Zurück zum Blog

Wie du ASMR-Food-Videos mit KI machst

3. September 2026 · 8 min Lesezeit

Das Glas-Frucht-Format ist eine der am häufigsten wiederkehrenden Formen in Kurzvideos: ein vertrautes Lebensmittel, dargestellt in einem halbtransparenten Material, auf eine Scheibe Toast gegossen und mit einem Metalllöffel verstrichen, wobei jedes Klirren und Schaben hörbar ist.

Es lohnt sich zu verstehen, warum es funktioniert, denn der Grund erklärt alle Regeln dafür, wie man ein gutes macht.

Warum das Format Aufmerksamkeit hält

Der Reiz entsteht aus einer Unstimmigkeit, die dein Gehirn nicht auflösen kann. Du weißt, wie eine Blaubeere gegen einen Löffel klingt, und Glas klingt völlig anders. Das Audio widerspricht ständig der Form im Bild und deine Aufmerksamkeit bleibt daran haften, um die beiden in Einklang zu bringen.

Deshalb kann das Audio nicht durch Musik ersetzt werden. Der Sound ist kein Beiwerk, er ist der Inhalt. Deshalb ist die ASMR Food Vorlage komplett ohne Hintergrundmusik statt nur standardmäßig ausgeschaltet.

Zwei weitere Eigenschaften machen es besonders geeignet für Kurzformate. Es ist völlig narrationsfrei, braucht also kein Skript, keine Stimme und keine Übersetzung und funktioniert in allen Sprachen. Und es ist wiederholbar, ohne schnell zu ermüden, weil das Format fest ist und nur das Motiv wechselt, genau die Form, die eine Serie braucht.

Die Wahl des Motivs

Die Motivbeschreibung hat zwei Teile: das Lebensmittel und das Material. Beides ist nötig und nichts davon darf vage sein.

Blaue Glas-Blaubeeren auf Toast funktioniert. Etwas Befriedigendes nicht, weil es nichts zu rendern gibt.

Wähle durchscheinende Materialien. Glas, Kristall, Bernsteinharz, harte Bonbons, Jade, Quarz und Eis lassen Licht durch, und das Spiel mit Licht ist die Hälfte dessen, was die Aufnahme sehenswert macht. Undurchsichtige Materialien wie Stein oder Metall verlieren das vollständig.

Stimme die Farbe auf das echte Lebensmittel ab. Rote Kristall-Erdbeeren werden sofort als solche erkannt, weil die Farbe bestätigt, was das Objekt ist, während das Material widerspricht. Eine blaue Erdbeere wirkt nur wie ein Fehler und die Spannung verschwindet.

Bevorzuge kleine Lebensmittel. Beeren, Trauben, Zitrussegmente und Cherrytomaten splittern und streuen unter einem Löffel überzeugend. Eine ganze Melone nicht, weil das Format darauf ausgelegt ist, etwas auf einer Brotscheibe zu verstreichen.

Motivideen, die zuverlässig gut rendern:

  • Blaue Glas-Blaubeeren auf Toast
  • Erdbeeren aus rotem Kristall
  • Mini-Kiwis aus grüner Jade geschnitzt
  • Winzige Orangenscheiben aus Bernsteinharz
  • Kleine Wassermelone aus rosa Quarz
  • Trauben aus tiefviolettem Glas
  • Cherrytomaten aus rotem Hartbonbon

Was das Format bereits abdeckt

Du beschreibst nicht die Kamera, das Licht, die Hände, die Tischplatte oder den Ton. All das steht im Formatbrief und wird für jede Szene wiederholt: eine Aufnahme der Tischplatte, eine Hand, die aus einem kleinen Glasgefäß gießt, die Hand verlässt den Rahmen, dann ein Metalllöffel, der die Masse aufs Brot streicht. Weiches Studiolicht, fotorealistisch, keine Kamerabewegung, taktiler ASMR-Ton.

Wenn du das selbst festlegen willst, widerspricht das dem Brief, statt ihn zu verbessern. Der häufigste Fehler bei jeder Vorlage ist, einen kompletten Prompt in ein Feld zu schreiben, das nur ein Motiv erwartet.

Wenn du vollständige Prompts statt einzelner Motive schreiben möchtest, gibt es dafür das freie animierte Format, und der Prompt-Leitfaden erklärt die fünf Ebenen, die ein vollständiger Prompt braucht.

Länge und Anzahl der Szenen

Eine Szene ist hier ein komplettes Video. Das Gießen, das Verteilen und das Setzen passieren alle in einem einzigen Clip, sodass am Ende von fünf Sekunden nichts offen bleibt.

Zusätzliche Szenen liefern eher Variationen als eine Fortsetzung. Drei Szenen sind drei verschiedene Glas-Lebensmittel, das funktioniert als kleines Set, aber ab zwei oder drei ist die Idee etabliert und die extra Sekunden kosten, ohne viel zu bringen.

Szenen dauern jeweils fünf bis zehn Sekunden und du wählst beide Zahlen. Die Länge ist Szenenzahl mal Sekunden, und so berechnet sich auch der Preis.

Als Serie laufen lassen

Der Grund, das als Serie statt als Einmalvideo zu machen, ist, dass das Format die Wiedererkennung für dich erledigt. Ein Zuschauer, der eines deiner Videos gesehen hat, erkennt das zweite im Rahmen wieder, und das ist mehr wert als die Performance eines einzelnen Videos.

Halte das Format identisch und variiere nur das Motiv. Wechsel in den ersten vier Wochen nicht zwischen diesem und drei anderen Formaten auf demselben Kanal, denn dann kannst du nicht feststellen, was funktioniert.

Erstelle eine Motivliste bevor du startest. Allein Obst liefert dir zwanzig Videos, und Gemüse, Süßes und kleine herzhafte Snacks erweitern das weit darüber hinaus. Ein Format mit einem offensichtlichen nächsten Motiv ist eines, das du in sechs Monaten noch posten kannst.

Wenn ein Clip nicht funktioniert

Generative Videos können manchmal danebenliegen. Übliche Fehler sind, dass das Material undurchsichtig wirkt, das Essen seine erkennbare Form verliert oder die Löffelbewegung falsch aussieht.

Alle drei Probleme lassen sich meist beheben, indem du in der Motivzeile das Material genauer beschreibst statt etwas anderes. Tiefblaues, durchscheinendes Glas ergibt ein anderes Ergebnis als einfach nur Glas.

Du kannst auch eine einzelne Szene im Editor neu generieren, das ersetzt genau die Sekunden, die diese Szene ursprünglich genutzt hat, und lässt den Rest des Videos unverändert. Das ist günstiger als das gesamte Video neu zu generieren und die normale Arbeitsweise, wenn in fünf Clips einer einen zweiten Versuch braucht.

Häufige Fragen

Muss ich Audio aufnehmen?

Nein. Die Clips werden mit eigenem Audio generiert, daher kommen das Klirren und Schaben aus der Erzeugung. Die Hintergrundmusik ist bei diesem Format absichtlich abgeschaltet, weil Musik über ASMR-Audio genau das überlagert, wofür Leute gekommen sind.

Kann ich Erzählung oder Untertitel hinzufügen?

Nein, und das ist Absicht. Das Format ist konstruktionsbedingt ohne Erzählung. Eine Stimme über einem ASMR-Video zerstört den Effekt, deshalb sind Skript, Voiceover und Untertitel hier deaktiviert.

Wie viele Szenen sollte ein Video haben?

Eine Szene ist in diesem Format ein vollständiges Video. Zusätzliche Szenen sind Varianten derselben Idee, nicht eine längere Version, und jede wird separat berechnet. Die meisten erfolgreichen Clips in diesem Format sind unter 15 Sekunden lang.

Was kostet ein Video?

35 Credits pro Sekunde fertiges Video in HD, also kostet ein fünfsekündiger Clip 175 Credits und ein zehnsekündiger 350. Standardqualität liegt bei 25 Credits pro Sekunde. Tarife beginnen bei $19 im Monat für 3.000 Credits.

Weiterlesen