Jede Demo bekommt ihr eigenes vertontes Walkthrough-Video in der Stimme der zuständigen Person: Intro, ihr Job, die Demo und was wir schon gemacht haben.
1.679 personalisierte Videos für drei Sprecher:innen produziert.
Kurz gesagt
1.679 personalisierte Videos produziert: 553 für Konstantin, 595 für Anton, 531 für Aidana.
Jedes Video erzählt dieselbe Geschichte in vier Teilen: Intro → ihr Job → die Demo → was wir schon gemacht haben.
Stimme, Mausbewegung, Sprechertext und Schnitt sind automatisiert. Aufnahmezeit pro Video: null Minuten.
Das Problem
Ein Demo-Link ist gut. Ein Video, in dem ein echter Mensch durch Ihre Lösung führt, ist viel besser – es schafft Vertrauen vor dem ersten Call. Ein ordentliches Loom-Video kostet aber mit Wiederholungen 10–15 Minuten. Bei mehreren Dutzend Jobs am Tag wäre allein das Aufnehmen ein Vollzeitjob.
Der Aufbau jedes Videos
Akt
Was die Kundin sieht
Länge
1. Intro
Die zuständige Person, freigestellt vor einem unscharfen Screenshot der eigenen Demo der Kundin, daneben der Jobtitel. „Hallo, ich habe Ihren Post gesehen und etwas für Sie gebaut.“
kurz, vorab aufgenommen
2. Ihr Job
Eine gestaltete Job-Übersicht: die 4–6 Anforderungen aus dem Post, unser Passungswert, das Kundenprofil und ein Raster „Ihr Bedarf → unsere Lösung“. Der Cursor markiert jeden Punkt, während er gesprochen wird.
~34 s
3. Die Demo
Die Live-Demo öffnet sich im Browser. Ein animierter Cursor scrollt, fährt über echte Tabs und Buttons und klickt sie an, während die Stimme jeden Bereich erklärt und die Kundin direkt anspricht.
~34 s
4. Was wir schon gemacht haben
Echte Portfolio-Screenshots und Zahlen passend zum Job (z. B. eine Marke mit 3,8 Mio. £ Umsatz bei einem Klaviyo-Job), dann der Abschluss.
kurz
Wie es entsteht
1
Den Job laden. Hat eine Zeile eine Demo, aber kein Video, lädt die Pipeline rund 20 Felder aus Notion: Titel, Budget, Land, Ausgaben, Teilwerte, Anforderungen und Demo-URL.
2
Die Demo verstehen. Ein Browser im Hintergrund öffnet die Demo und liest ihre echte Struktur aus (Überschriften, Buttons, Tabs) – der Sprechertext erwähnt nur, was wirklich auf dem Bildschirm ist.
3
Das Skript schreiben. Claude Sonnet schreibt sieben getaktete Sätze für den Demo-Teil und sieben für den Job-Teil, je 10–18 Wörter, mit echten Bereichen und den Problemen der Kundin.
4
Vertonen. ElevenLabs spricht jeden Satz in der geklonten Stimme der zuständigen Person: 14 Clips pro Video, auf feste Zeitpunkte abgestimmt.
5
Den Bildschirm aufnehmen. Playwright nimmt beide Teile in 1440×900 auf – mit einem animierten Cursor, der synchron zur Stimme bewegt, überfährt und klickt.
6
Das Intro zusammensetzen. rembg entfernt den Hintergrund aus jedem Bild des vorab aufgenommenen Intros; Pillow setzt die Person vor den Screenshot der Demo.
7
Schneiden. ffmpeg mischt den Ton, bringt alle Teile auf gleiche Auflösung, Bildrate und Codec und fügt sie zusammen.
8
Veröffentlichen. Upload als nicht gelistetes YouTube-Video (Google Drive als Ausweichlösung), danach landen URL und ein gesprochenes Loom-Skript wieder in Notion.
Unter der Haube
Eine Pipeline, drei Sprecher:innen. Jede Person hat ihren eigenen Intro-Clip, ihre geklonte Stimme, ihr Notion-Videofeld und ihre Variante der Videovorlage. Jobs werden nach Zuständigkeit verteilt.
Feste Regeln: Akt 1 zeigt immer die Demo dieses Jobs, nie eine allgemeine. Die Stimme kommt immer aus der Konfiguration. Portfolio-Screenshots haben Vorrang vor der allgemeinen Portfolio-Seite.
Tempo: Die Freistellung dauert beim ersten Mal rund zwei Minuten pro Intro-Clip und wird dann zwischengespeichert – jedes weitere Video braucht nur noch Sprechertext, Aufnahme und Kodierung.
Fehlerbehandlung: Läuft der YouTube-Zugang ab, geht das Video zu Google Drive und die Bewerbung wird trotzdem geschrieben – kein Job bleibt an einem Upload hängen.
Ergebnisse
Kennzahl
Wert
Videos, Konstantin
553
Videos, Anton
595
Videos, Aidana
531
Videos gesamt
1.679
Gesprochene Loom-Skripte als Backup
2.002
Menschliche Aufnahmezeit pro Video
0 min
Was wir gelernt haben
Zuerst das Problem der Kundin zeigen. Akt 2 („Das haben Sie gesucht“) hält die Aufmerksamkeit besser als ein direkter Sprung in die Demo.
Sprechertext und Bildschirm müssen zusammenpassen. Seit wir die echte Seitenstruktur vor dem Skript auslesen, spricht die KI nicht mehr über Buttons, die es nicht gibt.
Ein echtes Gesicht zählt. Geklonte Stimmen allein wirkten künstlich. Ein echter 10-Sekunden-Clip der Person macht den Rest glaubwürdig.
