Stable Diffusion ist das beliebteste Bildmodell, das man komplett auf dem eigenen Rechner betreiben kann – ohne Abo, ohne dass Ihre Prompts und Bilder einen fremden Server erreichen. Genau das macht den lokalen Betrieb für Datenschutz, hohe Stückzahlen und maximale Kontrolle interessant. Der Einstieg ist 2026 deutlich einfacher als noch vor zwei Jahren, hängt aber an einer Frage: Reicht Ihre Hardware? Dieser Leitfaden klärt VRAM-Bedarf, GPU-Wahl, die richtige Oberfläche und die Kostenfrage gegenüber der Cloud.
Warum lokal statt Cloud?
Der lokale Betrieb hat drei klare Vorteile. Erstens entstehen nach dem Hardwarekauf keine laufenden Kosten pro Bild – wer täglich hunderte Varianten generiert, spart spürbar. Zweitens bleiben sensible Inhalte auf dem eigenen Gerät, was für Agenturen mit NDA-Projekten oder für private Porträts relevant ist. Drittens haben Sie vollen Zugriff auf alle Modelle, Erweiterungen und Feineinstellungen, ohne dass eine Plattform Themen filtert oder Funktionen hinter Bezahlstufen versteckt.
Dem stehen Aufwand und Stromkosten gegenüber. Wer nur gelegentlich ein Bild braucht, fährt mit einem Cloud-Dienst oft günstiger und bequemer. Die Grenze verläuft beim Volumen – und genau die lässt sich ausrechnen.
VRAM: der wichtigste Engpass
Der entscheidende Wert ist nicht die Rechenleistung, sondern der Grafikspeicher (VRAM). Diffusionsmodelle laden das Modell und die Zwischenbilder vollständig in den GPU-Speicher. Reicht der nicht, bricht die Generierung ab oder fällt extrem langsam auf den Hauptspeicher zurück. Grobe Richtwerte für 2026:
- 8 GB VRAM: ältere SD-1.5-Modelle und kleinere Bildgrößen laufen, moderne Modelle nur mit Sparmodi und Geduld.
- 12 GB VRAM: solider Einstieg, SDXL und viele Flux-Varianten in normaler Auflösung sind nutzbar.
- 16–24 GB VRAM: komfortabel für aktuelle Modelle, hohe Auflösungen, ControlNet und mehrere Erweiterungen gleichzeitig.
Bevor Sie eine Grafikkarte kaufen, prüfen Sie den konkreten Bedarf Ihres Wunschmodells. Unser GPU-VRAM-Bedarf-Rechner hilft dabei, die nötige Speichermenge für Modellgröße und Batch abzuschätzen, bevor Geld fließt.
GPU-Wahl: worauf es ankommt
NVIDIA-Karten sind für Stable Diffusion am unkompliziertesten, weil die meisten Werkzeuge auf CUDA setzen. AMD- und Apple-Silicon-Geräte funktionieren ebenfalls, verlangen aber mehr Einrichtungsaufwand und sind teils langsamer. Achten Sie weniger auf den Namen als auf die VRAM-Menge: Eine günstigere Karte mit mehr Speicher schlägt oft eine teurere mit weniger. Stromverbrauch und Lautstärke sind im Dauerbetrieb ein realer Kostenfaktor, den viele unterschätzen.
ComfyUI oder Automatic1111?
Für die Bedienung haben sich zwei freie Oberflächen durchgesetzt. Automatic1111 (auch als „Forge"-Variante) bietet ein klassisches Formular mit Eingabefeldern – einsteigerfreundlich und schnell produktiv. ComfyUI arbeitet mit einem Knoten-Graphen, in dem Sie jeden Verarbeitungsschritt verdrahten. Das wirkt anfangs sperrig, ist aber unschlagbar, wenn Sie komplexe, wiederholbare Workflows mit mehreren Modellen, Masken und Upscaling-Stufen bauen wollen.
Empfehlung: Beginnen Sie mit Automatic1111, um ein Gefühl für Sampler, Schrittzahl und Prompts zu bekommen. Wechseln Sie zu ComfyUI, sobald Sie reproduzierbare Pipelines automatisieren möchten.
Installation in vier Schritten
- Grundsoftware: aktuelle GPU-Treiber sowie Python und Git installieren. Unter Windows reicht meist das offizielle Installationsskript der jeweiligen Oberfläche.
- Oberfläche holen: Repository per Git klonen oder ein vorgefertigtes Installationspaket nutzen. Beim ersten Start lädt das Tool seine Abhängigkeiten automatisch nach.
- Modell laden: ein Basismodell (z. B. SDXL oder Flux) als Datei in den Modellordner legen. Achten Sie auf die Lizenz des konkreten Modells.
- Erstes Bild: Prompt eingeben, Auflösung und Schrittzahl setzen, generieren. Ab hier optimieren Sie iterativ.
Lokal oder Cloud – die Kostenfrage
Die ehrliche Antwort lautet: Es hängt vom Volumen ab. Eine Grafikkarte für mehrere hundert Euro amortisiert sich nur, wenn Sie regelmäßig generieren. Bei seltener Nutzung ist stundenweise Cloud-GPU günstiger, weil keine Anschaffung und kein Dauerstrom anfallen. Stellen Sie die einmaligen Hardwarekosten plus Strom den laufenden Cloud-Gebühren gegenüber – der Rechner für lokale KI vs. Cloud ermittelt den Break-even, ab dem sich der eigene Rechner lohnt. Weitere passende Werkzeuge finden Sie im Webtools-Bereich.
VRAM sparen, wenn die Karte knapp ist
Nicht jeder muss sofort eine neue Grafikkarte kaufen. Wenn Ihr Modell knapp über die VRAM-Grenze rutscht, helfen mehrere Techniken, die den Speicherbedarf drücken, ohne die Qualität spürbar zu senken:
- Quantisierte Modelle (GGUF/FP8): Große Modelle wie Flux gibt es in komprimierten Varianten, die mit deutlich weniger VRAM auskommen. Der Qualitätsverlust ist bei den höheren Stufen oft kaum sichtbar.
- Tiled VAE und Tiled Upscaling: Das Bild wird in Kacheln verarbeitet, sodass nie das ganze Bild gleichzeitig im Speicher liegt – ideal für hohe Auflösungen auf kleinen Karten.
- Niedrigere Startauflösung plus Upscaler: Erst klein generieren, dann hochskalieren spart Speicher gegenüber der direkten Erzeugung in Zielauflösung.
- Model Offloading: Teile des Modells werden bei Bedarf zwischen GPU und Hauptspeicher verschoben. Das ist langsamer, ermöglicht aber Modelle, die sonst gar nicht laufen würden.
Diese Optionen sind in ComfyUI und in den Forge-Varianten von Automatic1111 meist mit wenigen Klicks aktivierbar. Wer sie kennt, holt aus einer 8- oder 12-GB-Karte mehr heraus, als die nackte Zahl vermuten lässt.
Modelle, LoRAs und Lizenzen
Das Basismodell ist nur der Anfang. Über sogenannte LoRAs (kleine Zusatzdateien) lassen sich Stil, bestimmte Objekte oder eine konsistente Figur nachrüsten, ohne ein komplettes Modell neu zu laden. Ein LoRA für einen bestimmten Illustrationsstil lässt sich mit jedem kompatiblen Basismodell kombinieren – das macht den lokalen Betrieb so flexibel. Achten Sie aber darauf, dass LoRA und Basismodell zur selben Architektur gehören (etwa SDXL-LoRA zu SDXL-Basis), sonst passt nichts zusammen.
Beim Thema Lizenz lohnt ein zweiter Blick. Viele Modelle stehen unter offenen Lizenzen, einige aktuelle dagegen erlauben die private Nutzung, beschränken aber die kommerzielle Verwertung oder verlangen eine separate Vereinbarung. Wer Bilder verkauft oder in Kundenprojekten einsetzt, sollte die Lizenz des konkreten Modells und der verwendeten LoRAs prüfen. Hinzu kommt die rechtliche Seite der erzeugten Inhalte selbst: Marken, erkennbare Personen und geschützte Werke bleiben tabu, egal welches Modell sie erzeugt hat. Wer das ausklammert, verlagert ein Risiko nur vom Cloud-Anbieter auf sich selbst. Mehr Hintergrund zu Werkzeugen und Workflows finden Sie laufend im News-Bereich.
Häufige Fragen
Wie viel VRAM brauche ich mindestens?
Für aktuelle Modelle wie SDXL oder Flux sind 12 GB ein vernünftiger Einstieg, komfortabel wird es ab 16 GB. Mit 8 GB läuft vor allem die ältere SD-1.5-Generation.
Geht Stable Diffusion auch ohne starke GPU?
Auf der CPU ist es technisch möglich, aber so langsam, dass es kaum praktikabel ist. Ohne passende GPU ist ein Cloud-Dienst die bessere Wahl.
Ist die lokale Nutzung kostenlos und legal?
Die Software ist frei, Sie zahlen nur Hardware und Strom. Die Nutzung ist erlaubt, achten Sie aber auf die Lizenz des konkreten Modells und auf Urheber- sowie Persönlichkeitsrechte bei den erzeugten Inhalten.
Welche Oberfläche ist für Anfänger besser?
Automatic1111 mit seinem klassischen Formular ist einsteigerfreundlicher. ComfyUI lohnt sich, sobald Sie komplexe, wiederholbare Workflows aufbauen wollen.
Was bringt ein LoRA gegenüber einem ganzen Modell?
Ein LoRA ist eine kleine Zusatzdatei, die Stil, Objekt oder Figur ergänzt, ohne ein komplettes Modell zu ersetzen. Es lädt schnell und lässt sich mit jedem passenden Basismodell kombinieren. Wichtig ist nur, dass LoRA und Basis zur selben Architektur gehören.
Läuft Flux auch auf 8 GB VRAM?
In der vollen Variante wird es eng, aber mit quantisierten GGUF- oder FP8-Versionen plus Model Offloading läuft Flux auch auf knappen Karten – langsamer und mit kleinen Qualitätsabstrichen, aber nutzbar. Für flüssiges Arbeiten bleiben 12 GB oder mehr die bequemere Basis.