Inhaltsverzeichnis zu Was ist Stable Diffusion und wie funktioniert es?:
- Was ist Stable Diffusion?
- Schritt für Schritt Anleitung Stable Diffusion
- Vor- und Nachteile des AI-Bildgenerators Stable Diffusion
- Urheberrechte von KI-generierten Inhalten
- Alternativen zu Stable Diffusion?
- Stable Diffusion vs. AI Midjourney
- Fazit
- FAQ
Was ist Stable Diffusion?
Stable Diffusion ist eine Familie von KI-Modellen, die aus Textprompts Bilder erzeugen und je nach Workflow vorhandene Bilder verändern. Die ursprüngliche Version entstand aus der Forschung von CompVis an der LMU München mit Beiträgen von Stability AI und Runway. Neuere Generationen wie SD 3.5 unterscheiden sich in Architektur, Training und Lizenz. LAION-5B ist für die ursprüngliche Modellgeneration relevant, aber keine gemeinsame Datenbasis aller Versionen.
Mehr dazu: Überblick zu Stable Diffusion 3 · Stable Diffusion 3.5 (Modelle & Highlights) · CompVis (LMU): GitHub · LAION-5B (Paper)
Modellgewichte verschiedener Stable-Diffusion-Generationen findest du im Hugging Face Hub. Die Diffusers-Bibliothek bietet eine programmierbare Nutzung. Verfügbarkeit bedeutet nicht uneingeschränkte Nutzung: Prüfe jeweils die Modelllizenz. Für SDXL erklärt die Dokumentation den Einstieg: SDXL mit Diffusers verwenden.
Das Modell startet bei der Text-zu-Bild-Erzeugung mit Rauschen in einer komprimierten Bildrepräsentation, dem latenten Raum. Es formt daraus schrittweise ein Bild, geleitet vom Prompt. Der Seed legt den Zufallsstart fest; Schrittzahl und Guidance beeinflussen den Generierungsablauf. Es sucht dabei nicht nach passenden Bildteilen in einer Datenbank. Technische Grundlagen und ein Anwendungsbeispiel beschreibt die offizielle Modellkarte zu SD 3.5 Large.
Verschiedene Modelle von Stable Diffusion 3.5
Die 3.5-Familie adressiert unterschiedliche Use-Cases:
- 3.5 Large: für detailreiche Bilder, ausgelegt auf etwa einen Megapixel als typische Bildgröße, nicht als starre Obergrenze.
- 3.5 Large Turbo: deutlich schneller für Skizzen & Varianten, leichte Qualitätseinbußen möglich.
- 3.5 Medium: kleineres Modell für einen Mittelweg zwischen Rechenbedarf und Bildqualität.
- Offizielle Übersicht: SD 3.5 mit Large, Large Turbo und Medium. Die Stability-API bietet weitere Varianten wie SD 3.5 Flash; Verfügbarkeit und Einstellungen hängen vom Zugang ab.
Schritt-für-Schritt-Anleitung für Stable Diffusion
Wie kann ich auf Stable Diffusion zugreifen?
Stable Diffusion ist über verschiedene Wege zugänglich. Du kannst das Tool folgendermaßen aufrufen:
- Brand Studio, früher DreamStudio: Die Webplattform von Stability AI nutzt eigene und fremde Modelle. Wenn du gezielt Stable Diffusion testen willst, prüfe die Modellauswahl. Aktuelle Tarife und Testkontingente findest du beim Anbieter; alte DreamStudio-Credits gelten nicht als heutiges Angebot.
- Hugging Face Hub: Hier findest du Modellgewichte und Modellkarten von Stability AI. Spaces bieten teilweise interaktive Demos. Ob diese verfügbar und kostenlos sind, hängt vom jeweiligen Betreiber ab.
- Drittanbieter: Plattformen wie Fireworks AI und DeepInfra betreiben Modellkataloge. Prüfe dort die konkrete Stable-Diffusion-Version, Abrechnung und Datenverarbeitung, bevor du dich für einen Zugang entscheidest.
- API-basierte Nutzung: Wenn du dich mit Programmieren auskennst, kannst du die Stable Diffusion API mit einer Software oder einem Webservice verbinden, um das Bildgenerierungstool zu nutzen.
- Eigene Installation: Für SD 3.5 findest du Referenzcode im offiziellen Repository. Eine grafische Alternative ist ComfyUI mit einem passenden Modell und Workflow. Die benötigte Hardware hängt unter anderem von Modellgröße, Präzision und Bildgröße ab.
Wie funktioniert Stable Diffusion?
Die folgenden fünf Schritte beschreiben einen lokalen Einstieg mit SD 3.5 in ComfyUI. Die erhaltenen DreamStudio-Screenshots dokumentieren die frühere Oberfläche. Sie zeigen weder das heutige ComfyUI noch aktuelle Preise oder Testkontingente.
Schritt 1:
Wähle einen für deinen Rechner geeigneten ComfyUI-Zugang und prüfe dessen Systemvoraussetzungen. Öffne die offiziellen SD-3.5-Workflow-Beispiele; sie verbinden Modell, Textencoder und Bildausgabe zu einem nachvollziehbaren Ablauf.
Schritt 2:
Lade die im gewählten Beispiel genannten Modelldateien und Textencoder herunter und lege sie in die dort beschriebenen Ordner. Alternativ gibt es passende Checkpoints mit integrierten Encodern. Lade anschließend das Workflow-Beispiel in ComfyUI und prüfe, ob alle ausgewählten Dateien gefunden werden.
Historische DreamStudio-Beta-Startseite, keine aktuelle ComfyUI-Oberfläche
Schritt 3:
Beginne mit den Einstellungen des passenden Beispiels. Wähle das Seitenverhältnis für deinen Einsatz, etwa ein quadratisches Motiv für eine erste Materialidee. Übernimm Schrittzahl und Guidance zunächst aus dem Workflow: Large, Medium und Turbo benötigen nicht dieselben Werte.
Historische DreamStudio-Tarifansicht; die gezeigten Preise und Credits sind kein aktuelles Angebot
Schritt 4:
Beschreibe im Prompt Motiv, Material, Umgebung, Perspektive und Licht. Ein Beispiel: „A light oak chair with a woven seat in a bright studio, three-quarter view, soft daylight.“ Damit beschreibst du eine Bildidee. Für einen bestimmten realen Stuhl musst du später Form, Verbindungen und Materialdetails mit dessen Produktreferenzen vergleichen.
Historisches DreamStudio-Beispiel für die Eingabe eines Textprompts
Schritt 5:
Starte die Generierung und prüfe das Ergebnis auf Form, Material, Licht und unerwünschte Details. Für einen gezielten Vergleich behältst du den Seed und änderst zunächst nur eine Einstellung oder einen Teil des Prompts. Speichere gelungene Bilder zusammen mit Modellversion und Workflow, damit du die Bildrichtung weiterentwickeln kannst.
SD 3.5 Large ist laut Modellkarte auf englische Texte ausgerichtet. Ein klarer englischer Prompt ist deshalb ein sinnvoller Ausgangspunkt. Vollständige Sätze sind geeignet; eine möglichst lange Stichwortliste ist nicht automatisch besser. Ergänze nur Angaben, die das gewünschte Motiv genauer beschreiben.
Wie viele Varianten entstehen, bestimmst du über die jeweilige Oberfläche oder den Workflow. Die vier Hundebilder im historischen Screenshot sind ein Beispiel, keine feste Eigenschaft von Stable Diffusion.
Historisches DreamStudio-Beispiel: vier Varianten eines Hundemotivs
KI generiertes Bild von Danthree Studio
Noch tiefer einsteigen? In unserem Leitfaden zu Midjourney: so funktioniert’s erklären wir viele Prompt-Grundprinzipien, die sich auf SD übertragen lassen. Und wenn dich das Berufsfeld interessiert: Prompt Engineer erklärt.
Vor- und Nachteile des AI-Bildgenerators Stable Diffusion
Stable Diffusion eignet sich für Bildideen, Moodboards und Varianten von Licht, Farbe oder Umgebung. Ein klar beschriebener Entwurf lässt sich so visuell erkunden, bevor du eine aufwendigere Produktion planst. Aufwand und Kosten unterscheiden sich zwischen einem lokalen Workflow und einem gehosteten Dienst.
Die erzeugten Bilder sind zweidimensionale Rasterbilder, keine bearbeitbaren 3D-Modelle. Ein überzeugender Möbelentwurf im Bild enthält daher noch keine verlässlichen Maße oder Konstruktionsdaten. Für reale Produktdarstellungen prüfst du besonders Proportionen, Beschläge, Nähte und Materialmerkmale.
Stable Diffusion kann neue Bildkombinationen erzeugen. Das Training vermittelt statistische Zusammenhänge zwischen Bildern und Beschreibungen; bei der Generierung werden diese gelernten Muster genutzt. Das ist keine einfache Collage aus einer Bilddatenbank. Dennoch können Ähnlichkeiten zu Trainingsinhalten auftreten, weshalb du die Ergebnisse für ihren vorgesehenen Einsatz prüfst.
Ein wesentlicher Vorteil ist die Wahl zwischen eigener technischer Kontrolle und einem komfortableren Webzugang. Lokal kannst du Modelle und Abläufe gezielt zusammenstellen; dafür übernimmst du Einrichtung, Rechenleistung und Wartung selbst.
Vorteile auf einem Blick:
- Hohe Kontrolle & Offenheit: Lokal nutzbar, feingranulare Parameter, Custom-Pipelines; ideal für Integrationen/Automationen.
- Gute Qualität für viele Anwendungsfälle; breite Modell-/Checkpoint-Ökologie.
- Kostenkontrolle: Vergleiche Hardware, Strom und Arbeitszeit einer lokalen Installation mit den Nutzungsgebühren eines Dienstes. Welche Variante günstiger ist, hängt von deinem Arbeitsvolumen ab.
Nachteile auf einem Blick:
- Zeitaufwand fürs Tuning: Qualität hängt stark von Prompting, Seeds, Sampler & Feineinstellungen ab.
- Fehleranfälligkeit: Anatomie/Details können teils danebenliegen; Nacharbeit nötig.
- Daten und Rechte: Modelle können Verzerrungen aus dem Training übernehmen. Prüfe die jeweilige Modellkarte, Lizenz und die Rechte an deinen Eingaben sowie den fertigen Bildern.
Für Bilder eines konkreten Produkts bietet ein geprüftes 3D-Modell eine kontrollierbare Grundlage für Proportionen, Materialzuweisungen und weitere Kameraperspektiven. Das ist besonders hilfreich für Serienansichten und Detail-Makros. Mehr dazu: 3D-Produktvisualisierung.
Urheberrechte von KI-generierten Inhalten
USA: Nach dem USCO-Bericht von 2025 setzt Schutz menschliche schöpferische Beiträge voraus. Ein Prompt allein reicht grundsätzlich nicht. Kreative Auswahl, Anordnung oder Bearbeitung können im Einzelfall geschützt sein, nicht automatisch das gesamte KI-Ergebnis.
Deutschland: Das Urheberrecht schützt persönliche geistige Schöpfungen; Urheber ist der Schöpfer des Werks (§ 2 und § 7 UrhG). Reiner KI-Output begründet deshalb nicht automatisch eigenen Werkschutz. Davon zu unterscheiden sind die Transparenz- und Anbieterpflichten des EU AI Act.
Kommerzielle Nutzung: Prüfe die Lizenz des konkreten Modells. Für die erfassten Stability Core Models erlaubt die Community License unter ihren Bedingungen kommerzielle Nutzung unter einer Million US-Dollar Jahresumsatz; dafür ist eine Registrierung vorgesehen. Bei größerem Umsatz klärst du die Enterprise-Lizenz mit Stability AI. Für gehostete Dienste gelten zusätzlich deren Nutzungsbedingungen.
Praxis-Tipp: Nutze KI zunächst für die Bildidee und halte die Produktreferenzen getrennt fest. Ein eigenes 3D-Asset kann die Grundlage für überprüfbare Produktdetails bilden. Kläre Modell- und Eingaberechte und kontrolliere das fertige Werbemittel. Manuelle Bearbeitung allein löst Rechtefragen nicht. Beispiele: 3D-Render-Studio.
Alternativen zu Stable Diffusion
- OpenAI Images API: Bilder generieren und bearbeiten über eine Programmierschnittstelle.
- Adobe Firefly: Bildgenerierung und -bearbeitung. Adobe unterscheidet eigene Firefly-Modelle mit lizenzierten beziehungsweise gemeinfreien Trainingsinhalten von Partnermodellen. Deren Bedingungen prüfst du gesondert; Content Credentials dokumentieren Herkunft, ersetzen aber keine Rechteprüfung.
- Runway Gen-4 Image References: Bilder anhand von Referenzen für Personen, Objekte oder Stil entwickeln.
- Ideogram: gut bei Typography/Text im Bild: Ideogram.
Stable Diffusion vs. AI Midjourney
Midjourney ist ein gehosteter Bildgenerator für Web und Discord. Stand 6. Oktober 2026 ist laut offizieller Versionsübersicht V8.2 die Standardversion. Das zugehörige Edit Model ersetzt die früheren Funktionen Omni Reference, Character Reference und Retexture. Die verfügbaren Funktionen hängen von der gewählten Version ab.
Kurzvergleich
- Kontrolle: Stable Diffusion bietet lokal eine eigene Modellauswahl und anpassbare Workflows. Midjourney bündelt die Bedienung in einem verwalteten Dienst. Welche Oberfläche dir schneller hilft, hängt von Aufgabe und Erfahrung ab.
- Vertrauliche Inhalte: Stable Diffusion kann vollständig lokal laufen, sofern dein Workflow keine Cloud-Dienste einbindet. Bei Midjourney regelt Stealth die Sichtbarkeit auf der Website. In öffentlichen Discord-Kanälen bleiben Beiträge trotzdem für andere sichtbar.
- Preis und Skalierung: SD lokal verursacht Hardware-, Strom- und Arbeitsaufwand; gehostete Zugänge haben eigene Tarife. Midjourney nutzt Abonnements mit GPU-Zeit und planabhängigen Funktionen, kein allgemeines Credit-Modell.
- Workflow: Für konkrete Produkt- und Materialdetails ist eine kontrollierte CGI-Grundlage sinnvoll; generative Werkzeuge können ausgewählte Ideen oder Umgebungsvarianten ergänzen. Die Unterschiede erklären wir hier: KI vs. CGI: Unterschiede.
Fazit
Stable Diffusion gibt dir viele Möglichkeiten, Bildideen zu entwickeln und eigene Abläufe aufzubauen. Wähle Modell und Zugang nach Aufgabe, Hardware und Nutzungsbedingungen. Für Möbel- und Interior-Projekte ist die Trennung hilfreich: KI erkundet Bildrichtungen; geprüfte Produktreferenzen und eine kontrollierte CGI-Grundlage sichern nachvollziehbare Formen, Materialien und Ansichten. So kannst du Ideen zügig vergleichen und die finale Produktdarstellung gezielt prüfen.
Wenn du fotorealistische, CI-saubere Produktbilder/Animationen brauchst, sprich uns an: 3D-Animationen für Produkte · Kontakt aufnehmen.
