Du filmst mit dem Handy, wie du ein MacBook oder ein iPhone hältst und drehst. Aus dem ersten Frame baust du ein Standbild mit schwebendem Glas-Interface oder AR-Callouts. Google Flow legt dieses Overlay zurück auf dein Video und trackt es rigide am Gerät, es kippt mit, wird perspektivisch schmaler und bleibt exakt dort, wo es hingehört.
Zwei Geräte, zwei Overlay-Arten, beide aus einem Handy-Clip und einem Standbild
Vier Bausteine, die aus einem wackeligen Handy-Clip eine Aufnahme machen, die aussieht, als wäre sie in einem Compositing-Programm getrackt worden, ohne einen einzigen Tracking-Marker.
Der ganze Trick beginnt mit einem Screenshot des ersten Frames. Auf diesem einen Standbild baust du das Overlay in aller Ruhe im Bildmodell auf, so lange, bis Layout, Glas und Typografie sitzen. Erst danach kommt das Video dazu. Flow muss dann nur noch bewegen, was du bereits final gestaltet hast, statt Aussehen und Bewegung gleichzeitig zu erfinden.
Bildmodelle räumen Interfaces liebend gern auf: Sie fassen Module zu einem großen Panel zusammen, vereinheitlichen Abstände und tauschen Icons gegen ähnlich aussehende. Genau das zerstört die Wiedererkennung. Deshalb steht im Prompt mehrfach, dass jedes Modul seine eigene Glaskarte bleibt und Layout, Proportionen, Icons und Farben unverändert übernommen werden.
Beide Varianten sind technisch möglich, und ohne Ansage wählt das Modell die einfachere: Das Overlay bleibt flach an derselben Stelle im Bild kleben, der Untertitel-Look. Gewollt ist das Gegenteil. Deshalb steht wörtlich im Prompt, dass das Tracking starr und physisch am Objekt hängt, nicht im Screen-Space: mitdrehen, perspektivisch schmaler werden, mit der Entfernung skalieren.
Wenn alles sofort da ist, wirkt das Overlay wie ein aufgeklebtes Bild. Deshalb schreibt der Prompt eine Reihenfolge vor: Am Anfang ist nur das Gerät zu sehen, dann fahren die Karten nacheinander aus dem Display heraus an ihren Platz. Ab dem Moment, in dem alles sichtbar ist, ändert sich nichts mehr am Arrangement, es hängt nur noch fest am Gerät und macht dessen Bewegung mit.
Das Bildmodell gestaltet, das Videomodell trackt.
Ein Videomodell ist schlecht darin, saubere Interfaces zu erfinden: Icons wandern, Text flackert, Abstände atmen. Ein Bildmodell kann das exzellent, hat aber keine Zeitachse. Die Aufteilung nutzt beide Stärken: Nano Banana oder ChatGPT bauen das perfekte Standbild, Flow übernimmt danach nur noch die Bewegung.
Bild und Video starten im selben Frame.
Weil das Referenzbild auf dem ersten Frame des Videos aufbaut, stimmen Perspektive, Ausschnitt, Licht und Gerätegröße von Sekunde null an überein. Flow muss nichts umrechnen, sondern nur weiterführen. Nimmst du ein anderes Foto desselben Geräts, springt das Overlay am Anfang sichtbar auf seine Position.
Transluzent ja, eingefärbt nein.
Ohne Ansage nimmt das Modell das Wallpaper hinter der Karte auf und färbt das Glas damit ein, dann verschwindet das Interface im Hintergrund und sieht bei jeder Drehung anders aus. Der Prompt trennt beides sauber: Milchglas mit Kantenlicht, Brechung und weichem Schatten, aber jede Karte behält ihr eigenes, sauberes Frosted-Aussehen, egal was dahinter liegt.
140 Prozent statt brav im Rahmen.
Bleibt das Overlay innerhalb der Displayfläche, liest das Auge es als Bildschirminhalt, der räumliche Eindruck fällt weg. Deshalb steht eine konkrete Zahl im Prompt: Das Interface überragt das Gerät in Breite und Höhe und belegt rund 140 Prozent seiner Grundfläche. Genau dieser Überstand erzeugt das Gefühl, dass die Karten vor dem Gerät in der Luft hängen.
01 · SaaS & App-Marketing
Statt einer Bildschirmaufnahme, die jeder wegscrollt, hältst du das Gerät in der Hand und deine eigene Oberfläche schwebt als Glaskarten davor. Das Control Center ist hier nur die Vorlage, du lädst genauso den Screenshot deines Dashboards, deiner App oder deines Konfigurators als zweite Referenz hoch.
02 · Produkt-Launch & Tech-Reels
Die iPhone-Variante ist im Kern ein animiertes Datenblatt: Beschriftungen mit Verbindungslinien hängen an Kamera, Display, Chip und Anschluss und drehen sich mit dem Gerät. Für Hardware-Launches, Zubehör und Refurbished-Shops ist das der Clip, der sonst ein Studio und einen Motion-Designer gekostet hätte.
03 · Agentur- & Konzept-Pitch
Wer ein Interface-Konzept für Vision Pro, Automotive-Displays oder ein AR-Feature verkaufen will, zeigt es am besten im Raum statt im Rechteck. Ein zehn Sekunden langer Clip, in dem das Konzept vor einem echten Gerät hängt und mitdreht, ersetzt eine ganze Reihe statischer Mockup-Folien.
04 · Schulung & Erklärvideo
Der Effekt endet nicht bei Apple-Geräten. Alles, was du in der Hand halten und drehen kannst, lässt sich so beschriften: ein Werkzeug, ein Ersatzteil, ein Messgerät, eine Maschine. Weil die Labels am Objekt hängen statt am Bildrand, zeigen sie auch dann auf die richtige Stelle, wenn du das Teil vor der Kamera wendest.
Teil 1 baut aus deinem Standbild und dem Control-Center-Screenshot das schwebende Glas-Interface. Teil 2 legt dieses Bild zurück auf dein Video und trackt es am MacBook. Teil 3 ist die iPhone-Route: Sie trackt ein bereits beschriftetes Produktbild, ohne dass ein neues Interface gebaut werden muss.
=== TEIL 1: DAS GLAS-INTERFACE BAUEN (Bildmodell, z. B. Nano Banana oder ChatGPT) === Hochladen: 1) Screenshot des ersten Frames deines Laptop-Videos 2) eng zugeschnittener Screenshot des iPhone-Kontrollzentrums (nur Interface, kein Hintergrund) Using the uploaded laptop photo and the provided iPhone Control Center as references, transform the Control Center into an Apple Vision Pro-style spatial interface floating above the laptop. The interface must not be a single panel. Recreate it as multiple independent floating glass cards, exactly matching Apple's original layout. Every module should remain its own separate glass panel with identical spacing, proportions, hierarchy, icons, colors, typography, and arrangement. Scale the entire interface to be larger than the laptop, extending beyond the display in both width and height. The floating workspace should feel expansive, with the combined arrangement occupying roughly 140% of the laptop's footprint, while keeping every module perfectly balanced. Each glass card should feel like a physical object suspended in space. Use premium Apple's liquid glass materials with translucency, soft background blur, realistic glass thickness, subtle edge highlights, gentle internal reflections, light refraction, and soft natural shadows. The interface should look identical to Apple's glass UI found in Vision Pro. The glass must remain visually independent. Do not allow the laptop wallpaper, desktop, or surrounding environment to blend into, tint, or affect the interface. Each card should maintain its own clean frosted appearance regardless of what is behind it. Every card should be anchored to the laptop in 3D space, floating naturally several inches in front of the screen with accurate perspective and depth. The interface should feel like it originates from the laptop while remaining suspended in mid-air. Do not merge cards together. Do not redesign, simplify, stretch, crop, rearrange, or modify any UI elements. Preserve every detail exactly. Avoid sci-fi holograms, neon glows, projection beams, blue lighting, or futuristic visual effects. This should resemble Apple's spatial computing interface, not a hologram. Transparent glass see through, like liquid glass. === TEIL 2: TRACKING AUF DEM MACBOOK (Google Flow) === Hochladen: 1) dein Original-Video 2) das Bild aus Teil 1 Use the uploaded video as the base video and the uploaded image as the visual reference. At the beginning of the video, only the laptop is visible. The floating glass interface gradually appears from the laptop screen, with each card smoothly animating into place one after another. Once fully visible, keep the interface perfectly attached to the laptop for the rest of the video. As the laptop moves, rotates, and tilts, the interface follows naturally with accurate tracking. Keep the layout, glass appearance, and positioning similar to the reference image. Do not change the video or background. === TEIL 3: TRACKING AM IPHONE / AN JEDEM OBJEKT (Google Flow) === Hochladen: 1) dein Original-Video 2) das bereits beschriftete Produktbild (Callouts, Labels, Linien, auf dem ersten Frame aufgebaut) Apply precise 3D motion tracking to the existing text and UI graphics. The text and callout elements must: Stay perfectly locked to the object Be anchored to a consistent surface point Move naturally with the hand and object Maintain correct 3D perspective and depth React accurately to rotation and tilt Preserve proper scale relative to distance from camera Tracking must feel rigid and physically attached to the object, not screen-space tracked. No drifting No sliding No jitter Clean, professional AR-style overlay.
Clip drehen: Gerät halten, kippen, drehen
Film dich mit dem Handy dabei, wie du das MacBook oder iPhone hältst und über die ganze Aufnahme hinweg natürlich bewegst: kippen, leicht drehen, nicht ruckartig reißen. Acht bis zehn Sekunden reichen. Wichtig ist gleichmäßiges Licht und ein Hintergrund, der ruhig bleibt; je sauberer die Bewegung, desto stabiler klebt das Overlay später.
Ersten Frame als Standbild ziehen
Öffne den Clip, spule ganz an den Anfang und mach einen Screenshot vom ersten Bild. Genau dieses Standbild ist die gemeinsame Grundlage von Bild und Video, deshalb kein anderes Foto verwenden, auch wenn es dasselbe Gerät zeigt.
Das Overlay auf dem Standbild aufbauen
Für die MacBook-Route brauchst du eine zweite Referenz: einen Screenshot deines iPhone-Kontrollzentrums, eng zugeschnitten, sodass wirklich nur die Oberfläche zu sehen ist. Beides zusammen plus Teil 1 des Prompts ergibt das schwebende Glas-Interface. Für die iPhone-Route baust du stattdessen direkt ein beschriftetes Produktbild mit Callouts und Verbindungslinien auf demselben Standbild.
Video plus Bild in Flow, Tracking-Prompt einfügen
In Google Flow beides hochladen: den Original-Clip als Basis-Video und das fertige Bild als visuelle Referenz. Dann Teil 2 (MacBook) beziehungsweise Teil 3 (iPhone) vollständig einfügen. Seitenverhältnis 9:16, Modell Veo 3.1. Am Prompt nichts kürzen, die Aufzählungen sind das, was das Tracking starr statt flach macht.
Zwei Stellen prüfen: Sekunde eins und die stärkste Drehung
Am Anfang darf das Overlay nicht sichtbar auf seine Position springen, passiert das, stammt dein Bild nicht wirklich vom ersten Frame. Und an der Stelle mit der größten Drehung muss das Overlay perspektivisch schmaler werden statt flach stehen zu bleiben. Sind beide Stellen sauber, hält der Rest des Clips fast immer.
Ein Handy-Clip, ein Standbild, drei Prompts, und dein Interface dreht sich mit, als wäre es wirklich da.