Gib Claude Augen: So schaut Claude ab heute jedes Video für dich

Von Ernst Neumeister · Lesezeit ca. 7 Minuten

Claude ist eigentlich blind: Schickst du ihm ein Video, kann er es nicht anschauen. Er zieht sich höchstens die Tonspur als Text – und alles, was im Bild passiert, geht komplett an ihm vorbei. Dabei steckt genau da oft die Hälfte der Information: das Editing eines viralen Reels, die Folien eines Tutorials, die Bedienschritte in einer Software-Demo.

Die gute Nachricht: Mit zwei kleinen, kostenlosen Tools bringst du Claude das Sehen bei. Tool Nummer eins holt dir jedes Video auf den Rechner, Tool Nummer zwei zerlegt es in Einzelbilder – und die kann Claude ganz normal anschauen und für dich auswerten. Alles läuft lokal auf deinem Rechner, ohne Cloud und ohne einen Cent Extra-Kosten. Auf dieser Seite bekommst du beide Tools, den fertigen Einrichtungs-Prompt zum Kopieren und meinen Token-Spar-Guide, damit die Bildanalyse dich kein Vermögen an Tokens kostet.

Das bekommst du am Ende

Das brauchst du

So funktioniert es (in einfach)

  1. Tool 1 – Video holen (yt-dlp): Ein kostenloses Kommandozeilen-Tool, das Videos von praktisch jeder Plattform auf deinen Rechner lädt – Instagram, TikTok, YouTube und hunderte mehr.
  2. Tool 2 – Video sehen (ffmpeg): Das Schweizer Taschenmesser für Videos. Es zerlegt das Video in Einzelbilder – zum Beispiel ein Bild pro Sekunde – und zieht die Tonspur heraus.
  3. Claude schaut: Bilder kann Claude nativ anschauen. Er bekommt die Einzelbilder (clever gebündelt, dazu gleich mehr) plus die Tonspur als Text – und „sieht" damit das komplette Video.

Das ist übrigens exakt die Technik, mit der mein eigener Claude virale Reels für mich analysiert – das Video, das dich hierher gebracht hat, wurde genau so geplant und geschnitten. 😉

Schritt 1: Der Einrichtungs-Prompt für deine KI

Kopiere den kompletten Text unten und gib ihn deiner KI (z. B. in Claude Code). Er installiert beide Tools und bringt deinem Claude dauerhaft bei, wie er Videos schaut – inklusive aller Token-Spar-Regeln, damit du von Anfang an das sparsame Setup hast: 

Ich möchte, dass du ab heute Videos für mich „anschauen" kannst. Bitte richte das einmalig ein und erkläre mir jeden Schritt einfach.

SO SOLL ES FUNKTIONIEREN
1. Prüfe, ob die kostenlosen Tools yt-dlp (Videos herunterladen) und ffmpeg (Videos in Einzelbilder zerlegen) auf meinem Rechner installiert sind. Falls nicht: Installiere sie für mein Betriebssystem (Mac: Homebrew, Windows: winget) und erkläre mir kurz, was du tust.
2. Lege dir eine dauerhafte Notiz an (z. B. in deiner CLAUDE.md oder als Skill), damit du in JEDER zukünftigen Session weißt, wie du Videos schaust, wenn ich dir einen Video-Link oder eine Videodatei gebe.

DEIN VIDEO-SCHAUEN-WORKFLOW (in die Notiz übernehmen)
Wenn ich dir einen Video-Link gebe: Lade das Video mit yt-dlp in einen Temp-Ordner. Wenn ich dir eine Datei gebe: Nutze sie direkt.
Dann:
a) Tonspur auswerten: Wenn es auf der Plattform Untertitel gibt, zieh sie mit yt-dlp (kostenlos, ohne Audio-Download). Sonst extrahiere die Tonspur mit ffmpeg und transkribiere sie, falls ein lokales Transkriptions-Tool vorhanden ist.
b) Einzelbilder ziehen mit ffmpeg: standardmäßig 1 Bild pro Sekunde, auf 360 Pixel Breite verkleinert (das reicht dir zum Erkennen völlig und spart massiv Tokens).
c) WICHTIG – Kontaktabzug statt Einzelbilder: Kachle die Einzelbilder mit ffmpeg (tile-Filter) zu wenigen Rasterbildern zusammen, z. B. 6x8 Bilder pro Kontaktabzug. So schaust du 48 Sekunden Video mit EINEM Bild an statt mit 48.
d) Schau dir die Kontaktabzüge an, lies das Transkript, und beantworte dann meine eigentliche Frage zum Video.
e) Räum danach auf: Video, Bilder und Tonspur aus dem Temp-Ordner löschen (auf Wunsch behalten).

TOKEN-SPAR-REGELN (fest in die Notiz!)
- Niemals ungefragt jedes Einzelbild in voller Auflösung anschauen. Immer: verkleinern + kacheln.
- Erst das Transkript lesen, DANN entscheiden, ob und welche Bildstellen du genauer anschauen musst. Oft beantwortet der Text die Frage schon.
- Bei langen Videos (über ~5 Minuten): erst mit weniger Bildern arbeiten (z. B. 1 Bild alle 5–10 Sekunden) und nur die relevanten Abschnitte dichter anschauen.
- Einzelne Stellen nur dann in groß und scharf nachladen, wenn Details wirklich zählen (z. B. Text auf dem Bildschirm lesen).

Zum Abschluss: Teste den kompletten Ablauf einmal an einem kurzen Video und zeig mir, was du gesehen hast.

Schritt 2: Das erste Video schauen lassen

Ab jetzt sprichst du mit Claude über Videos wie mit einem Menschen, der daneben sitzt. Drei Beispiele:

Der Token-Spar-Guide (wichtig!)

Die Bildanalyse ist der einzige Teil, der ins Geld gehen kann: Wer naiv jede Sekunde als großes Einzelbild anschauen lässt, verbrennt bei einem einzigen Reel schnell sechsstellige Token-Mengen. Mit diesen vier Regeln (die stecken auch schon im Prompt oben) bleibt derselbe Job bei einem Bruchteil:

  1. Verkleinern. Für „was passiert hier?" reichen Bilder mit 360 Pixel Breite locker. Volle Auflösung braucht Claude nur, wenn er kleinen Text auf dem Bildschirm lesen soll – und dann nur für genau diese eine Stelle.
  2. Kacheln (der größte Hebel). Viele kleine Bilder zu einem Kontaktabzug zusammensetzen – wie beim Fotografen früher. 48 Einzelbilder = 48-mal Bild-Tokens. Ein 6x8-Raster = einmal. Claude erkennt darauf immer noch jede Szene.
  3. Erst Text, dann Bild. Transkript oder Untertitel zuerst lesen lassen – die sind spottbillig. Oft ist die Frage damit schon beantwortet, und die Bilder braucht es nur noch für die visuellen Details.
  4. Stichproben statt Vollabtastung. Bei langen Videos reicht ein Bild alle 5–10 Sekunden für den Überblick. Nur die Abschnitte, die wirklich interessieren, dichter anschauen.

5 Dinge, die du damit machen kannst

Häufige Fragen

Ist das legal?

Beide Tools sind seriöse Open-Source-Software, die weltweit millionenfach genutzt wird. Videos für die eigene, private Analyse herunterzuladen und auszuwerten ist etwas grundlegend anderes, als fremde Inhalte neu hochzuladen – Letzteres bleibt ohne Erlaubnis natürlich tabu. Kurz: analysieren ja, wiederveröffentlichen nein.

Kostet das wirklich nichts extra?

Die beiden Tools: nichts, dauerhaft. Was Tokens kostet, ist Claudes Bildanalyse selbst – deshalb der Token-Spar-Guide. Mit Kontaktabzügen und kleinen Bildern ist ein komplettes Reel eine Sache von Cent-Beträgen bzw. ein Klacks in deinem normalen Claude-Abo.

Ich kann nicht programmieren. Schaffe ich das?

Ja. Der Prompt oben ist genau dafür gebaut: Deine KI installiert, konfiguriert und testet alles selbst. Du kopierst einen Text und beantwortest ein, zwei Rückfragen. Das war's.

Funktioniert das auch mit ChatGPT oder anderen KIs?

Das Prinzip ja – jede KI, die Bilder anschauen kann und Zugriff auf deinen Rechner hat (also ein Coding-Agent, kein reiner Chat), kann so Videos schauen. Ich arbeite mit Claude Code, dafür ist der Prompt optimiert.

Keine Lust, dir das alles selbst zusammenzubauen?

Verständlich 😄 In meiner kostenlosen Community kannst du jederzeit in einen bezahlten Plan (Premium oder VIP) upgraden – dann bekommst du meine kompletten, fertigen Video-Analyse-Workflows (dieselben, mit denen meine eigenen KI-Agenten meine Reels planen und schneiden), und Claude passt sie nur noch an dein Setup an.

Und jetzt du

Claude, der Videos schauen kann, ist eine dieser Fähigkeiten, die sich klein anhören und dann alles verändern: Recherche, Content-Planung, Lernen – alles, was bisher „Video anschauen und Notizen machen" hieß, macht ab jetzt deine KI. Kopiere den Prompt, nimm dir zehn Minuten, und schreib mir auf Instagram, was dein Claude als Erstes angeschaut hat – ich freue mich ehrlich über jede Nachricht. ❤️

PS: Falls du über „Kommentiere AUGEN" hierher gekommen bist – auch diese DM kam von meinem selbstgebauten System. Wie du dir das baust, zeige ich dir in meiner kostenlosen Community: hier geht's direkt zum Video. 😉