Claude Fable 5: Ein ganzes Video aus einem Prompt

Jemand öffnet Claude, tippt ein einziges Ziel ein, geht ins Fitnessstudio, und kommt zu einem fertigen YouTube-Video zurück. Kein Dreh, keine Kamera, kein Schnittprogramm. Der Avatar ist KI, die Stimme ein Klon, das Skript von Claude geschrieben. Beeindruckend? Ja. Aber die ehrlichere Frage ist: Was steckt wirklich dahinter, und was bedeutet das für Sie, wenn Sie kein YouTuber sind, sondern ein Unternehmen führen?

Was hier wirklich passiert ist

Der Ausgangspunkt war ein Experiment: ein Prompt, ein Ziel, und dann Hände weg. Das Video, um das es geht, wurde nicht gefilmt. Die Person im Bild ist ein KI-Avatar, die Stimme ein Klon, trainiert auf echten früheren Videos. Jedes Wort des Skripts stammt von Claude. Während das Video entstand, sah der Creator keinen einzigen Frame, er hatte einen Prompt eingegeben und war weggegangen. Recherche, Skript, Stimme, Avatar, Motion-Grafiken: alles lief von selbst.

Möglich macht das ein neues Modell. Diese Woche hat Anthropic Claude Fable 5 veröffentlicht, und genau deshalb kann dieses Video überhaupt existieren.

Was Claude Fable 5 ist

Fable 5 ist das erste Modell der sogenannten „Mythos“-Klasse: die Stufe über Opus, und die erste, die auf einem bezahlten Plan zugänglich ist. Bisher war diese Klasse auf geprüfte Sicherheitspartner beschränkt. In nahezu allen getesteten Benchmarks setzt es neue Bestmarken. Drei Bereiche stechen heraus:

• Programmieren. Laut Stripe komprimiert Fable 5 Monate an Engineering-Arbeit auf Tage. In der Ankündigung läuft eine vollständige Migration einer 50-Millionen-Zeilen-Ruby-Codebasis an einem einzigen Tag durch, eine Aufgabe, die ein ganzes Team von Hand über zwei Monate beschäftigt hätte.
• Sehen. Das Modell kann den Quellcode einer Web-App allein aus Screenshots rekonstruieren. Und es hat Pokémon Fire Red von Anfang bis Ende nur anhand der reinen Bildschirmbilder durchgespielt, ohne Karten, ohne Navigationshilfen, die ältere Modelle dafür noch brauchten.
• Ausdauer über lange Strecken. Fable 5 bleibt über Millionen von Tokens konzentriert. Mit einem dateibasierten Gedächtnis (schlicht Dateien, in die es sich Notizen schreibt) erreichte es im Spiel Slay the Spire dreimal so oft den letzten Akt wie Opus 4.8.

Günstig ist das nicht: rund 10 US-Dollar pro Million Eingabe-Token, 50 pro Million Ausgabe-Token. Was dieser Preis konkret bedeutet, sehen Sie weiter unten im ehrlichen Teil.

Wie das Video entstand: die 5-Schritte-Pipeline

Hinter dem einen Prompt steckt eine saubere Kette aus fünf Schritten. Jeder löst ein konkretes Problem, und genau diese Zerlegung ist der eigentliche Trick.

1. Skript. Claude liest die vollständige Ankündigung von Anthropic, prüft jede Aussage auf Faktentreue und schreibt das Skript in der Stimme des Creators, auf Basis eines „Voice Playbooks“, das aus dessen echten Transkripten gebaut wurde.
2. Stimme. Das Skript geht an einen Stimmklon (ElevenLabs), trainiert auf den realen Videos. Der Kniff: Man kann nicht vier Minuten am Stück erzeugen, weil die Stimme mit der Länge driftet. Also zerlegt Claude das Skript in Häppchen von knapp einer Minute und vertont sie einzeln.
3. Avatar. Jedes Audiohäppchen wird in HeyGen auf dem neuesten Avatar-Modell gerendert. Als das Modell noch nicht über die API wählbar war, steuerte Claude kurzerhand selbst einen Browser per Playwright und klickte jedes Video von Hand durch.
4. Schnitt. Claude fügt die Avatar-Clips mit FFmpeg zusammen, erstellt eine wortgenaue Transkription und baut jede Motion-Grafik als echten Code. HTML, animiert mit GSAP, exakt auf die gesprochenen Worte getimt.
5. Selbst-Check. Zum Schluss prüft Claude die eigene Arbeit: Es rendert Frames aus jeder Szene, begutachtet sie visuell und rendert alles neu, was nicht passt, so lange, bis es durchläuft.

Ein Prompt geht hinein, ein fertig geschnittenes Video kommt heraus. Das ist es, was ein Modell der Spitzenklasse in der Woche seiner Veröffentlichung leistet.

Der ehrliche Teil: Grenzen, Kosten, Realität

So beeindruckend das ist, ohne KI-Hype betrachtet bleiben vier nüchterne Punkte, die der Creator selbst offen anspricht:

• Nicht 1:1 reproduzierbar. Wer denselben Prompt kopiert, bekommt nicht dasselbe Ergebnis. Im Hintergrund stecken bereits gebaute, spezialisierte Fähigkeiten („Skills“) für die Motion-Grafiken, die machen den Unterschied.
• Es braucht nicht das teuerste Modell. Der Creator selbst sagt: Diesen Stil könnte er vermutlich auch mit dem deutlich günstigeren Sonnet nachbauen, sobald der Ablauf einmal als wiederverwendbarer Skill verpackt ist. Die Pipeline ist wertvoller als das Spitzenmodell.
• Die Kosten sind real. Der Lauf dauerte rund eine Stunde und verbrauchte etwa 380.000 Token. Das Modell lief auf dem Max-Tarif, und ein einziger Durchlauf fraß rund 40 % eines 200-$-Monatsplans. In einer Stunde fast das halbe Budget. Vorsicht ist also angebracht.
• Kontext schlägt cleveren Prompt. Entscheidend war nicht ein magischer Befehl, sondern Kontext. Der Creator schrieb sinngemäß: „Stopp erst, wenn du zu 100 % überzeugt bist, dass das ein hochwertiges Video ist, es geht an meinen Kanal, ein schlechtes Ergebnis schadet meinem Ruf.“ Und: „Verifiziere danach mit einem dynamischen Workflow, dass alles sitzt.“ Wer dem System das Warum gibt, bekommt bessere Ergebnisse.

Genau dieser letzte Punkt ist die eigentliche Lektion, und sie hat nichts mit YouTube zu tun.

Was Sie daraus mitnehmen

Vergessen Sie kurz den Avatar. Was dieses Experiment zeigt, ist ein Arbeitsmuster, das sich auf jeden ernsthaften Automatisierungsfall übertragen lässt:

• Zerlegen statt zaubern. Nicht „ein Prompt für alles“, sondern eine klare Kette aus Schritten, von denen jeder ein konkretes Problem löst.
• Kontext mitliefern. Das Ziel, der Einsatz und die Qualitätslatte gehören in die Aufgabe, nicht in Ihren Kopf.
• Prüfung einbauen. Das System validiert sein eigenes Ergebnis, bevor ein Mensch draufschaut.
• Kosten im Blick behalten. Das stärkste Modell ist selten das wirtschaftlichste. Oft reicht das schlankere, wenn der Ablauf gut gebaut ist.

Das ist kein YouTube-Trick. Das ist die Frage, die ich bei jedem Automatisierungsprojekt stelle: Wo bringt Automatisierung echten Hebel, und wo ist sie nur ein teurer Effekt?

Was davon bleibt

Claude Fable 5 kann Dinge, die vor Kurzem nach Science-Fiction klangen, ein ganzes Video aus einem Satz. Aber der ehrliche Blick zählt mehr als der Effekt: Das Ergebnis ist nicht beliebig kopierbar, oft tut es ein günstigeres Modell, und die Kosten können aus dem Ruder laufen. Was bleibt, ist ein übertragbares Prinzip, klare Schritte, eingebauter Kontext, eingebaute Prüfung. Genau daran arbeite ich mit Unternehmen: nicht am größten Modell, sondern an der Lösung, die das Problem wirklich löst, messbar und ohne KI-Hype.

Quelle: Frei adaptiert nach „Claude Fable 5 Made This Entire Video By Itself.“ von Nate Herk | AI Automation, auf YouTube ansehen. Einordnung, Auswahl und Formulierung stammen von pletzenauer — digital consulting.