ASMR Video Ideen: 12 KI-Formate, die du heute Abend erstellst

ASMR Video Ideen landen online immer wieder in zwei Gräben: entweder eine Wand aus Tutorials darüber, welches Mikrofon man kaufen soll, oder eine Liste vager Stimmungswörter wie gemütlich, verregnet, ästhetisch. Keins von beidem hilft, wenn du heute Abend ein Short veröffentlichen willst. Das Format leistet bei ASMR die ganze Arbeit — der Trigger, den du wählst, das Bild, auf das du die Kamera fixierst, und die Art, wie der Loop endet, entscheiden, ob das Video fertigstellbar, scrollbar und mehrfach anschaubar ist.

Unten findest du 12 Kurzvideo-Formate — jedes ein komplettes Rezept —, die sauber durch einen KI-Generator + geflüsterten Voiceover + Untertitel laufen. Du kannst jedes davon in den Story Into Video Editor einfügen, das Standardmodell die Visuals übernehmen lassen und bis heute Abend ein fertiges Short von 30–90 Sekunden haben. Jedes Format endet mit einer einzeiligen Angabe zu Key sound und Key visual, damit du genau weißt, worauf du dich fixieren musst, und mit einem Button, der den Editor in einem neuen Tab mit bereits ausgefülltem Rezept öffnet.

Sensorische ASMR-Trigger-Ideen

Die klassischen ASMR-Formate leben alle hier. Flüstern, Tapping, persönliche Zuwendung — die drei Trigger, die das Genre aufgebaut haben. Sie funktionieren, weil die Kamera näher ist, als ein Fremder es je sein sollte, und der Ton lauter, als das Bild es zulassen sollte. Lehn dich in beides hinein.

1 — Geflüstertes Close-up

Das Bild ist ein einzelnes Studio-Kondensatormikrofon in extremer Nahaufnahme, der weiche Mesh-Popschutz schwebt knapp links der Mitte. Eine Silhouette mit Kapuze lehnt sich von rechts ins Bild — nah genug, dass der Atem das Metallgitter beschlägt —, doch das Gesicht bleibt die ganze Zeit außerhalb des Bildes. Das Video schneidet nie. Was sich bewegt, bewegt sich im Tempo von jemandem, der versucht, ein schlafendes Zimmer nicht zu wecken.

Der Ton trägt das gesamte Video. Ein geflüsterter Monolog läuft über die volle Dauer und streift zwei oder drei Wörter pro Sekunde gegen das Mikrofon, mit jenen sss- und kkk-Konsonanten, die sanft in den Popschutz ploppen. Darunter ein einzelner tiefer, warmer Raumton, nie lauter als das Flüstern. Das Bild ist nur da, um dem Ohr die Erlaubnis zum Entspannen zu geben.

Beende das Video dort, wo du angefangen hast: derselbe Winkel, dasselbe Streiflicht, die Silhouette zieht sich einen halben Zentimeter zurück, während das letzte geflüsterte Wort verklingt. Der Zuschauer sollte es loopen können, ohne die Nahtstelle zu bemerken.

Key sound: ein durchgehender geflüsterter Monolog, zwei bis drei Wörter pro Sekunde, hörbarer Atem zwischen den Phrasen. Key visual: ein Studio-Kondensatormikrofon in Nahaufnahme mit einer weichen Silhouette mit Kapuze, die sich von einer Seite hereinlehnt, kein Gesicht sichtbar.

2 — Tapping auf Objekten

Lege vier kleine Objekte in einer ruhigen Reihe auf eine dunkle Walnussplatte: eine Messingglocke, einen Topf mit Kupferdeckel, eine glatte Holzschachtel, eine dicke grüne Glasflasche. Die Kamera sitzt direkt darüber, fest fixiert. Ein Paar schlanker Hände tritt von unten ins Bild und bewegt sich von links nach rechts, tippt jedes Objekt mit einem anderen Finger und einem anderen Rhythmus an — Zeigefinger auf das Messing, Mittelfinger auf das Kupfer, Daumen auf das Holz, Ringfinger auf das Glas.

Das Sounddesign ist der ganze Kern des Videos. Jedes Material bekommt eine erkennbare Klangfarbe: helles metallisches Ping, dumpfes warmes Klopfen, hohler Sperrholz-Anschlag, gläserner Glockenklang. Versetze die Rhythmen so, dass sie sich schichten statt kollidieren — Messing auf den Schlag, Glas auf den Off-Beat, Holz als langsamer Puls darunter. Keine Musik. Nur die vier Klänge und der Raum.

Loope die Sequenz zweimal und ende auf der Fingerspitze, die zuerst berührt hat: Messing, eingefroren mitten im Tippen. Schneide auf Schwarz auf dem Nachhall, nicht auf dem Anschlag.

Key sound: vier eindeutige Tap-Klangfarben (Messing, Kupfer, Holz, Glas), geschichtet zu einem langsamen Rhythmus. Key visual: Aufsicht auf eine Reihe kleiner Objekte auf dunklem Holz, schlanke Finger treten von unten ein.

3 — Personal-Attention-POV

Die Kamera ist das Auge des Zuschauers. Das Bild ist ein Salonspiegel in weichem natürlichem Tageslicht, und die einzige Person darin ist von den Schultern aufwärts zu sehen — aber nie mit klarem Gesicht, weil der Winkel den Kopf gerade so leicht nach unten geneigt hält. Die Hände eines Stylisten treten von außerhalb des Bildes ein und beginnen eine langsame, bewusste Routine: das Haar nahe der Schläfe mit einem grobzinkigen Holzkamm scheiteln, es nach hinten glätten, eine einzelne Strähne mit zwei Fingerspitzen zurechtrücken.

Der Ton ist das nahe, weiche schh der Kammzinken, die durchs Haar gleiten, das kleine trockene Klicken von Holz auf Holz, wenn der Kamm auf eine Porzellanschale gelegt wird, das winzige Einatmen von jemandem, der sich konzentriert. Sprache, falls überhaupt, ist ein oder zwei Wörter auf einmal, keine ganzen Sätze — so, fast, okay. Der Zuschauer soll die persönliche Zuwendung als Klang spüren, nicht als Skript.

Ende auf einem einzelnen Moment der Stille: der Kamm abgelegt, die Hände ziehen sich über den Bildrand zurück, das Haar legt sich. Halte drei Sekunden Stille mit nur dem Raumton, dann schneide.

Key sound: Kammzinken im Haar, weiches Klicken von Holz auf Porzellan, hauchige Halbwörter. Key visual: eine Spiegel-POV mit Schultern und Teilkopf in weichem Tageslicht, Hände arbeiten von außerhalb des Bildes, kein klares Gesicht.

Häusliche ASMR-Ritual-Ideen

Das Ritual ist der zweite Motor von ASMR. Der Zuschauer lehnt sich heran, weil jemand auf der anderen Seite des Bildschirms einer kleinen Sache sehr genaue Aufmerksamkeit schenkt. Hände, Wasser, Stoff, dieselben Schritte in derselben Reihenfolge, jedes Mal.

4 — Hands-only Cooking ASMR

Eine reine Aufsicht auf ein mehlbestäubtes Eichenbrett. Ein Paar nackter Hände, die Ärmel bis zum Ellbogen hochgeschoben, knetet eine weiche Teigkugel in der Bildmitte, mit einer halbierten Orange oben links und einer kleinen Schale Meersalz oben rechts. Die Hände hören nie auf, sich zu bewegen. Das Gesicht tritt nie ein.

Baue den Ton als geschichtete Routine auf: das trockene Schaben von Mehl auf Holz, das nasse Dehnen des Teigs beim Ziehen und Falten, der helle knackige Schnitt, wenn ein Messer schließlich die Orange halbiert, das sanfte Tappen der Salzkörner, die gezupft und verstreut werden. Keine Musik, keine Erzählung. Das Wischen einer sich öffnenden Ofentür in der Ferne ist das einzige Ereignisgeräusch.

Ende, indem du den geformten Teig in eine wartende Schüssel hebst, eine letzte Prise Mehl darüber stäubst und die Hände aus dem Bild ziehst. Halte das leere Brett einen Moment — Mehl rieselt, legt sich — vor dem Ausblenden.

Key sound: Hand-auf-Teig-Dehnen, Mehl, das über Holz schabt, Messer durch Zitrusfrucht, verstreuende Salzkörner. Key visual: Aufsicht auf nackte Hände, die Teig auf einem mehlbestäubten Brett kneten, kein Gesicht.

5 — Bibliothek mit Seitenrascheln

Der Schauplatz ist ein langer Holz-Lesetisch in einer ruhigen Vintage-Bibliothek zur goldenen Stunde. Hohe Mahagoniregale füllen den Hintergrund. Eine messingfarbene Lampe mit blaugrünem Schirm leuchtet rechts. Die Kamera führt eine einzige langsame Fahrt über den Tisch — vorbei an einem aufgeschlagenen Hardcover mitten auf einer Seite, vorbei an einem Füller, der auf einem halb gefüllten Notizbuch ruht, vorbei an einer kleinen Porzellan-Teetasse, die leicht dampft.

Der Ton ist die ganze atmende Bibliothek. Alle sechs oder sieben Sekunden wird eine Seite mit einem langen faserigen schhh umgeblättert. Eine Feder kratzt eine einzelne sorgfältige Linie über Papier. Die Teetasse wird mit einem Porzellan-Tap auf ihre Untertasse zurückgestellt. Unter all dem ein tiefer Raumton — ferne Schritte weit den Flur hinunter, nie nah genug, um präsent zu sein.

Ende, indem du die Kamera zum aufgeschlagenen Buch zurückführst und das Bild stillhältst. Das Auge des Zuschauers sollte auf die Seite fallen, doch der Text sollte nie ganz lesbar sein.

Key sound: lange langsame Seitenwechsel, kratzender Füller, Porzellan auf Porzellan. Key visual: ein Vintage-Bibliotheks-Lesetisch mit einem aufgeschlagenen Buch, einem Füller und im tiefen Sonnenlicht treibendem Staub.

6 — Langsame Teezeremonie

Ziehe eine Kamera senkrecht von oben auf eine langsam ablaufende Teezeremonie. Ein Paar Hände arbeitet in einer engen Komposition: eine schwarze Keramik-Chawan mit hellem matchagrünem Pulver, ein Bambusbesen, eine schlanke Bambusschaufel, eine gusseiserne Tetsubin rechts. Ein einziges Dampfband steigt ständig aus dem Ausguss des Kessels auf. Die Hände eilen nie. Das Bild bewegt sich nie.

Der Ton ist die Zeremonie im Miniaturformat. Wasser, das aus der Tetsubin in die Schale gegossen wird — ein hoher dünner Strahl, dann ein dickerer Fall, dann ein nachlaufendes Tropfen. Der Bambusbesen bewegt sich in einer schnellen m-Form gegen die Innenseite der Chawan mit einem sanften, elektrisch wirkenden Surren. Ein Holzdeckel wird von der Matchadose gehoben und wieder aufgesetzt. Die ganze Sequenz dauert etwa sechzig Sekunden.

Ende auf der fertigen Schale, die still unter der Kamera gehalten wird, der Schaum gesetzt, ein einzelner Tropfen gleitet an der Außenwand der Chawan herab. Schneide auf Schwarz auf dem Tropfen, nicht auf einem Schluck.

Key sound: Wasser, das in Keramik gegossen wird, Bambusbesen gegen die Schale, wieder aufgesetzter Holzdeckel. Key visual: Aufsicht-Komposition aus einer schwarzen Chawan, einem Bambusbesen und einer gusseisernen Tetsubin mit aufsteigendem Dampf.

Sound-Prop-Loops

Wenn der Trigger ein einzelnes Umgebungsgeräusch ist, besteht die einzige Aufgabe des Bildes darin, ehrlich zu zeigen, woher der Ton kommt. Zeige die Oberfläche. Zeige die Quelle. Dann loope.

7 — Regen auf verschiedenen Oberflächen

Teile das Video in drei vertikale Drittel und nutze jedes als eigene Regenoberfläche. Linkes Drittel: dicke Regentropfen gleiten an einer klaren Fensterscheibe herab, dahinter eine verschwommene Stadtnacht. Mittleres Drittel: Regen prasselt in Nahaufnahme auf ein Wellblechdach, Wasser läuft in geraden hellen Linien ab. Rechtes Drittel: Regen tropft von breiten grünen Tropenblättern, jedes Blatt biegt sich unter dem Gewicht und schnellt zurück.

Der Ton schichtet alle drei Oberflächen, aber auf verschiedenen Mischpegeln, sodass das Ohr des Zuschauers einen herausgreifen und dort ruhen kann. Der Fenster-Strang sitzt mittel-tief und stetig. Das Blechdach klingt hell und perkussiv obendrauf. Die Blätter tropfen langsam und unregelmäßig darunter. Keine Musik. Kein menschlicher Laut.

Das Video braucht kein Ende — es braucht einen Loop. Passe die letzte Sekunde des Tons an die erste Sekunde des Tons an, sodass ein Zuschauer, der den Tab offen lässt, einen durchgehenden Regensturm hört.

Key sound: drei geschichtete Regenoberflächen (Fensterglas, Blechdach, nasse Blätter) auf verschiedenen Mischpegeln. Key visual: ein vertikales Triptychon-Bild mit drei gleichzeitigen Regentexturen.

8 — Kamin + Buch + Katze

Eine fest fixierte Weite eines Steinkamins bei Nacht, große Scheite glühen in orangefarbenen und purpurnen Flammen. Ein abgenutzter Ledersessel steht rechts, eine Tartandecke darüber drapiert und ein in Leder gebundenes Buch aufgeschlagen auf dem Sitz. Eine rote Tigerkatze ist am Fuß des Sessels auf dem Teppich zusammengerollt und atmet langsam. Keine Menschen. Nichts im Bild bewegt sich von selbst außer dem Feuer, der Katze und alle zwanzig Sekunden dem langsamen Heben und Senken der Decke, als hätte gerade jemand den Sessel verlassen.

Der Ton ist das ganze Video. Ein stetiges Knistern brennenden Holzes, gelegentliches Knacken und kleine Verschiebungen, wenn ein Scheit zusammenbricht, der schlafende Atem der Katze gerade noch hörbar auf dem Raumton. Lege das feinste Geräusch einer alten Uhr darunter, die irgendwo außerhalb des Bildes tickt. Keine Musik. Keine Sprache.

Loope das Video — das Feuer geht nie aus, die Katze wacht nie auf —, sodass ein Zuschauer, der es eine Stunde lang laufen lässt, sechzig Minuten warmes Zimmer bekommt.

Key sound: ein durchgehend knisterndes Holzfeuer, gelegentlicher Scheitkollaps, ferner Uhrentick, langsamer Katzenatem. Key visual: Steinkamin + Ledersessel + schlafende rote Katze in tiefem Bernsteinlicht.

9 — Eis knistert im Whiskyglas

Die Kamera sitzt auf Augenhöhe mit der Bartheke. Ein einzelner Kristalltumbler steht genau in der Mitte und enthält einen großen quadratischen Eiswürfel und einen großzügigen Schuss bernsteinfarbenen Whiskys. Der Raum dahinter ist gedämpft, mit weichem Bokeh von fernen Barlichtern. Sonst ist nichts im Bild. Das Video ist über die volle Dauer nur dieses Glas.

Der Ton läuft auf drei Schichten. Ein nahes Mikrofon am Eis fängt jeden haarfeinen Riss ein, während der Würfel sich in die warme Flüssigkeit setzt — scharfe kurze tnk-Laute, dann ein verzögertes tieferes Knacken, wenn sich ein Riss weitet. Ein zweites Mikrofon fängt das sanfte Zischen ein, mit dem Whisky neu freigelegtes Eis benetzt. Darunter ein tiefes Umgebungsbrummen einer ruhigen Bar — keine Stimmen, keine Musik, nur Luft und Kühlung. Ein- oder zweimal bricht ein kleiner Splitter ab und klirrt gegen die Glaswand.

Ende mit einem langsamen Zoom auf einen einzelnen frischen Riss, der von innen bernsteinfarben glüht, und halte drei Sekunden, bevor du auf Schwarz schneidest.

Key sound: Mikrorisse im Eis, Whisky, der Glas benetzt, tiefes Umgebungsbrummen der Bar. Key visual: ein einzelner Kristalltumbler mit einem zerspringenden Eiswürfel und bernsteinfarbenem Whisky, gedämpfte Bar dahinter.

Reise- und Natur-ASMR-Loops

Die letzte Gruppe funktioniert, weil der Zuschauer woanders ist. Setze ihn auf einen Fensterplatz, in eine Seilbahn, auf eine Veranda im Schnee — irgendwohin, wo er an seinem eigenen Nachmittag nicht ganz hinkommt — und lass die Klanglandschaft den Rest tragen.

10 — Fensterplatz im Nachtzug

Setze das Bild in einen Nachtzugwagen, die Kamera fest fixiert auf einem leeren Samt-Fensterplatz. Das Fenster daneben ist groß, schwarz, regenverschmiert, und vorbeiziehende bernsteinfarbene Stadtlichter blitzen in regelmäßigen Abständen als weiche verschwommene Kugeln vorbei. Eine gedämpfte Leselampe über dem Sitz wirft einen kleinen warmen Lichtkreis darauf. Keine Menschen. Der Wagen gehört dir allein.

Der Ton ist der Rhythmus eines fahrenden Zuges. Ein stetiges klack-klack, klack-klack der Räder über Schienenstöße, von den Wagenwänden leicht gedämpft. Ein leises metallisches Knarzen, während der Wagen seitlich schaukelt. Regen am Fenster als hohes konstantes Prasseln, mit gelegentlichen Böen, wenn der Zug eine Tunnelmündung passiert. Keine Durchsagen des Schaffners. Keine Musik.

Loope das Video um den Rhythmus des Zuges: passe ein Rad-Klack an ein Stadtlicht-Blitzen an und lass beides über die Dauer wiederholen. Der Zuschauer sollte das Gefühl haben, am Fenster einschlafen und die nächste Station verpassen zu können.

Key sound: rhythmisches Rad-auf-Schiene-Klacken, Regen am Fensterglas, leises Wagenknarzen. Key visual: ein leerer Fensterplatz in einem Nachtzug mit vorbeiziehenden bernsteinfarbenen Lichtern und regenverschmiertem Glas.

11 — Seilbahn durch verschneite Berge

Die Kamera ist die Gondel. Der Blick geht gerade aus dem Frontfenster: eine neblige schneebedeckte Alpenlandschaft, die sich in die weiße Ferne erstreckt, zwei dicke Tragseile, die in der Wolke verschwinden, und alle fünfzehn Sekunden gleitet rechts ein Stahl-Stützmast vorbei mit einem scharfen metallischen Schatten über das Bild. Das Licht ist bedeckt und kalt. Nichts in der Kabine ist menschlich.

Der Ton ist aus drei stetigen Elementen gebaut. Das tiefe konstante Brummen des Seils, das durch das Rollengehäuse über der Kabine läuft. Ein hoher dünner Wind, der über den Metallrahmen der Gondel pfeift. Ein rhythmisches Tonk, jedes Mal, wenn die Seilbahn ein Stützmastrad überquert — der Soundtrack zu „wir bewegen uns immer noch vorwärts". Keine Musik. Keine Stimmen.

Ende, indem du auf einem vorbeiziehenden Mast hältst — Rad-Tonk, Schatten fegt über den Kabinenboden — und schneide auf Schwarz an der äußeren Kante des Schattens.

Key sound: Seilbrummen über Kopf, dünner Wind über Metall, rhythmische Mast-Tonks. Key visual: POV durch ein Gondel-Frontfenster auf verschneite Berge, ein vorbeiziehender Stahlmast-Rahmen.

12 — Hüttenveranda bei leichtem Schneefall

Die Kamera sitzt auf einer breiten hölzernen Hüttenveranda in der Dämmerung und rahmt zwei leere Schaukelstühle vor einem schneebestäubten Kiefernwald. Eine zusammengefaltete Wolldecke liegt auf dem näheren Stuhl. Ein warmes gelbes Laternenlicht fällt aus dem Hüttenfenster rechts dahinter und beleuchtet die Verandadielen gerade genug, um den Schneefall zu sehen. Schneeflocken treiben stetig durchs Bild, hören nie auf.

Der Ton ist ein ruhiger Abend im Freien. Eine gedämpfte Decke aus fallendem Schnee auf Holz und Kiefernnadeln. Das langsame Knarren eines Schaukelstuhls, der sich im Wind verschiebt — nie mehr als einen Zentimeter. Weit in der Ferne ruft eine Eule zweimal, dann nichts. Drinnen in der Hütte hinter der Kamera dringt das feinste Knistern eines Feuers durchs Fenster. Keine Musik. Keine Worte.

Halte das Bild über die volle Dauer still und lass den Schnee die Bewegung machen. Ende auf einer einzelnen großen Flocke, die auf dem Sitz des leeren Schaukelstuhls landet, einen Moment der Stille, Schnitt auf Schwarz.

Key sound: gedämpfter Schneefall, langsames Stuhlknarren, ferne Eule, leises fensterzgedämpftes Feuerknistern. Key visual: eine verschneite Hüttenveranda mit zwei leeren Schaukelstühlen und einem warmen Laternenlicht.

---

Zwölf Formate reichen für einen Posting-Kalender, der sich drei Monate lang nicht wiederholt. Wähle das, dessen Key sound du bereits hören kannst — das ist das, was beim ersten Take am saubersten aufnimmt. Wenn sich ein Format für die Plattform, auf der du postest, zu lang anfühlt, halte den Loop enger; wenn es sich zu kurz anfühlt, verlängere die Mitte und straffe das Ende. Der Punkt ist, heute Abend eins zu veröffentlichen und morgen für das nächste wiederzukommen.