Stable Diffusion lokal installieren: Anleitung und Modelle

Stable Diffusion ist ein quelloffenes KI-Bildmodell von Stability AI, das sich kostenlos auf dem eigenen Rechner installieren lässt: Für SDXL reicht eine NVIDIA-Grafikkarte mit 8 GB VRAM, als Oberfläche dienen Comfy Desktop oder Forge, die Bilder entstehen offline und ohne Abo.

Rubrik: GenAI & Content Creation · Unterrubrik: Tools · Niveau: Einsteiger Synonyme / Auch bekannt als: SD, SD 1.5, SDXL, Stable Diffusion XL, SD 3.5, Latent Diffusion, lokale Bild-KI

Was ist Stable Diffusion?

Stable Diffusion ist ein KI-Bildgenerator, dessen Modellgewichte frei heruntergeladen und lokal betrieben werden dürfen. Wer Stable Diffusion lokal installiert, braucht eine Grafikkarte mit mindestens 8 GB Videospeicher, eine Oberfläche wie Comfy Desktop oder Forge und ein Modell wie SDXL oder SD 3.5; danach läuft die Bildgenerierung ohne Cloud, ohne laufende Kosten und ohne dass Prompts oder Bilder den Rechner verlassen. Entwickelt wurde das Modell 2022 von der CompVis-Gruppe der LMU München zusammen mit Runway und Stability AI, veröffentlicht hat es Stability AI im August 2022.

Erklärung

Funktionsprinzip: Latent Diffusion

Stable Diffusion ist ein Latent Diffusion Model (Rombach et al., 2022). Statt direkt auf Pixeln zu rechnen, arbeitet es in einem komprimierten Latenzraum, was den Rechenaufwand so weit senkt, dass Consumer-Grafikkarten ausreichen. Der Prozess startet mit Rauschen, das in 20 bis 30 Schritten (Steps) entrauscht wird. Ein Text-Encoder (CLIP, bei SD 3.5 zusätzlich T5) übersetzt den Prompt in Zahlenvektoren, die den Entrauschungsprozess steuern. Der CFG-Wert (Classifier-Free Guidance) legt fest, wie streng das Modell dem Prompt folgt.

Aktuelle Modelle im Vergleich (Stand Oktober 2026)

Flux ist streng genommen kein Stable Diffusion, stammt aber von ehemaligen Stability-Entwicklern und läuft in denselben Oberflächen. Für neue Projekte ist Flux oft die bessere Wahl bei Qualität, SDXL bleibt wegen der riesigen Erweiterungsbibliothek und der geringen Anforderungen der Standard für lokale Einsteiger/innen. Die großen Modelle von Black Forest Labs (etwa FLUX.2 Max und FLUX 3 Image) gibt es nur über die API; als offene Gewichte zum Download erscheinen kleinere Varianten wie FLUX.2 klein und FLUX 3 Image Klein (Stand: November 2026).

Oberflächen: Comfy Desktop, Forge, AUTOMATIC1111

Stable Diffusion selbst ist nur ein Modell. Für die Bedienung braucht es ein Frontend:

• Comfy Desktop (ComfyUI): Offizielle Desktop-App für Windows, macOS (Apple Silicon) und Linux mit Installer, verwaltet Python und Modelle selbst. Node-basiert, unterstützt alle Modellfamilien inklusive SD 3.5 und Flux. Seit 2026 die Standardempfehlung für neue Modelle.
• Forge (Stable Diffusion WebUI Forge): Fork von AUTOMATIC1111 mit deutlich besserem Speichermanagement, läuft auf 6-8 GB VRAM flüssig. Klassische Formularoberfläche mit Txt2Img, Img2Img, Inpainting. Zwei Zweige: Forge Classic (nur SD 1.5 und SDXL, nur noch kritische Fehlerkorrekturen) und Forge Neo (SDXL, Flux und weitere neuere Modelle, aktiv entwickelt; SD 3 wurde dort entfernt), Stand: November 2026.
• AUTOMATIC1111 (stable-diffusion-webui): Die bekannteste Oberfläche, aber die letzte Version 1.10.1 erschien im Februar 2025, seitdem gibt es keine neuen Versionen (Stand: November 2026). Viele Tutorials beziehen sich noch darauf; für Neuinstallationen ist Forge die bessere Wahl, weil es dieselbe Oberfläche mit aktueller Modellunterstützung bietet.
• Stability Matrix: Paketmanager, der mehrere Oberflächen parallel installiert und die Modellordner teilt. Praktisch, wenn ComfyUI und Forge nebeneinander laufen sollen.

Stable Diffusion lokal installieren: Schritt für Schritt

Schritt 1: Hardware prüfen. NVIDIA-Grafikkarte mit 8 GB VRAM (RTX 3060 12 GB oder RTX 4060 Ti 16 GB sind beliebte Einstiegskarten), 16 GB Arbeitsspeicher, 30 GB freier SSD-Platz (etwa 10 GB für die Software, 6-7 GB pro SDXL-Modell, 10-17 GB für SD 3.5). AMD-Karten laufen unter Linux über ROCm mit Zusatzaufwand, Macs mit Apple Silicon über Metal (MPS), aber mehrfach langsamer als vergleichbare NVIDIA-Karten.

Schritt 2: Oberfläche installieren. Einsteiger/innen laden Comfy Desktop von comfy.org herunter und starten den Installer. Wer Forge möchte, installiert zuerst Git und die Python-Version, die das Repository angibt (Forge Neo: Python 3.13, Stand: November 2026), klont dann das Forge-Repository von GitHub und startet webui-user.bat (Windows) oder webui.sh (Linux/macOS); der erste Start lädt automatisch alle Abhängigkeiten nach.

Schritt 3: Modell herunterladen. Checkpoints stammen von Hugging Face (offizielle Modelle, bei SD 3.5 muss die Lizenz dort einmal bestätigt werden) oder Civitai (Community-Modelle, Filter auf Basismodell und Lizenz beachten). Datei im Format .safetensors wählen, nie .ckpt aus unbekannter Quelle. Ablage: ComfyUI unter models/checkpoints/, Forge unter models/Stable-diffusion/. SD 3.5 und Flux brauchen in ComfyUI zusätzlich die Text-Encoder (clip_l, clip_g, t5xxl) im Ordner models/text_encoders/ und einen VAE im Ordner models/vae/.

Schritt 4: Erster Prompt. Für SDXL: Auflösung 1024 x 1024, 25 Steps, CFG 5 bis 7, Sampler Euler oder DPM++ 2M. Negativer Prompt (bei SDXL sinnvoll, bei Flux unnötig): blurry, deformed, text, watermark. Beispielprompt:

`` Editorial portrait of a ceramic artist in her studio, soft window light, shallow depth of field, 85mm lens, natural skin texture, muted earth tones ``

Ein Bild dauert auf einer RTX 4060 Ti mit SDXL etwa 5 bis 10 Sekunden. Erst wenn Prompt und Komposition sitzen, lohnt sich Hires Fix oder ein Upscaler.

Schritt 5: Erweiterungen. LoRAs (kleine Stil- oder Charaktermodelle, Ordner models/loras/) und ControlNet (Steuerung über Kanten, Tiefe oder Pose aus einem Referenzbild) sind die wichtigsten Ergänzungen. Beide müssen zum Basismodell passen: Eine SDXL-LoRA funktioniert nicht mit SD 1.5 oder Flux.

Lokal oder Cloud?

Faustregel: Wer regelmäßig generiert oder mit Kundendaten arbeitet, fährt lokal besser. Wer einmal im Monat ein paar Bilder braucht oder nur ein Notebook hat, mietet.

Lizenz: Was darf ich mit den Bildern machen?

Die Lizenz hängt vom Modell ab, nicht von der Oberfläche:

• SD 1.5 und SDXL stehen unter CreativeML OpenRAIL-M bzw. OpenRAIL++-M: kommerzielle Nutzung ohne Umsatzgrenze, aber mit Verbotsliste (etwa Desinformation, Belästigung, illegale Inhalte).
• SD 3.5 und SDXL Turbo stehen unter der Stability AI Community License: kostenlos für Forschung, private und kommerzielle Nutzung, solange die Organisation unter 1 Million US-Dollar Jahresumsatz liegt (unabhängig davon, womit der Umsatz erzielt wird). Darüber ist eine Enterprise-Lizenz von Stability AI nötig. Das betrifft also die Agentur mit 2 Millionen Euro Umsatz auch dann, wenn SD 3.5 nur für ein Moodboard genutzt wird.
• FLUX.1 schnell und FLUX.2 klein 4B sind Apache 2.0 und damit ohne Umsatzgrenze kommerziell nutzbar; FLUX.1 dev und FLUX.2 klein 9B stehen unter nicht-kommerziellen Lizenzen. Bei FLUX.1 [dev] (Non-Commercial License v1.1.1) erlaubt Abschnitt 2(d) zwar die kommerzielle Nutzung der Ausgaben, der Betrieb des Modells für umsatzbringende Arbeit wie Kundenaufträge oder eigene Werbung ist nach Abschnitt 1(c) und 4(a) aber nicht gedeckt; dafür braucht es eine kommerzielle Lizenz von Black Forest Labs, einen lizenzierten API-Anbieter oder FLUX.1 [schnell] (Apache 2.0).
• Community-Checkpoints auf Civitai tragen eigene Lizenzhinweise, die vom Basismodell abweichen können (zum Beispiel „kein Verkauf generierter Bilder"). Vor kommerziellem Einsatz nachlesen.

Rechtliche Hinweise

Die Modelllizenz regelt nur das Verhältnis zum Modellanbieter. Daneben gilt: Rein KI-generierte Bilder genießen in Deutschland kein Urheberrecht, weil § 2 UrhG eine persönliche geistige Schöpfung eines Menschen verlangt; Dritte dürfen solche Bilder also grundsätzlich ebenfalls verwenden. Erkennbare Personen, Marken und geschützte Figuren bleiben durch Persönlichkeits-, Marken- und Urheberrecht geschützt. Ein Stil als solcher ist dagegen nicht geschützt; problematisch wird es erst, wenn konkrete Gestaltungen übernommen werden oder der Eindruck entsteht, das Bild stamme von der Künstlerin oder dem Künstler selbst. Seit dem 2. August 2026 gilt Artikel 50 der KI-Verordnung: Anbieter von KI-Systemen, die Bilder erzeugen, müssen die Ausgaben maschinenlesbar als künstlich erzeugt markieren (für Systeme, die vor diesem Datum in Verkehr gebracht wurden, gilt dafür eine Frist bis 2. Dezember 2026); wer Deepfakes verwendet, muss sie als Betreiber offenlegen. Bei lokal betriebenen offenen Modellen hängt es vom Einzelfall ab, wer als Anbieter gilt; die Offenlegung von Deepfakes trifft den Betreiber, also wer das System beruflich oder geschäftlich einsetzt; rein private Nutzung ist von dieser Pflicht ausgenommen (Art. 3 Nr. 4 KI-VO). Zum Training selbst hat der britische High Court im November 2025 die Klage von Getty Images gegen Stability AI weitgehend abgewiesen (Getty hatte die Kernvorwürfe zum Training im Prozess fallen gelassen); in den USA und der EU laufen weitere Verfahren.

Beispiele

• Konsistente Charaktere: Eine Illustratorin trainiert eine SDXL-LoRA auf 20 eigene Zeichnungen ihrer Figur und generiert sie anschließend in beliebigen Szenen, ohne dass die Entwürfe einen Cloud-Dienst erreichen.
• Storyboards aus Skizzen: Ein Filmteam legt grobe Strichzeichnungen in ControlNet (Canny oder Scribble) und erhält fotorealistische Vorvisualisierungen mit exakt der skizzierten Komposition.
• Produktbilder per Inpainting: Eine Agentur stellt das Produktfoto frei, maskiert den Hintergrund und lässt Stable Diffusion verschiedene Umgebungen generieren; das Produkt selbst bleibt unverändert.
• Serienproduktion: Ein Verlag erzeugt per ComfyUI-Workflow 200 Varianten eines Hintergrundmotivs über Nacht auf der eigenen GPU, Kosten: der Strom.
• Datenschutzkritische Inhalte: Eine Klinik visualisiert interne Schulungsmaterialien lokal, weil Patientenkontexte keinen externen Server erreichen dürfen.

In der Praxis

Der schnellste Einstieg: Comfy Desktop installieren, einen SDXL-Checkpoint wie Juggernaut XL laden, mit dem mitgelieferten Standard-Workflow ein erstes Bild generieren und danach schrittweise Steps, CFG und Sampler verändern, um ein Gefühl für die Parameter zu bekommen. Wer lieber Formulare als Knoten bedient, nimmt Forge. Prompts in Englisch liefern bei SD 1.5 und SDXL bessere Ergebnisse, SD 3.5 und Flux verstehen auch deutsche Prompts passabel. Anlaufstellen für Modelle, Workflows und Fehlerhilfe sind Civitai, die ComfyUI-Dokumentation (docs.comfy.org) und das Subreddit r/StableDiffusion. Wer solche Werkzeuge vom Prompt bis zum fertigen Kampagnenbild beherrschen will, findet das Thema in der Ausbildung GenAI und Content Creation an der Lazi Akademie.

Vergleich & Abgrenzung

Midjourney liefert ohne technisches Wissen die konsistenteste Ästhetik, Firefly die kommerziell sicherste Rechtslage, Stable Diffusion die größte Freiheit. Für Video ist Runway ML das Pendant in der Cloud; lokal übernehmen Modelle wie Wan oder LTX-Video diese Rolle in ComfyUI.

Häufige Fragen (FAQ)

Welche Grafikkarte brauche ich, um Stable Diffusion lokal zu nutzen? Eine NVIDIA-Karte mit 8 GB VRAM reicht für SD 1.5 und SDXL, 12 GB sind komfortabel und erlauben Flux in quantisierter Form, 16 GB und mehr decken auch SD 3.5 Large ab. Mit 4 bis 6 GB läuft nur SD 1.5 oder SDXL mit Speicher-Sparoptionen in Forge.

Läuft Stable Diffusion auf dem Mac? Ja, Comfy Desktop gibt es nativ für Apple Silicon, und Forge läuft über MPS. Ein M-Chip mit 16 GB gemeinsamem Speicher schafft SDXL, braucht aber pro Bild 30 Sekunden bis mehrere Minuten statt weniger Sekunden auf einer RTX-Karte.

Ist Stable Diffusion wirklich kostenlos, auch kommerziell? Die Software und die Modelle kosten nichts. SD 1.5, SDXL, FLUX.1 schnell und FLUX.2 klein 4B dürfen ohne Umsatzgrenze kommerziell genutzt werden. SD 3.5 ist bis 1 Million US-Dollar Jahresumsatz frei, darüber kostenpflichtig. Community-Modelle haben eigene Regeln.

ComfyUI oder Forge, was ist besser für Anfänger/innen? Forge, wenn man schnell ein Bild über ein Formular erzeugen will und mit SDXL arbeitet. Comfy Desktop, wenn SD 3.5, Flux oder Video geplant sind (Forge Neo unterstützt SD 3.5 nicht mehr) oder Workflows wiederholbar sein sollen. Viele nutzen beides über Stability Matrix mit gemeinsamem Modellordner.

Darf ich lokal generierte Bilder ohne Kennzeichnung veröffentlichen? Nicht in jedem Fall. Seit August 2026 verlangt Art. 50 der KI-Verordnung von Anbietern bildgenerierender KI-Systeme eine maschinenlesbare Markierung (zum Beispiel über C2PA-Metadaten), für ältere Systeme mit Frist bis 2. Dezember 2026. Deepfakes muss der Betreiber offenlegen, also wer das System beruflich oder geschäftlich einsetzt; rein private Nutzung ist ausgenommen (Art. 3 Nr. 4 KI-VO). Ob darüber hinaus eine sichtbare Kennzeichnung nötig ist, hängt vom Kontext ab, etwa in der Werbung, im Journalismus oder nach den Regeln der Plattform.

Verwandte Einträge

• Midjourney, KI-Bildgenerator für professionelle visuelle Inhalte
• Runway ML, KI-Plattform für Video- und Bildgenerierung
• KI-Bildgenerierung im professionellen Workflow (Rubrik KI-Workflows)
• Urheberrecht bei KI-generierten Bildern (Rubrik KI-Ethik & Gesellschaft)
• Getty Images vs. Stability AI (Rubrik KI-Ethik & Gesellschaft)

Weiterführend

• Rombach, R., Blattmann, A., Lorenz, D., Esser, P., Ommer, B. (2022): High-Resolution Image Synthesis with Latent Diffusion Models. CVPR 2022, arXiv:2112.10752
• Esser, P. et al. (2024): Scaling Rectified Flow Transformers for High-Resolution Image Synthesis (Stable Diffusion 3). arXiv:2403.03206
• Stability AI (2024): Introducing Stable Diffusion 3.5 und Stability AI Community License. stability.ai
• Black Forest Labs (2026): FLUX.2 [klein] Release Notes. docs.bfl.ml
• Comfy Org (2026): ComfyUI Documentation, System Requirements and Installation. docs.comfy.org
• High Court of Justice (2025): Getty Images (US) Inc and others v Stability AI Ltd, [2025] EWHC, Urteil vom 4. November 2025
• Europäische Union (2024): Verordnung (EU) 2024/1689 (KI-Verordnung), Artikel 50 Transparenzpflichten, geändert durch Verordnung (EU) 2026/1744. eur-lex.europa.eu