00 | branchenfremd, für gezielten Versand |
| Video für den Wartebereich vor Terminen | 2:59 | Belege in den ersten 29 Sekunden |
| Kurzclips zu einzelnen Einwänden | 0:46–1:05 | zum Versand direkt nach dem Gespräch |
Quelle: Produktionsstand 07/2026
Der Ablauf als Diagramm Schaubild
Haben Sie so einen Fall im Betrieb?
Schreiben Sie mir in zwei Sätzen, welche Aufgabe bei Ihnen am meisten Zeit frisst. Sie bekommen eine ehrliche Einschätzung — samt Aufwand und samt der Antwort „lohnt sich nicht“, wenn es so ist.