Stable-Diffusion-Modelle auswählen: SDXL, SD 3.5 oder FLUX?

Die Wahl eines Stable-Diffusion-Modells lässt sich leicht durch eine einzige Frage verzerren: Welches Modell sieht am besten aus? In der Praxis hängt das Ergebnis weniger von einer Bestenliste ab und mehr von Ihrem Einsatzzweck, Ihrem VRAM, dem Workflow-Ökosystem und der Lizenzgrenze. SDXL, Stable Diffusion 3.5 und FLUX.1 können alle starke Bilder erzeugen, aber sie passen zu unterschiedlichen Phasen.

Wenn Sie ComfyUI gerade erst zum Laufen gebracht haben, laden Sie nicht gleich ein Dutzend Checkpoints herunter. Dieser Artikel behandelt eine praktische Frage: Wie wählen Sie zwischen SDXL, SD 3.5, FLUX und Community-Modellen ein Modell, das läuft, reproduzierbar ist und zu Ihrem tatsächlichen Einsatz passt?

Kernfazit

Beginnen Sie mit dieser Entscheidungstabelle. Sie ist nützlicher als ein „bestes Modell”-Ranking.

Die Kurzfassung: Einsteiger starten mit SDXL und testen SD 3.5 und FLUX später. Ist Ihre lokale Hardware schwach, wählen Sie das ausgereifte Ökosystem. Wollen Sie die Ausgabe kommerziell nutzen, prüfen Sie die Lizenz, bevor Sie auf Beispielbilder schauen.

Klären Sie zuerst, was Sie überhaupt wählen

Wenn Leute sagen, sie wollten „das Stable-Diffusion-Modell wechseln”, meinen sie womöglich drei verschiedene Dinge: ein Basismodell, einen Community-Checkpoint oder eine LoRA.

Das Basismodell setzt die Grenze der Fähigkeiten

SDXL, Stable Diffusion 3.5 und FLUX.1 sind Basismodell-Routen. Sie bestimmen die Obergrenze für Prompt-Verständnis, Komposition, Personen, Text und Details. SDXL ist eine ausgereifte, allgemeine Route. Die SD-3.5-Linie von Stability AI umfasst Large, Large Turbo und Medium. Die FLUX.1-Linie von Black Forest Labs umfasst die Varianten pro, dev und schnell.

Ein Basismodell ist nicht einfach „besser, weil die Datei größer ist”. Größere Modelle bringen höheres Qualitätspotenzial, aber auch mehr VRAM-Druck, längere Ladezeiten, mehr Node-Anforderungen und höhere Deployment-Kosten. Ob das Modell auf Ihrer Maschine zuverlässig läuft, zählt mehr als die Parameterzahl.

Community-Checkpoints lösen Stil und Szenario

Viele realistische, Anime-, Produktbild- und Innenarchitektur-Modelle, die Sie auf Modellseiten sehen, sind Community-Checkpoints, die auf einem Basismodell weitertrainiert oder gemerged wurden. Ihr Vorteil ist der Fokus: klarer Stil, schnell einsetzbar, oft mit empfohlenen Größen, Samplern und Beispiel-Prompts.

Genau hier beginnt auch das Risiko. Lizenz, Trainingsquelle und erlaubte Nutzung eines Community-Checkpoints können vom Basismodell abweichen. Ein Modell, das frei herunterladbar ist, ist nicht automatisch für ein kommerzielles Projekt sicher. Lesen Sie bei Produktpostern, Kundenlieferungen, Werbung oder kostenpflichtigen Asset-Paketen zuerst Modellkarte und Autorennotizen.

Eine LoRA ist kein Ersatz für das Basismodell

Eine LoRA ist eher ein Zusatzpaket an Fähigkeiten. Sie kann einem Modell einen Charakter, ein Outfit, eine Kamerasprache, ein Produktmerkmal oder einen Stil beibringen, muss aber meist mit einem kompatiblen Basismodell oder Checkpoint genutzt werden. Eine SDXL-LoRA funktioniert nicht zwangsläufig mit SD 1.5. Eine FLUX-LoRA lässt sich nicht beliebig in einen normalen SDXL-Workflow einsetzen.

Railway - Moderne Deployment-Plattform, ohne DevOps-Aufwand, in Minuten live

Jetzt starten →Anzeige

Die Reihenfolge sollte sein: erst die Basisroute, dann der Checkpoint, dann bei Bedarf LoRA-Dateien. Drehen Sie das um, wird die Fehlersuche mühsam.

Nach Einsatzzweck wählen

Die Modellwahl sollte bei der Aufgabe beginnen, die das Modell erledigen soll, nicht bei den Download-Zahlen.

Warum Einsteiger mit SDXL starten sollten

SDXL ist nicht immer die neueste Option, aber ein sicherer Ausgangspunkt für viele lokale Bild-Workflows. Der Grund ist praktisch: mehr Tutorials, mehr Modelle, mehr LoRA-Dateien und ausgereifte Unterstützung rund um ControlNet, IP-Adapter, Upscaling und gängige ComfyUI-Workflows. Wird ein Modell nicht erkannt, sieht ein Bild grau aus, brechen Hände oder geht der VRAM aus, finden Sie leichter eine Lösung.

In der ersten Woche ist das Ziel nicht, höchste Bildqualität herauszupressen. Es geht darum, eine stabile Kette aufzubauen: ComfyUI erkennt das Modell, der Workflow läuft, Parameteränderungen sind reproduzierbar und die Ausgabe wird gespeichert. Dafür ist SDXL freundlich.

Wann SD 3.5 sinnvoll ist

Stable Diffusion 3.5 ergibt Sinn, wenn Sie die grundlegende ComfyUI-Kette bereits verstehen und die neuere offizielle Richtung von Stability AI testen wollen. Stability AI positioniert SD 3.5 Large als das stärkere Modell, während Medium stärker auf Consumer-Hardware zielt.

Faustregel: Wenn Sie SDXL bereits zuverlässig betreiben und bereit sind, den passenden Workflow, die Nodes und Abhängigkeitsdateien vorzubereiten, testen Sie SD 3.5. Sind Sie noch unsicher, wohin eine Checkpoint-Datei gehört, verbringen Sie zuerst mehr Zeit mit SDXL.

Wann FLUX sinnvoll ist

FLUX.1 lohnt sich, wenn Ihnen neuere Modellästhetik, Komposition und stärkere Prompt-Treue wichtig sind. Besonders interessant ist es für die Gesamtwirkung des Bildes, Textelemente, Produktvisuals oder ein natürlicheres fotografisches Gefühl.

Vorsicht: FLUX-Varianten und Lizenzen müssen getrennt betrachtet werden. Offizielle Materialien beschreiben FLUX.1 [schnell] als Apache-2.0-lizenziert, während dev, pro und andere Routen andere Nutzungswege und Einschränkungen haben. Sehen Sie nicht „FLUX sieht gut aus” und nehmen an, jede FLUX-Variante sei lokal frei kommerziell nutzbar.

Nach Hardware wählen

Hardware ist die Ebene, die oft übersprungen wird. Viele Beispielbilder entstehen auf High-VRAM-GPUs, gehosteten Diensten oder stark optimierten Workflows. Setzen Sie dasselbe Modell auf Ihre Maschine, ist der erste Fehler womöglich der VRAM.

Bei knappem VRAM nicht zuerst das größte Modell jagen

Hat Ihre GPU begrenzten VRAM, starten Sie mit ausgereiften Modellen und Workflows. SDXL hat eher Low-VRAM-Tutorials, optimierte Nodes, leichtere Checkpoints und reproduzierbare Einstellungen. Sie können zuerst in kleinerer Größe generieren und dann hochskalieren, statt bei einer großen Auflösung zu beginnen.

Der VRAM-Verbrauch ist keine feste Zahl. Er ändert sich mit Auflösung, Batch-Größe, Sampling-Schritten, Präzision, VAE, ControlNet, IP-Adapter, Upscalern und Post-Processing. Wenn jemand sagt, eine GPU könne ein Modell ausführen, heißt das nicht, dass Ihr Workflow es ausführen kann.

Ein sichereres Vorgehen:

1. Beginnen Sie mit dem offiziellen oder von der Modellkarte empfohlenen Basis-Workflow.
2. Verwenden Sie eine konservative Bildgröße.
3. Halten Sie die Batch-Größe bei 1.
4. Schalten Sie unnötige ControlNet-, Upscaling- und Post-Processing-Nodes aus.
5. Notieren Sie VRAM, Zeit und Fehlermeldungen.

So wissen Sie, wo der Flaschenhals liegt, statt Modell, Größe, LoRA, ControlNet und Post-Processing auf einmal zu ändern.

Cloud- oder API-Routen sind gut zur Validierung

Haben Sie keine geeignete GPU oder wollen nur wissen, ob ein Modell zu einem Projekt passt, testen Sie zuerst eine gehostete oder API-Route. Ein gehosteter Lauf ersetzt das lokale Debugging nicht, beantwortet aber schnell eine nützliche Frage: Sind Stil und Fähigkeiten dieses Modells die lokalen Deployment-Kosten wert?

Das ist besonders bei FLUX und SD 3.5 nützlich. Testen Sie ein paar Runden über einen Anbieter und entscheiden Sie dann, ob Sie Gewichte herunterladen, einen lokalen Workflow bauen oder die Hardware aufrüsten.

Alibaba Cloud - Top-Wahl für Entwickler, exklusiv 15 % Rabatt auf Lighthouse-Server

15 % Rabatt sichern →Anzeige

Nach Lizenz wählen

Die Lizenz ist der Teil, den Sie nicht überspringen sollten, besonders wenn das Bild in eine Anzeige, ein Kurscover, ein Kundenprojekt, eine Produktseite oder ein kostenpflichtiges Asset-Paket geht.

Drei Lizenzebenen getrennt prüfen

Die erste Ebene ist die Lizenz des Basismodells. Stability AI hat eine eigene Lizenzseite, und FLUX.1-Varianten haben unterschiedliche Lizenzdateien. Die zweite Ebene ist die Lizenz des Autors von Community-Checkpoint oder LoRA. Die dritte Ebene sind die Plattform- oder API-Servicebedingungen, mit denen Sie das Bild erzeugen.

Diese Ebenen ersetzen sich nicht gegenseitig. Ein Basismodell erlaubt vielleicht bestimmte Nutzungen, ein Community-Merge aber nicht. Eine Plattform lässt Sie Bilder erzeugen, das bedeutet aber nicht, dass Sie die Modellgewichte weiterverbreiten dürfen. Ein Output kann in manchen kommerziellen Kontexten nutzbar sein, während das Modell selbst nicht als kommerzieller Dienst nutzbar ist.

Worauf bei SDXL, SD 3.5 und FLUX zu achten ist

Beginnen Sie bei SDXL und SD 3.5 mit der Stability-AI-Lizenzseite und der Hugging-Face-Modellkarte. Die offizielle Lizenzseite erklärt die Community License, Umsatzschwellen und die Enterprise-Lizenzgrenze. Kopieren Sie keine Schlussfolgerungen aus alten Beiträgen, denn Lizenzbedingungen können sich ändern.

Trennen Sie bei FLUX zuerst pro, dev und schnell. Offizielle Materialien beschreiben schnell als freizügiger, während dev und pro andere Wege und Einschränkungen nutzen. Die dev-Variante ist besonders leicht misszuverstehen, weil Seiten Output-Nutzung und Modell-Lizenzgrenzen gleichzeitig erwähnen können. Lesen Sie beide Teile zusammen.

Prüfen Sie bei Community-Modellen jede Modellkarte. Ein Titel mit realistic, commercial oder free reicht nicht. Suchen Sie nach einer expliziten Lizenz, Trainingsnotizen, verbotenen Nutzungen, kommerziellen Einschränkungen und einem Änderungsverlauf.

Den Kandidaten in ComfyUI testen

Der letzte Schritt ist ein echter Testlauf. Modell-Links zu speichern ist keine Modellwahl.

1. Modellkarte und Lizenz lesen

Bestätigen Sie vor dem Download drei Dinge:

• Zu welcher Route das Modell gehört: SDXL, SD 3.5, FLUX oder eine andere Architektur.
• Den empfohlenen Workflow, die Bildgröße, den Sampler und ob zusätzliche Text-Encoder oder ein VAE nötig sind.
• Ob die Lizenz Ihre beabsichtigte Nutzung erlaubt.

Erklärt die Modellkarte das nicht klar, behandeln Sie das Modell als Experiment, nicht als Produktiv-Asset.

2. Die Datei in den richtigen Ordner legen

Die offizielle ComfyUI-Dokumentation legt Modelldateien in verschiedene Ordner unter ComfyUI/models/. Gängige Muster:

Verschiedene Installationsmethoden und neuere Modell-Nodes können zusätzliche Anforderungen haben. Erkennt ComfyUI ein Modell nicht, prüfen Sie die offizielle Dokumentation oder den passenden Workflow, bevor Sie den Ordner-Screenshot eines anderen kopieren.

3. Den passenden Workflow nutzen

SDXL, SD 3.5 und FLUX können unterschiedliche Workflow-Strukturen haben. Neuere Modelle brauchen oft passende Loader-Nodes, Encoder, Sampler oder offizielle Beispiel-Workflows. Ein FLUX-Modell in eine normale SDXL-Load Checkpoint-Kette zu zwingen, liefert wahrscheinlich nicht das erwartete Ergebnis.

Wenn Sie ein Modell zum ersten Mal testen, suchen Sie ein offizielles Beispiel, ein Maintainer-Beispiel oder einen ComfyUI-Workflow, der das Modell ausdrücklich unterstützt. Lassen Sie zuerst den minimalen Pfad laufen, dann ergänzen Sie LoRA, ControlNet und Post-Processing.

KiloClaw - Managed OpenClaw für Unternehmen: AI-Agent-Orchestrierung und smartes Modell-Routing

Jetzt starten →Anzeige

4. Einen kleinen, kontrollierten Test fahren

Generieren Sie nicht sofort Dutzende Bilder. Fixieren Sie ein kleines Testset:

• seed: fixiert, damit ein Vergleich möglich ist.
• prompt: derselbe Prompt, der Personen, Szene, Material und Licht abdeckt.
• size: die empfohlene oder eine konservative Größe.
• steps / sampler / CFG: nach Empfehlung von Modellkarte oder Workflow starten.
• batch: bei 1 belassen.

Lassen Sie pro Modell mindestens 3 bis 5 Bilder laufen und notieren Sie Geschwindigkeit, Fehlerrate, Bildstabilität und die Details, die Ihnen wichtig sind. Modellwahl heißt nicht ein perfektes Beispiel, sondern ob das Modell in Ihrem Workflow stabil ist.

Häufige Irrtümer und Fehlersuche

Irrtum 1: Das neueste Modell muss für mich das beste sein

Ein neues Modell kann stärker sein, aber auch schwerer zu betreiben. Es kann neue Nodes, mehr VRAM, andere Prompt-Gewohnheiten oder eine komplexere Lizenz brauchen. Sie brauchen das Modell, das zur aktuellen Aufgabe passt, nicht den neuesten Namen.

Irrtum 2: Ein schönes Beispiel bedeutet ein gutes Modell

Ein Beispielbild kann einen ausgefeilten Prompt, LoRA, ControlNet, Upscaling, Post-Processing und manuelle Auswahl nutzen. Modellkarten-Beispiele zeigen Potenzial, nicht Ihr Durchschnittsergebnis beim ersten Lauf.

Irrtum 3: Wird das Modell nicht erkannt, lade ein anderes herunter

Wird ein Modell nicht erkannt, prüfen Sie zuerst Pfad, Format, den Aktualisieren/Neustart-Schritt und die Workflow-Unterstützung. Bestätigen Sie, dass die Datei im richtigen Ordner liegt, und prüfen Sie dann, ob der Node die Architektur unterstützt. Laden Sie nicht mehr Modelle herunter, bevor Sie das Verzeichnis geprüft haben.

Irrtum 4: Kommerzielle Nutzung hängt nur vom Basismodell ab

Kommerzielle Nutzung hängt vom Basismodell, Checkpoint, LoRA, den Plattformbedingungen und Ihrem konkreten Einsatz ab. Selbst wenn ein Basismodell bestimmte kommerzielle Nutzungen erlaubt, kann der Autor eines Community-Modells Einschränkungen hinzufügen.

Was als Nächstes lesen

Wenn Sie ComfyUI noch nicht zum Laufen gebracht haben, beginnen Sie mit ComfyUI für Einsteiger: Von der Installation zum ersten Stable-Diffusion-Bild. Wenn Sie oft geteilte Workflows importieren, lesen Sie ComfyUI-Workflows wiederverwenden: JSON-Import, fehlende Nodes und Modellpfade beheben.

Ist das Modell gewählt, kommen als Nächstes die Prompts. Zum allgemeinen Prompt-Schreiben lesen Sie Prompt-Engineering für den Geschäftseinsatz. Wollen Sie die Bildgenerierung in einen umfassenderen Kreativablauf einbetten, sehen Sie Medienübergreifendes Gestalten: Mit Nano Banana 2 und Gemini 3 von der Ideenskizze zur fertigen Foliengalerie automatisieren.

Weiterführende Quellen

• Introducing Stable Diffusion 3.5
• Stability AI License
• Stable Diffusion XL Base 1.0 model card
• black-forest-labs/flux
• FLUX models by Black Forest Labs
• ComfyUI Models

Fazit

Die Wahl eines Stable-Diffusion-Modells lässt sich nicht auf „SDXL, SD 3.5 oder FLUX: Welches ist am stärksten?” reduzieren. Eine bessere Reihenfolge ist: zuerst der Einsatzzweck, dann die Hardware, dann die Reife des Ökosystems, zuletzt die Lizenz.

Starten Sie mit SDXL, wenn Sie neu sind und schneller einen stabilen Workflow wollen. Testen Sie SD 3.5, wenn Sie die neuere Route von Stability AI erkunden möchten. Prüfen Sie FLUX, wenn Ihnen neuere Ästhetik und stärkere Prompt-Treue wichtig sind. Der wahre Maßstab ist nicht der Modellname, sondern ob das Modell innerhalb Ihrer Maschine, Ihres Workflows und Ihrer Lizenzgrenze stabil Ergebnisse liefert.