Unser Team hat ein klassisches Problem gelöst, das vermutlich jedes wachsende Entwicklerteam kennt: Die Onboarding-Doku liest niemand, und für Videos hat niemand Zeit.
Die Lösung war unspektakulär pragmatisch. Wir generieren die Videos jetzt direkt aus den Dokumenten, die wir sowieso pflegen. Kein Kamera-Setup, kein Schnittprogramm, keine zusätzliche Content-Pipeline.
Dieser Post beschreibt den Workflow, die Einstellungen, die tatsächlich einen Unterschied machen, und die Stellen, an denen der Ansatz an seine Grenzen stößt.
Ausgangslage: 40 Seiten Confluence, die keiner liest
Wir sind ein Team von elf Leuten. Unsere Onboarding-Doku war solide gepflegt: Architektur-Überblick, Deployment-Prozess, Coding-Standards, Incident-Runbooks.
Das Problem war nicht die Qualität. Das Problem war das Format. Neue Kollegen bekamen in der ersten Woche einen Berg Text, und die immer gleichen Fragen landeten trotzdem im Team-Channel.
Der naheliegende Gedanke "machen wir doch Videos draus" scheiterte zweimal an der Realität: Wer selbst aufnimmt, produziert bei unserem Doku-Umfang wochenlang. Und bei jedem Release veraltet ein Teil der Aufnahmen.
Der Kerngedanke: Docs bleiben die Source of Truth
Der Ansatz, der bei uns funktioniert, folgt derselben Logik wie Docs-as-Code: Es gibt genau eine Quelle, und alles andere ist ein generiertes Artefakt.
Das Dokument bleibt das Original. Das Video wird daraus erzeugt. Ändert sich der Inhalt, wird das Dokument editiert und das Video neu generiert.
Damit verschwindet das Problem, das jede Video-Initiative in Teams killt: der Pflegeaufwand. Ein veraltetes Video ist bei uns kein Neuaufnahme-Projekt mehr, sondern ein Regenerieren mit aktualisierter Quelle.
Der Workflow im Detail
Wir nutzen dafür den AI-Learning-Video-Generator von Leadde. Der Ablauf besteht aus vier Schritten.
Schritt 1: Dokument hochladen
Unterstützt werden .pptx, .pdf, .doc, .docx und .txt bis 500 MB. Wir exportieren die jeweilige Doku-Seite als PDF oder Word-Datei.
Ein Detail, das uns Arbeit erspart hat: Diagramme und Screenshots aus dem Quelldokument werden geprüft und, wenn brauchbar, direkt ins Video übernommen. Unsere Architektur-Diagramme mussten wir nicht neu bauen.
Alternativ akzeptiert das Tool auch reinen Text oder einen Prompt, aus dem es selbst eine Struktur baut. Für Doku-Fragmente ohne saubere Datei ist das der schnellere Weg.
Schritt 2: Output konfigurieren
Die Einstellungen, die bei uns den Unterschied machen:
- Avatar: über 200 zur Auswahl. Wir haben einen festgelegt und verwenden ihn für die gesamte Serie. Konsistenz schlägt Abwechslung.
- Länge: vier Presets. Zusammenfassung (1 bis 3 Minuten), ausgewogen (3 bis 5), vertieft (5 bis 7), umfassend je nach Quellumfang. Für Onboarding-Module nehmen wir fast immer das ausgewogene Preset.
- Sprache: 88 Optionen. Wir generieren auf Deutsch und für zwei englischsprachige Kollegen zusätzlich auf Englisch, aus derselben Quelle.
Der unterschätzte Teil sind die Kontextfelder unter "Weitere Einstellungen": Erzählstil, Zielgruppe, Sprecherhintergrund, Lernziel. Ein Skript, das mit "Zielgruppe: Backend-Entwickler, neu im Team, kennt unseren Stack nicht" generiert wurde, unterscheidet sich deutlich von einem ohne Kontext. Diese Felder leer zu lassen ist der häufigste Anfängerfehler.
Schritt 3: Skript reviewen, wie ein Pull Request
Nach der Analyse liefert das Tool eine Gliederung plus komplettes Sprecherskript. Dann gibt es zwei Buttons: im Studio editieren oder direkt generieren.
Wir behandeln das Skript wie einen PR: Es wird nie ungelesen gemerged. Der Review dauert bei uns zehn Minuten pro Video und folgt einer festen Checkliste:
- Einstieg umschreiben. Die generierten Intros sind korrekt, aber generisch.
- Fachbegriffe prüfen. Interne Projektnamen und Abkürzungen paraphrasiert die KI gern falsch.
- Aussprache fixen. Dafür gibt es ein eigenes Tool; einmal korrigiert, sitzt der Begriff in allen folgenden Videos.
Für Serien-Konsistenz nutzen wir zusätzlich die Knowledge-Base-Funktion: Referenzmaterial hinterlegen, damit die Terminologie über alle Videos stabil bleibt statt zu driften.
Schritt 4: Generieren und Stichprobe
Die Generierung läuft ein paar Minuten pro Video. Wir queuen mehrere und reviewen im Block.
Der finale Check: Untertitel kontrollieren (automatisch generiert, Styling anpassbar), Szenenübergänge prüfen, einmal komplett in 1,5-facher Geschwindigkeit ansehen. Einzelne Szenen lassen sich isoliert korrigieren, ohne den Rest anzufassen. Das macht Wartung realistisch.
Zahlen nach drei Monaten
- 22 Onboarding-Module als Video, generiert aus bestehender Doku. Reale Arbeitszeit: rund 8 Stunden insgesamt.
- Aufwand pro Video: 15 bis 25 Minuten, der Großteil davon Skript-Review.
- Zwei Releases mit Doku-Änderungen seither. Update-Aufwand: Dokument editieren, regenerieren, fertig. Früher wäre das der Punkt gewesen, an dem die Videos verwaist wären.
Der messbare Effekt im Team: Die Wiederholungsfragen im Channel sind spürbar zurückgegangen, und neue Kollegen kommen mit konkreteren Fragen in die erste Pairing-Session. Kein kontrolliertes Experiment, klar. Aber der Trend war deutlich genug, dass wir den Rest der Doku nachziehen.
Wo der Ansatz an Grenzen stößt
Drei ehrliche Einschränkungen.
Erstens: Das Skript braucht immer einen menschlichen Review. Die Struktur stimmt, der Ton ist austauschbar. Wer ungeprüft published, bekommt eine Videobibliothek, die klingt wie von einer Maschine, weil sie es ist.
Zweitens: Ein Avatar ersetzt keinen guten Live-Workshop. Für interaktive Formate, Pairing und Architektur-Diskussionen bleibt der Mensch gesetzt. Die generierten Videos decken den reproduzierbaren Teil ab, nicht den dialogischen.
Drittens: Garbage in, garbage out. Schlecht strukturierte Doku ergibt schlecht strukturierte Videos. Der Ansatz belohnt Teams, die ihre Doku ohnehin ernst nehmen, und bestraft die anderen doppelt.
Integration in den bestehenden Doku-Prozess
Der Workflow oben beschreibt das Generieren. Interessanter ist, wie das Ganze dauerhaft im Team-Prozess lebt, ohne dass es eine Person "nebenbei" tragen muss.
Unsere Regeln nach drei Monaten Iteration:
Ownership folgt der Doku. Wer ein Doku-Kapitel pflegt, pflegt auch dessen Video. Kein separates Video-Team, keine Übergabe. Das Video ist ein Artefakt des Kapitels, wie ein generiertes Diagramm.
Regenerieren ist Teil der Definition of Done. Ändert ein PR die Onboarding-Doku substanziell, gehört das Neu-Generieren des betroffenen Videos zur Fertigstellung. Klingt streng, kostet real aber die erwähnten 15 bis 25 Minuten und verhindert das schleichende Veralten, an dem unsere früheren Video-Anläufe gestorben sind.
Ein Namensschema von Anfang an. Videos heißen bei uns wie die Doku-Kapitel, aus denen sie stammen, plus Versionsdatum. Banal, aber die Zuordnung Quelle-zu-Video muss ohne Nachdenken funktionieren, sonst regeneriert irgendwann jemand aus der falschen Version.
Quartalsweise Stichprobe. Einmal pro Quartal sieht sich ein Teammitglied drei zufällige Videos komplett an. Findet es veraltete Inhalte, war der Prozess davor undicht. Bisher zweimal passiert, beide Male ein fehlendes Regenerieren nach Doku-Änderung.
Was wir bewusst nicht tun: Videos für Inhalte generieren, die sich wöchentlich ändern. Sprint-spezifisches bleibt Text. Die Video-Schicht lohnt sich ab einer Halbwertszeit von ungefähr einem Quartal, darunter frisst die Pflege den Nutzen.
FAQ aus dem Team-Channel
Braucht man Video-Editing-Kenntnisse?
Nein. Der Editor funktioniert wie ein Folien-Tool, nicht wie ein Schnittprogramm. Hochladen, konfigurieren, Skript reviewen, generieren. Wer Slides bauen kann, kann das hier auch.
Wie gut ist das deutsche Voiceover?
Besser als erwartet, mit einer Einschränkung: Fachbegriffe und Projektnamen brauchen gelegentlich einen manuellen Aussprache-Fix. Der ist einmalig pro Begriff und gilt danach für alle Videos.
Was kostet ein Video an Zeit?
Nach der Einrichtungsphase 15 bis 25 Minuten Eigenaufwand. Die ersten zwei, drei Videos dauern länger, weil man seine Einstellungen noch sucht. Danach ist es Routine.
Lohnt sich das für kleine Teams?
Gerade für kleine. Große Organisationen haben L&D-Abteilungen; kleine Teams haben niemanden, dessen Job das ist. Genau diese Lücke füllt der generierte Ansatz.
Was ist mit vertraulichen Inhalten in der Doku?
Wir trennen vorher: Onboarding-Inhalte, die ins Video dürfen, liegen in eigenen Kapiteln, getrennt von Secrets, Kundendaten und internen Details. Diese Trennung hatten wir aus Doku-Hygiene ohnehin, sie zahlt sich hier doppelt aus. Zusätzlich lassen sich veröffentlichte Videos mit Passwortschutz versehen, was wir für teaminterne Module standardmäßig tun.
Warum nicht einfach Loom-Aufnahmen?
Haben wir davor gemacht, und die Aufnahmen waren nach zwei Releases veraltet und wurden nie aktualisiert, weil Neuaufnehmen Aufwand ist. Screencasts sind super für einmalige Erklärungen an eine Person. Für wiederverwendbare Module mit Update-Bedarf verliert das Format gegen generierte Videos, deren Quelle ein editierbares Dokument ist.
Fazit und Einstiegspunkt
Wer seine Onboarding-Doku pflegt und trotzdem zusieht, wie sie ungelesen bleibt, hat das Rohmaterial bereits fertig. Der Rest ist Transformation, keine Produktion.
Der pragmatische Test: das meistgefragte Doku-Kapitel exportieren und damit E-Learning-Videos selbst erstellen, mit ausgewogenem Preset und ausgefüllten Kontextfeldern. Nach einer halben Stunde liegt das erste Modul vor, und die Entscheidung fällt auf Basis eines echten Ergebnisses statt einer Produktseite.
Bei uns hat genau dieses eine Testvideo den Ausschlag gegeben. Die anderen 21 kamen, weil das erste gut genug war.
Fragen zum Workflow gern in die Kommentare. Insbesondere Erfahrungen mit anderen Doku-zu-Video-Pipelines würden mich interessieren; unser Setup ist bewusst simpel gehalten, und ich bin sicher, da geht noch mehr.
Ein Punkt, den ich als Nächstes testen will: die Analytics-Daten der Videos systematischer auswerten. Die Plattform zeigt pro Video, wie weit geschaut wird, und die Abbruchstellen unserer Onboarding-Module sind vermutlich die ehrlichste Doku-Review, die wir je hatten. Wo Leute aussteigen, ist entweder das Video zu lang oder das zugrunde liegende Kapitel schlecht strukturiert. Beides ist ein Fix im Quelldokument, kein Video-Problem. Wenn sich daraus etwas Brauchbares ergibt, schreibe ich einen Follow-up-Post.
Top comments (0)