Wan 3.0 Oktoberfest Video Prompt Anleitung
Ein Gast möchte am Oktoberfest-Stand mit dem Smartphone bezahlen. Der Barkeeper – eine silbergraue Katze mit schwarzer Schürze – lehnt trocken ab und zeigt stattdessen auf die Brezel in seiner Hand. Der Tausch kommt zustande. Die Katze beißt ab, zapft kauend eine Maß und trinkt kurz vor der Übergabe selbst noch einen Schluck. Erst dann bekommt der Gast sein Bier.
Die Geschichte funktioniert ohne Dialog und ist in wenigen Sekunden verständlich. Genau das macht sie interessant für TikTok, Instagram Reels und YouTube Shorts: ein vertrauter Wiesn-Moment, eine unerwartete Hauptfigur und zwei klar gesetzte Pointen. In dieser Anleitung erfährst du, wie du den rund 21 Sekunden langen Clip mit Wan 3.0 auf Pollo AI planst, welche Referenzbilder du vorbereiten solltest und wie du den vollständigen Video-Prompt formulierst.
Kurzfassung (TL;DR)
Erstelle zunächst vier saubere Referenzen: den Katzen-Barkeeper, einen Maßkrug, die Bierwagen-Theke und eine bayerische Brezel. Nutze die Theke als Startbild und halte die gesamte Handlung in einer ruhigen Ich-Perspektive. Die entscheidende Dramaturgie lautet: bestellen, Smartphone zum Terminal führen, Zahlung ablehnen, auf die Brezel zeigen, Tausch bestätigen, Brezel anbeißen, Bier zapfen, scheinbar übergeben, selbst trinken und erst danach wirklich übergeben. Beschreibe Blickrichtung, Hand, Pfote und Objektzustand für jeden Abschnitt eindeutig. So bleibt die Szene trotz vieler Interaktionen nachvollziehbar.
Warum die Katzenbar als Social Clip funktioniert
Der Humor entsteht nicht durch hektische Effekte, sondern durch das ernste Verhalten der Katze. Sie steht selbstverständlich hinter der Theke, versteht die Bestellung und führt einen eigenen Tauschkurs ein: keine Karte, sondern Brezel. Weil die Katze dabei ruhig und professionell bleibt, wirkt die Absurdität stärker als bei einer übertriebenen Cartoon-Mimik.
Die Handlung besitzt außerdem zwei Eskalationsstufen. Der erste Überraschungsmoment ist die abgelehnte Kartenzahlung. Sobald der Gast versteht, dass die Katze seine Brezel möchte, ist die Geschichte bereits klar. Der zweite Moment kommt kurz vor Schluss: Das Bier scheint übergeben zu werden, doch die Katze zieht die Maß zurück und trinkt selbst. Diese verzögerte Auflösung hält die Aufmerksamkeit bis zur letzten Sekunde.
Auch die Bildsprache hilft. Eine durchgehende Plansequenz aus der Sicht des Gastes wirkt wie ein echter spontaner Besuch am Ausschank. Smartphone, Brezel und Maßkrug erscheinen nacheinander. Dadurch kann das Publikum jeder Aktion folgen, und der Clip bleibt selbst ohne Untertitel verständlich.
Warum Wan 3.0 zu dieser Szene passt
Die Szene stellt hohe Anforderungen an die zeitliche Konsistenz. Das Gesicht und die Fellzeichnung der Katze dürfen sich beim Nicken, Kauen, Zapfen und Trinken nicht verändern. Gleichzeitig müssen eine menschliche Hand, eine Katzenpfote, eine Brezel, ein Smartphone und ein Maßkrug korrekt miteinander interagieren. Hinzu kommen fließendes Bier, Schaum und eine stabile Umgebung.
Wan 3.0 eignet sich auf Pollo AI für längere, zusammenhängende Bewegungsabläufe und lässt sich als Bild-zu-Video-Modell mit einem klar definierten Startbild führen. Für dieses Motiv ist das wichtiger als eine freie Text-zu-Video-Generierung: Das Referenzbild legt Kamerahöhe, Theke, Zapfsäule, Licht und Größenverhältnisse bereits fest. Der Prompt muss anschließend nicht mehr erklären, wie der Raum aufgebaut wird, sondern kann sich auf Handlung und Timing konzentrieren.
Schritt 1 Die vier Referenzbilder vorbereiten
Erstelle zunächst vier getrennte Referenzbilder mit dem KI-Bildgenerator auf Pollo AI. Jedes Bild übernimmt im späteren Video eine klar definierte Aufgabe. Wenn einzelne Details noch nicht stimmen, kannst du sie anschließend mit der Bild-zu-Bild-KI korrigieren.
| Referenzbild | Prompt |
|---|---|
 | Hyperrealistische Tierfotografie als Dreitafelansicht derselben silbergrauen Katze. Zeige die Katze vollständig in einer frontalen Ansicht, einer Dreiviertelansicht und einer Rückansicht. Alle drei Darstellungen gehören eindeutig zu derselben Katze. Runde Kopfform, natürlich proportionierte Augen, kurze Schnauze, aufrechte Ohren und klar erkennbare silbergraue Fellzeichnung. Die Katze trägt eine schwarze Barkeeper-Schürze mit einem orangefarbenen POLLO-AI-Schriftzug auf der Brust und einer quadratischen Fronttasche. Die Schürzenbänder sind auf dem Rücken zu einer symmetrischen Schleife gebunden. Weiche Studiobeleuchtung, weiß bis hellgrauer Hintergrund, dezenter Kontaktschatten, identischer Abstand und identische Brennweite für alle drei Ansichten, echte Fellstruktur, keine Illustration, keine menschlichen Hände, keine zusätzlichen Gliedmaßen. |
 | Hyperrealistische Produktfotografie eines traditionellen bayerischen Ein-Liter-Maßkrugs im Hochformat. Der Krug steht frontal und vollständig sichtbar in der Bildmitte, der Henkel befindet sich rechts. Dickwandiges Klarglas mit regelmäßig angeordneten runden Dellen, verstärkter runder Rand, schwerer massiver Glasboden und breiter C-förmiger Henkel. Der Krug ist mit klarem goldgelbem Bier gefüllt. Feine Bläschen steigen auf, darüber liegt eine etwa drei Finger hohe, feinporige weiße Schaumkrone. Einzelne Kondenstropfen und natürliche Lichtbrechungen im Glas. Heller neutraler Studiohintergrund, weicher Kontaktschatten, keine weiteren Gegenstände, keine Hände, kein Text. |
 | Hyperrealistische Umgebungsfotografie im Format 9:16 aus der Ich-Perspektive eines Gastes vor einem mobilen Oktoberfest-Bierwagen. Frontaler Blick auf eine massive hölzerne Theke, Kamera auf Augenhöhe und waagerechte Perspektive. Eine silbergraue Katze steht leicht links der Bildmitte hinter der Theke und trägt dieselbe schwarze POLLO-AI-Schürze wie in der Charakterreferenz. Beide Vorderpfoten liegen natürlich auf der Thekenkante. Links auf der Arbeitsplatte steht ein schwarzes POS-Terminal, rechts befindet sich eine polierte Edelstahl-Zapfsäule mit schwarzem Zapfhebel und Abtropfgitter. Im Hintergrund stehen leere Maßkrüge ordentlich auf beleuchteten Holzregalen. Blau-weißes Rautentuch, Hopfenranken und ein hölzernes Herz mit Edelweiß sorgen für den bayerischen Look. Helles Tageslicht kombiniert mit warmen Lichtbändern, echte Holz-, Metall-, Glas- und Fellstrukturen. Auf der Arbeitsplatte befinden sich keine Brezel, kein Smartphone und kein Arbeitskrug. |
 | Hyperrealistische Food-Fotografie einer einzelnen bayerischen Laugenbrezel aus der Aufsicht. Die Brezel liegt vollständig sichtbar und symmetrisch auf einem neutralen hellgrauen Hintergrund. Klassische Schlingenform mit zwei runden Öffnungen, kräftigem unteren Bauch und schlankeren Armen. Glänzende, tief rotbraune Kruste mit dunkleren Röststellen und feiner Blasenstruktur. Ein natürlicher aufgeplatzter Schnitt zeigt die helle, lockere Krume. Auf der Oberfläche liegen unregelmäßig verteilte grobe weiße Salzkristalle. Weiches Oberlicht, dezenter Schatten, realistische Brotstruktur, keine Teller, keine Hände, keine zusätzlichen Lebensmittel und kein Text. |
Achte darauf, dass alle vier Bilder denselben realistischen Stil besitzen. Die Katze aus Bild 1, der Krug aus Bild 2 und die Brezel aus Bild 4 müssen sich eindeutig in der Umgebung aus Bild 3 wiedererkennen lassen. So erhält Wan 3.0 klare Vorgaben für Charakter, Requisiten und Schauplatz.
Schritt 2 Die Handlung als klare Kette planen
Ein langer Prompt wird zuverlässiger, wenn jede Phase einen eindeutigen Anfangs- und Endzustand besitzt. Für diesen Clip bietet sich folgende Struktur an:
- 0,0 bis 2,2 Sekunden: Die Katze wartet aufmerksam. Die linke Hand des Gastes zeigt zur Zapfsäule und bestellt ein Bier.
- 2,2 bis 6,0 Sekunden: Dieselbe linke Hand holt ohne Präsentationspause das Smartphone hervor und führt es zum POS-Terminal. Noch bevor es das Terminal erreicht, wehrt die Katze synchron mit Pfote und leichtem Kopfschütteln ab. Es gibt keine erfolgreiche Zahlung und keinen Signalton.
- 6,0 bis 10,2 Sekunden: Die Katze zeigt mit dem ganzen Vorderlauf nach rechts unten. Die Kamera folgt kurz zur Brezel in der rechten Hand und anschließend wieder zurück. Sobald die Katze die Brezel sieht, nickt sie genau einmal.
- 10,2 bis 12,6 Sekunden: Der Gast reicht die Brezel weiter. Die Katze nimmt sie, beißt einmal ab, kaut und legt sie rechts auf die Arbeitsfläche. Danach stellt sie einen leeren Maßkrug unter den Zapfhahn.
- 12,6 bis 17,6 Sekunden: Die Katze zapft kauend Bier. Der Pegel steigt gleichmäßig, eine feinporige Schaumkrone entsteht. Anschließend schiebt sie den vollen Krug an die vordere Thekenkante, während die rechte Hand des Gastes zugreift.
- 17,6 bis 21,0 Sekunden: Kurz vor dem Kontakt zieht die Katze die Maß zurück, trinkt einen kleinen Schluck und bekommt einen Schaumrand an der Schnauze. Danach reicht sie den Krug erneut. Erst jetzt berührt der Gast ihn wirklich und übernimmt ihn vollständig.
Diese Reihenfolge verhindert Missverständnisse. Das Smartphone gehört immer zur linken Hand und verschwindet nach der Ablehnung. Die Brezel gehört zur rechten Hand und wird danach von der Katze übernommen. Der Maßkrug erscheint erst nach dem Tausch. So muss Wan 3.0 nie alle Requisiten gleichzeitig verwalten.
Vollständiger Video Prompt für Wan 3.0
Erzeuge ein 21 Sekunden langes, hyperrealistisches Kurzvideo im Format 9:16 als leichte Komödie und durchgehende Plansequenz. Schauplatz ist die Theke eines mobilen Bierwagens auf dem Oktoberfest bei Tag. Die Kamera zeigt die Ich-Perspektive eines erwachsenen männlichen Gastes und beginnt exakt mit dem hochgeladenen Raumanker. Die silbergraue Katze hinter der Theke ist während des gesamten Videos dieselbe Figur wie in der Charakterreferenz. Kopfform, Fellzeichnung, Augengröße, Ohrstellung, Körperbau und schwarze Schürze mit orangefarbenem POLLO-AI-Schriftzug bleiben unverändert. Keine Schnitte, kein Szenenwechsel, kein Zoom und kein Neuaufbau der Theke.
0,0–2,2 Sekunden: Die Katze steht leicht links der Bildmitte, beide Vorderpfoten liegen auf der Thekenkante. Sie schaut den Gast freundlich und erwartungsvoll an. Die linke Hand des Gastes mit blau-weiß karierter Hemdmanschette kommt von rechts unten ins Bild und zeigt kurz zur Zapfsäule. Der Blick der Katze folgt der Hand natürlich zum Zapfhahn.
2,2–6,0 Sekunden: Die linke Hand zieht sich aus der Zeigebewegung zurück, holt in derselben fließenden Bewegung ein Smartphone hervor und führt es direkt zum POS-Terminal. Das Display wird nicht der Kamera präsentiert. Bevor das Smartphone das Terminal berührt, schaut die Katze zum Gast zurück, hebt eine Vorderpfote und wedelt deutlich ablehnend. Gleichzeitig schüttelt sie den Kopf nur leicht. Die Hand stoppt auf halbem Weg. Keine Zahlung, keine Bestätigung, kein Signalton.
6,0–10,2 Sekunden: Die Katze beendet die Abwehr und zeigt mit dem gesamten Vorderlauf eindeutig diagonal nach rechts unten. Pfote, Kopf und Blick weisen in dieselbe Richtung. Die Kamera schwenkt natürlich zur Brezel in der rechten Hand des Gastes. Der Gast hebt die Brezel fragend an, als wolle er sagen: „Diese hier?“ Die Kamera folgt der Brezel zurück zur Katze. Sobald die Brezel sichtbar ist, nickt die Katze genau einmal kurz und zufrieden.
10,2–12,6 Sekunden: Der Gast reicht die Brezel ohne Unterbrechung weiter. Die Katze nimmt genau diese Brezel mit einer natürlichen Katzenpfote entgegen, beißt einmal ab und kaut leicht weiter. Eine echte Bissstelle bleibt sichtbar. Sie legt die Brezel rechts auf die Arbeitsplatte, holt genau einen leeren gläsernen Maßkrug hervor und stellt ihn stabil auf das Abtropfgitter unter den Zapfhahn.
12,6–17,6 Sekunden: Die Katze zieht den Zapfhebel. Goldenes Bier läuft in einem durchgehenden Strahl in den leeren Krug. Der Flüssigkeitsstand steigt kontinuierlich, feine Bläschen sind sichtbar und eine etwa drei Finger hohe weiße Schaumkrone baut sich allmählich auf. Der Krug verändert weder Form noch Größe; Henkel, Rand, Boden und Dellenstruktur bleiben identisch. Die Katze kaut während des Zapfens ruhig weiter, schließt danach den Hahn und schiebt die volle Maß zur vorderen Thekenkante. Die rechte Hand des Gastes nähert sich, berührt den Krug aber noch nicht.
17,6–21,0 Sekunden: Genau bevor der Gast zugreift, zieht die Katze den Krug überraschend zurück, setzt ihn an das Maul und trinkt genüsslich einen kleinen Schluck. Ein schmaler weißer Schaumrand bleibt an ihrer Schnauze. Die Hand des Gastes erstarrt kurz in der Luft. Nach einer kleinen komödiantischen Pause schiebt die Katze den Krug ungerührt wieder nach vorn. Erst jetzt greift der Gast den realen Krugkörper, die Katze lässt los und die Maß geht vollständig in seine Hand über. Die Kamera hält den fertigen Zustand kurz.
Nativer Ton: leises Stimmengewirr im Freien, dezentes Gläserklirren, raschelnde Kleidung, knuspriger Brezelbiss, Zapfhebel, gleichmäßig fließendes Bier und sanftes Aufsetzen des Krugs. Kein Dialog, keine Musik, keine Untertitel und kein Wasserzeichen. Keine menschlichen Finger an den Katzenpfoten, keine zusätzlichen Gliedmaßen, keine zweite Katze, keine doppelte Brezel, kein zweites Smartphone und kein zweiter Arbeitskrug. Keine bestätigte Kartenzahlung, kein Bezahlton, kein plötzlich voller Krug, kein verbogenes Glas, keine schwebenden Objekte und kein Cartoon- oder Game-Look.
Schritt 3 Das Video auf Pollo AI erstellen
Öffne die Bild-zu-Video-KI von Pollo AI, lade den Raumanker als Startbild hoch und wähle Wan 3.0 im Modellmenü. Ergänze die Charakter-, Krug- und Brezelreferenzen, sofern die gewählte Oberfläche mehrere Referenzen unterstützt. Füge den Video-Prompt ein, stelle das Seitenverhältnis auf 9:16 und wähle eine Dauer, die den vollständigen Ablauf abdeckt.
Prüfe nach der Generierung zuerst die Handlung, nicht nur die Bildqualität:
- Stoppt das Smartphone vor dem POS-Terminal, ohne dass eine Zahlung bestätigt wird?
- Zeigen Pfote, Kopf und Blick der Katze gleichzeitig zur Brezel?
- Bleiben Katzenmodell, Schürze und Thekenaufbau unverändert?
- Ist der Krug zunächst leer und steigt der Bierpegel kontinuierlich?
- Zieht die Katze die Maß vor dem ersten Kontakt zurück und trinkt nur einen kleinen Schluck?
- Berührt der Gast den Krug erst bei der zweiten, endgültigen Übergabe?
Wenn ein einzelner Abschnitt misslingt, musst du nicht sofort den gesamten Clip neu erzeugen. Exportiere einen sauberen Frame vor der problematischen Aktion und verwende ihn als neues Startbild. Besonders das Zapfen und die doppelte Übergabe lassen sich bei Bedarf als zweiter Teil generieren und an einer ruhigen Stelle verbinden.
Typische Fehler und passende Korrekturen
Die Kartenzahlung wird doch bestätigt. Entferne Begriffe wie „kontaktlos bezahlen“ oder „Bestätigung“ aus dem positiven Ablauf und formuliere ausdrücklich: Das Smartphone stoppt vor dem Terminal, berührt es nicht, danach erscheinen weder Anzeige noch Ton.
Die Katze zeigt mit einem menschlichen Finger. Eine Katzenpfote kann nicht wie eine Hand gestikulieren. Beschreibe deshalb den gesamten Vorderlauf als klare Diagonale und richte Pfotenspitze, Kopf und Blick gemeinsam auf das Ziel.
Die Brezel verdoppelt sich. Definiere sie als ein einziges starres Brotmodell. Erst hält der Gast sie, dann übernimmt die Katze sie. Die einzige Veränderung ist die Bissstelle.
Der Krug verformt sich beim Greifen. Lege Glasstärke, Dellenstruktur, Rand, Sockel und Henkelposition als unveränderlich fest. Die Pfote und die menschliche Hand passen sich dem Krug an – nicht umgekehrt.
Die Schlusspointe geht zu schnell verloren. Baue vor dem ersten scheinbaren Zugreifen eine kurze Erwartung auf. Die Katze zieht den Krug erst im letzten Moment zurück, trinkt nur einen Schluck und hält danach eine kleine Pause. Diese Verzögerung ist wichtiger als eine große Mimik.
Fazit
Der Clip lebt von einer sehr klaren Tauschlogik: Die Katze lehnt das Smartphone ab, akzeptiert die Brezel, erfüllt anschließend ihre Aufgabe und bricht kurz vor Schluss noch einmal die Erwartung. Damit beide Pointen funktionieren, müssen Besitzverhältnisse, Blickrichtungen und Objektzustände im Prompt präzise beschrieben sein.
Mit Pollo AI kannst du die vier Referenzbilder vorbereiten, einzelne Details per Bild-zu-Bild korrigieren und den Ablauf anschließend mit Wan 3.0 animieren. Halte die Kamera ruhig, lasse die Requisiten nacheinander erscheinen und plane jede Übergabe mit einem eindeutigen Anfangs- und Endzustand. So wirkt die Katzenbar nicht wie eine zufällige KI-Sequenz, sondern wie eine kleine, sauber erzählte Oktoberfest-Komödie mit einem starken Schlussbild.
Die ultimative KI-Kreativsuite
Mehr als 10 Millionen Kreative, Marketer und Händler erstellen mit Pollo AI Bilder, Videos, Werbeanzeigen und Produktvisualisierungen – mit führenden KI-Modellen auf einer einzigen Plattform.
Jetzt kostenlos erstellen
Häufig gestellte Fragen
Was ist Wan 3.0?
Wan 3.0 ist ein KI-Videomodell, mit dem du aus Texten und Referenzbildern realistische Videos erstellen kannst. Auf Pollo AI kannst du das Modell direkt für kreative Bild-zu-Video-Projekte verwenden.
Kann ich Wan 3.0 kostenlos auf Pollo AI testen?
Ja, du kannst Wan 3.0 auf Pollo AI ausprobieren. Wie viele kostenlose Generierungen möglich sind, hängt von den aktuell verfügbaren Credits und deinem Tarif ab.
Kann ich mit Wan 3.0 ein Bild in ein Video umwandeln?
Ja. Lade ein Ausgangsbild in die Bild-zu-Video-KI von Pollo AI hoch und beschreibe die gewünschte Bewegung. Ein klares Referenzbild hilft dabei, Figuren, Umgebung und Bildkomposition möglichst konsistent zu halten.
Wie schreibe ich einen guten Prompt für Wan 3.0?
Beschreibe Motiv, Handlung, Kameraführung, Stil und zeitlichen Ablauf möglichst eindeutig. Bei längeren Szenen solltest du den Prompt in mehrere Zeitabschnitte unterteilen und für jede Phase festlegen, welche Figur welches Objekt bewegt.
Welche Referenzbilder brauche ich für dieses Oktoberfest-Video?
Empfehlenswert sind vier Referenzen: der Katzen-Barkeeper, ein Maßkrug, die Bierwagen-Theke und eine bayerische Brezel. Die Theke dient als Startbild, während die übrigen Bilder das Aussehen der Figur und Requisiten festlegen.
Wie kann ich Figuren und Gegenstände konsistent halten?
Nutze deutliche Referenzbilder und beschreibe unveränderliche Merkmale wie Fellzeichnung, Kleidung, Form, Farbe und Größe. Verwende für jedes wiederkehrende Objekt nur eine Referenz und lege genau fest, welche Eigenschaften sich während des Videos verändern dürfen.
Was kann ich tun, wenn nur ein Teil des Videos misslingt?
Du musst nicht immer den gesamten Clip neu generieren. Exportiere einen gelungenen Frame kurz vor dem fehlerhaften Abschnitt, verwende ihn als neues Ausgangsbild und erstelle nur den betroffenen Teil erneut.