Was ist Sora? OpenAIs Video-KI einfach erklärt (2026)

Ein Video, in dem ein Grizzlybär in der Fußgängerzone Brezeln verkauft — in Full HD, mit passendem Ton, erzeugt aus einem einzigen Satz. Genau das ist Sora. OpenAI hat seine Video-KI seit der ersten Version ordentlich nachgelegt, und mit Sora 2 ist aus der Spielerei ein ernstzunehmendes (und teils beunruhigendes) Werkzeug geworden. Hier erfährst du, was Sora kann, wie es funktioniert — und wo Vorsicht angebracht ist.

Kurz erklärt: Sora ist die Video-KI von OpenAI (den Machern von ChatGPT). Sie erzeugt aus einer Textbeschreibung, einem Bild oder einem vorhandenen Video kurze, realistische Videoclips — mit der aktuellen Version Sora 2 sogar samt passendem Ton.

Was ist Sora — und was ist neu an Sora 2?

Sora verwandelt Text in Video: Du beschreibst eine Szene, Sora erzeugt daraus einen Clip. Die erste Version lieferte stumme Clips. Sora 2 hat mehrere Sprünge gemacht:

• Typische Länge: rund 10 bis 25 Sekunden pro Clip.
• Ton inklusive: synchroner Dialog, Geräusche und Umgebungston werden mitgeneriert — Bild und Ton in einem Rutsch.
• Bis zu Full HD (1080p) — je nach Abo-Stufe.
• Mehr physikalische Genauigkeit: Bewegungen und Abläufe wirken realistischer und lassen sich besser steuern.
• Remix: Du kannst ein bestehendes Video gezielt anpassen, statt alles neu zu erzeugen.
• Cameo: Über ein kurzes Freigabe-Video kannst du dein eigenes Abbild in generierte Videos einsetzen — genau hier liegt auch das größte Risiko (siehe unten).

Wie funktioniert Sora — einfach erklärt

Ohne Technik-Studium: Sora arbeitet mit einem sogenannten Diffusions-Transformer. Vereinfacht gesagt startet das Modell mit einem verrauschten Bildbrei und „schält“ daraus Schritt für Schritt ein sauberes Bild heraus — und das für alle Bilder des Clips gleichzeitig, weshalb nichts ruckelt und die Bewegungen stimmig bleiben. Das Video wird dabei in kleine Häppchen zerlegt und über die Zeit behandelt, ähnlich wie ein Sprachmodell Text in Wortbausteine zerlegt. Deshalb versteht Sora nicht nur „was“ im Bild ist, sondern auch, wie es sich über die Zeit bewegen soll.

Füttern kannst du Sora auf drei Wegen: mit Text, mit einem Bild (das zum Leben erweckt wird) oder mit einem bestehenden Video, das verändert wird.

Wo und was kostet Sora?

Sora nutzt du über die Sora-App und im Browser (sora.com) sowie teils direkt im Rahmen eines ChatGPT-Abos. Der Start war zunächst auf einzelne Länder begrenzt und wurde nach und nach ausgeweitet; die Verfügbarkeit in Deutschland und die genauen Kosten hängen von deiner Abo-Stufe ab (Stand: Herbst 2026). Prüfe im Zweifel die aktuelle Info direkt bei OpenAI.

Die Schattenseite: Sora und Deepfakes

So beeindruckend die Cameo-Funktion ist — sie senkt die Hürde für Deepfakes drastisch. Offiziell braucht es dafür die Einwilligung der Person: Sie muss selbst ein Freigabe-Video aufnehmen. Aber solche Schranken haben Löcher, und längst nicht jedes Video-Tool hat überhaupt welche. Unterm Strich gilt trotzdem: Realistische Fake-Videos sind alltagstauglich geworden, nicht mehr nur etwas für Profis.

Immerhin: Sora-Videos tragen ein sichtbares Wasserzeichen und zusätzlich unsichtbare Herkunfts-Daten. Verlass dich aber nicht darauf — beides lässt sich abschneiden oder entfernen. Deshalb gilt: Nur weil ein Video echt aussieht und Ton hat, ist es noch lange nicht echt. Wie du Fälschungen erkennst und dich schützt, zeigen wir dir ausführlich in unserem Ratgeber Deepfakes erkennen. Und woran du generell KI-erzeugtes Material entlarvst, steht im Artikel KI-Slop erkennen.

Für wen lohnt sich Sora?

Für Kreative, Social-Media-Macher und alle, die schnell Bewegtbild brauchen, ohne Kamera und Schnitt, ist Sora ein starkes Werkzeug — es spart Kamera, Schnitt und Drehtag. Für den Alltag der meisten Menschen ist es vor allem wichtig zu wissen, dass es existiert — damit du weißt, dass ein „Video-Beweis“ heute kein Beweis mehr ist.

Fazit

Sora zeigt, wie weit KI-Video gekommen ist: aus Text wird in Sekunden ein Clip mit Ton. Für Kreative ist das ein Geschenk. Für alle anderen heißt es: Trau keinem Video mehr, nur weil es echt aussieht und Ton hat. Durchblick statt Durcheinander — auch beim bewegten Bild.

Lies auch

KI-SicherheitSmart-TV im Botnetz: Was Residential Proxies sind – und wie du prüfst, ob dein Gerät betroffen ist

KI-SicherheitPrompt Injections: Wie Hacker KI-Systeme manipulieren

KI-SicherheitPasswoerter und API-Keys: Was du NIEMALS in ChatGPT eingeben solltest