YouTube-Skript schreiben, das nach dir klingt

Warum Videoskripte anders sind als geschriebene Texte

Ein Videoskript wird laut gesprochen, nicht still gelesen – und das verändert alles daran, wie du es schreiben solltest. „Fürs Ohr schreiben, nicht fürs Auge“ klingt nach Floskel, bis du dich selbst dabei aufnimmst, wie du etwas liest, das du für die Seite geschrieben hast. Akademischer Satzbau, Passiv und lange Nebensatzketten funktionieren auf dem Bildschirm gut und werden zu Stolperfallen, sobald du sie im Tempo sprechen sollst.

Zwei Dinge unterscheiden das Schreiben fürs Sprechen. Erstens die Satzlänge. Auf einer Seite ist ein Satz mit 40 Wörtern in Ordnung – man kann pausieren, nachlesen, der Logik folgen. Vor der Kamera geht einem so ein Satz aus, bevor er ankommt. Ziel sind Sätze unter 20 Wörtern. Zwei kurze Sätze treffen härter als ein langer, und sie geben deiner Stimme einen natürlichen Punkt zum Neuansetzen.

Zweitens: Zuschauende können nicht nachlesen. Wer beim Lesen etwas verpasst, scrollt zurück. Wer beim Zuschauen den Faden verliert, hört auf. Dein Skript muss seine Logik also durch Übergänge und Wegweiser sichtbar machen: „Deshalb ist das wichtig“, „Ich zeig dir, wie das aussieht“, „Damit kommen wir zum zweiten Punkt.“ Kernaussagen zu wiederholen wiegt im gesprochenen Video schwerer als in einem geschriebenen Artikel. Schreib so, als würde jeder Satz genau einmal gehört – denn genau so ist es.

Der schnellste Test: Lies jeden Satz laut, bevor du ihn festschreibst. Wenn du stolperst, dir die Luft ausgeht oder du ihn selbst zweimal lesen musst, um ihn zu verstehen, schreib ihn um. Das Stolpern beim Schreiben wird sonst zum ruinierten Take beim Dreh.

Warum geskriptete Videos besser gebunden werden als improvisierte

Wiedergabezeit ist die Zahl, die YouTube am meisten interessiert – und sie bricht weg, sobald Zuschauende spüren, dass ein Video nirgendwohin führt. Wenn du skriptest, hat jeder Satz eine Aufgabe. Keine Anlaufzeit, in der du deinen Rhythmus suchst, kein Abstecher, der drei Minuten frisst, kein Ausfransen am Ende eines Gedankens. Skript-Disziplin zählt besonders bei langen Formaten – wenn du in die Richtung gehst, deckt der Guide zum Video-Essay Skript- und Erzähl-Workflow im Detail ab.

Eine Pew-Research-Untersuchung zur YouTube-Nutzung aus dem Jahr 2024 zeigt: 70 % der Zuschauenden entscheiden in den ersten 30 Sekunden, ob sie weiterschauen. Das ist das Hook-Fenster – aus dem Stegreif kaum zu treffen, mit geschriebenem Skript sehr wohl.

Ich habe etwa im dritten Jahr angefangen, konsequent zu skripten. Meine durchschnittliche Wiedergabedauer stieg innerhalb von zwei Monaten von rund 32 % auf 51 %. Die Inhaltskategorie hat sich nicht geändert. Das Skripten schon.

Die YouTube-Skriptstruktur, die funktioniert

Jedes YouTube-Video, das ich skripte, folgt derselben vierteiligen Struktur. Die Details ändern sich, das Gerüst nie.

Teil 1: Der Hook (0:00–0:30)
Der Hook hat eine Aufgabe: das Weiterscrollen stoppen. Er sollte 60–80 Wörter haben. Das sind bei natürlichem Tempo etwa 30 Sekunden.

Teil 2: Kontext und Versprechen (0:30–1:30)
Nach dem Hook machst du kurz klar, warum du zu diesem Thema sprichst und was die Zuschauerin am Ende können wird. Das ist kein Intro, das ist eine Zusage. Maximal ein Absatz.

Teil 3: Hauptteil (der Großteil des Videos)
Teile deinen Inhalt in 3–5 Abschnitte, jeder mit klarer Bezeichnung im Skript. Jeder Abschnitt beantwortet genau eine Frage oder vermittelt genau eine Fähigkeit. Ziel sind 200–350 Wörter pro Abschnitt.

Teil 4: Handlungsaufruf (letzte 30–60 Sekunden)
Sag genau, was als Nächstes zu tun ist – abonnieren, ein weiteres Video ansehen, etwas herunterladen. Nur eine Handlung. Mehrere Aufrufe konkurrieren miteinander, und dann folgt niemand einem davon.

So schreibst du einen Hook, der die ersten 30 Sekunden verdient

Der Hook ist der schwerste Teil jedes YouTube-Skripts, deshalb schreibe ich ihn immer zuletzt. Wenn ich genau weiß, was das Video liefert, weiß ich auch, was ich andeuten kann. Vier Hook-Typen wechseln sich bei mir ab:

Musterbruch: Fang mit etwas Unerwartetem an. Eine gegenintuitive Aussage, eine Zahl, die falsch wirkt, ein Bild, das nicht zur Erwartung passt.

Steile Behauptung: Nenn ein konkretes, ungewöhnliches Ergebnis. Nicht „Ich helfe dir, bessere Videos zu machen“, sondern „Ich habe meine Drehzeit von 45 auf 8 Minuten pro Video gedrückt – und hier ist die eine Sache, die das bewirkt hat.“

Direkte Frage: Benenn die genaue Frustration deines Publikums. „Drückst du auf Aufnahme und vergisst sofort alles, was du sagen wolltest?“ Das beschreibt exakt das Gefühl, das Creator zu Google und zu diesem Artikel führt.

Vorschau auf den Nutzen: Deute an, was sie am Ende wissen. „In den nächsten 8 Minuten zeige ich dir die Skriptstruktur, die ich für jedes Video über 50.000 Aufrufe genutzt habe.“

Schreib zwei oder drei Hook-Varianten, lies sie laut und nimm die, bei der du selbst weiterschauen willst. Wenn du sie überspringen würdest, tut dein Publikum es auch.

Die eigene Stimme im Skript finden

Die häufigste Sorge bei geskripteten YouTube-Videos ist: „Ich klinge wie ein Roboter.“ 130.000 Menschen folgen mir auch deshalb, weil meine geskripteten Videos nicht geskriptet klingen – und der Grund ist Format, nicht Talent.

Schreib, wie du sprichst. Was du im Gespräch nie sagen würdest, gehört nicht ins Skript. Lies jeden Satz beim Schreiben laut. Wo du stolperst, vereinfachst du.

Nutz Umgangssprache. „Geht’s“ statt „geht es“. „Ich hab“ statt „ich habe“. So sprechen echte Menschen, und in formaler Prosa entsteht das fast nie von selbst.

Zerleg deine Sätze. Zwei kurze Sätze treffen härter als ein langer. Und sie geben deiner Stimme einen natürlichen Punkt zum Landen und Neuansetzen.

Der schnellste Test: Lies das Skript einmal komplett laut. Wenn es klingt wie ein Aufsatz, vorgelesen von jemandem, dem unwohl ist, schreib es um. Wenn du abwägen willst, ob du dein Skript selbst schreibst oder eine KI einen Entwurf liefern lässt, geht der Vergleich in KI-Skriptgenerator vs. selbst schreiben auf die tatsächlichen Zeit- und Qualitätsunterschiede ein.

Das Skript fürs Ablesen formatieren

Ein gut geschriebenes Skript nützt nur, wenn du es auch flüssig vortragen kannst. Wie du das Dokument formatierst, zählt mehr, als die meisten denken.

Kurze Absätze. Höchstens drei bis vier Sätze. Wird ein Absatz lang, verlierst du mitten im Take leicht die Stelle.

Ein Gedanke pro Zeile. Jede Zeile macht genau einen Punkt. Auf einem Teleprompter ist ein Zeilenumbruch eine Atemmarke.

Betonungshinweise. Setz Wörter fett, die du betonen willst. Das sagt dir, wo du Gewicht hinlegst, damit der Satz so landet, wie du es meinst.

Atemmarken. Ein einfacher Gedankenstrich – oder drei Punkte … – heißt: Pause. Eine halbe Sekunde kann darüber entscheiden, ob eine Zeile ankommt oder an der Zuschauerin vorbeirauscht.

Ein Vorher-Nachher-Beispiel:

Vorher: „Der Grund, warum die meisten Creator Probleme mit der Wiedergabezeit haben, ist, dass sie nicht verstanden haben, dass die ersten dreißig Sekunden eines Videos eine bestimmte Arbeit leisten müssen, die die Mitte des Videos nicht mehr nachholen kann, weil Zuschauende, die einmal weggeklickt haben, sehr selten zurückkommen.“

Nachher: „Die meisten Creator verlieren Zuschauende in den ersten 30 Sekunden. Nicht weil der Inhalt schlecht ist. Sondern weil der Hook keinen Grund zum Bleiben gegeben hat. – Und wer einmal weggeklickt hat, kommt fast nie zurück.“

Für alles, was vor dem Skript kommt – Bildaufbau, wohin mit dem Handy, wie du dich ausleuchtest – geht der Guide zum Talking-Head-Video mit dem iPhone Schritt für Schritt darauf ein.

Das Skript über den Teleprompter vortragen (ohne dass man das Ablesen sieht)

Ein knappes, natürlich klingendes Skript löst das Inhaltsproblem. Ein Teleprompter löst das Vortragsproblem. Ich nutze Teleprompter-Scrolling Scripts auf dem iPhone im Kamera-Modus für jedes YouTube-Video, das ich allein aufnehme. Der Kamera-Modus legt das scrollende Skript direkt über den Live-Sucher – ich sehe meine Worte und das Objektiv an derselben Stelle. Mein Blick bleibt mittig. Zuschauende sehen direkten Blickkontakt.

Scrolltempo. Ich stelle es auf mein natürliches Sprechtempo ein – etwa 145 Wörter pro Minute. Der Trick: Das Scrollen bleibt leicht vor dir, statt dir hinterherzujagen.

Schriftgröße. Groß genug zum Lesen ohne Zusammenkneifen, klein genug, dass der Text nur das obere Drittel des Bildes füllt – nah an der Stelle, wo das Objektiv sitzt.

Seit ich so arbeite, ist meine Take-Zahl von 12 pro Video auf durchschnittlich 1,8 gefallen. Das sind rund 30 Minuten weniger Drehzeit pro Upload.

Mayas Skript-Workflow: die konkreten Zahlen

So schreibe ich ein Skript für ein 7- bis 9-minütiges YouTube-Video vom leeren Blatt bis zur Aufnahmebereitschaft:

• Gliederung (10 Minuten). Ich schreibe die Abschnittsbezeichnungen und je einen Stichpunkt darunter – gerade genug, um zu wissen, was der Abschnitt abdeckt.
• Hauptteil entwerfen (25–35 Minuten). Ich gehe Abschnitt für Abschnitt vor und schreibe gesprächig. Beim Schreiben redigiere ich nicht.
• Hook zuletzt schreiben (10 Minuten). Wenn ich genau weiß, was das Video liefert, schreibe ich 2–3 Hook-Varianten und nehme die stärkste.
• Laut-Lese-Korrektur (15 Minuten). Ich lese das komplette Skript einmal laut und markiere alles, wo ich stolpere oder was zu förmlich klingt.

Gesamt: etwa 60–75 Minuten für ein Skript zu einem 7–9-Minuten-Video, also rund 1.100–1.400 Wörter. Bei 140 WPM ergeben 1.260 Wörter 9 Minuten Video.

Bevor ich mit dem Skripten anfing, lag ich im Schnitt bei 12 Takes pro Video. Meine längste Session ohne Skript waren 34 Takes für ein 5-Minuten-Video. Dieses Video lief schlechter als alles, was ich in den zwei Monaten davor geskriptet hatte.

Checkliste vor der Aufnahme: zwei Schritte, bevor du drückst

Wenn das Skript steht und formatiert ist, machen zwei Disziplinen zuverlässig den Unterschied zwischen einem sauberen ersten Take und der nächsten Zwölf-Take-Session.

Eine Kernbotschaft festlegen, bevor du gliederst

Bevor du ein Wort schreibst, beantworte diese Frage: Was ist die eine Sache, die die Zuschauerin aus diesem Video mitnehmen soll? Schreib sie in einem Satz auf. Jeder Abschnitt des Skripts soll diesen einen Gedanken stützen oder ausbauen.

Skripte mit mehreren Botschaften ergeben unfokussierte Videos – und Zuschauende spüren diese fehlende Klarheit, auch wenn sie sie nicht benennen können. Das ist Disziplin vor dem Schreiben, nicht Struktur. Der Rahmen oben (Hook, Kontext, Hauptteil, CTA) sagt dir, wo etwas hingehört. Die Ein-Botschaft-Regel sagt dir, was überhaupt hineingehört. Leg die Kernbotschaft zuerst fest, und die Gliederung schreibt sich fast von selbst. Wenn du bei acht Abschnitten landest, hast du wahrscheinlich mehr als eine Botschaft – kürz, bis es fokussiert ist.

Das Skript vor der Aufnahme stoppen

Die Wortzahl-Rechnung aus dem Workflow oben (1.260 Wörter = 9 Minuten bei 140 WPM) ist ein guter Ausgangswert. Ein gestoppter Lesedurchgang ist aber verlässlicher als reine Arithmetik, weil dein Tempo bei einem konkreten Skript schwankt – dichte Abschnitte bremsen, dialogartige Passagen beschleunigen.

Bei 130 WPM braucht ein 10-Minuten-Video rund 1.300 Wörter. Lies das Skript laut, stell einen Timer und prüf die tatsächliche Laufzeit, bevor du die Kamera aufbaust. Läuft es zu lang, kürze – beschleunige nicht deinen Vortrag, um das auszugleichen, denn gehetztes Tempo fällt auf. Läuft es zu kurz, füll nicht auf. Ein knappes 8-Minuten-Video, das sein Versprechen vollständig einlöst, ist besser als ein aufgeblasenes 10-Minuten-Video, das sich wiederholt. YouTube Analytics macht die Kosten des Füllens sichtbar: Die durchschnittliche Wiedergabedauer bricht genau in dem Moment ein, in dem Zuschauende spüren, dass das Video zu treten beginnt.

Häufig gestellte Fragen