Die Open-Source-Variante des KI-Bildgenerators, ohne Abo, ohne Cloud, ohne Aufpreis.
Grundlagen 8 min Fortgeschritten 25. Mai 2026
Cloud-Dienste berechnen dir jedes Bild und sehen jeden Prompt, den du eingibst. Was wäre, wenn dein eigener Computer dasselbe könnte — unbegrenzt, kostenlos und komplett privat?
Genau das liefert Forge. Dieser Artikel gibt dir die drei Dinge, die du dafür brauchst: das Werkzeug verstehen, deine Hardware-Grenzen kennen und das Tacho lesen, das dir zeigt, wie schnell du generierst.
Dein lokales KI-Studio
Forge ist ein optimiertes Open-Source-Webinterface für Stable Diffusion. Es ist ein Fork von Automatic1111, der speziell auf Geschwindigkeit und VRAM-Effizienz gebaut wurde — das empfohlene Werkzeug für den Einstieg in die lokale Bildgenerierung.
Forge (Stable Diffusion WebUI Forge)
AnalogieDefinition
Stell dir den Unterschied vor zwischen einem professionellen Fotostudio, das du stundenweise mietest (Cloud-Dienste — sofortiger Zugang, Pay-per-Use, kein Setup), und einer eigenen Dunkelkammer zuhause (Forge — einmaliger Aufwand zum Einrichten, aber danach ist jeder Abzug kostenlos, komplett privat, und du bestimmst jedes Detail selbst).
Analogie:
Stell dir den Unterschied vor zwischen einem professionellen Fotostudio, das du stundenweise mietest (Cloud-Dienste — sofortiger Zugang, Pay-per-Use, kein Setup), und einer eigenen Dunkelkammer zuhause (Forge — einmaliger Aufwand zum Einrichten, aber danach ist jeder Abzug kostenlos, komplett privat, und du bestimmst jedes Detail selbst).
Definition:
Forge ist ein Fork von Automatic1111s WebUI, der für bessere Geschwindigkeit und geringeren VRAM-Verbrauch optimiert wurde. Es läuft lokal in deinem Browser unter localhost:7860 und nutzt deine GPU direkt für die Bildberechnung.
Cloud-Dienste
Sofortiger Zugang, kein Setup nötig|Pay-per-Use oder Monatsabo|Prompts werden an Server gesendet|Content-Filter vom Anbieter|Immer neueste Modelle verfügbar
Lokales Forge
Einmalige Einrichtung nötig|Nach Setup komplett kostenlos|Prompts verlassen deinen PC nie|Keine externen Content-Filter|Eigene Modelle und Checkpoints
Der Software-Stack
Du brauchst zwei Dinge: ein Modell (das "Gehirn" der KI) und ein Frontend (die Oberfläche). Das Modell berechnet die Bilder, Forge gibt dir die Knöpfe dafür. Die Checkpoints bestimmen den Stil — Realistic Vision für Fotografie, Dreamshaper für Fantasy, SDXL Base als Allrounder.
1
One-Click-Paket herunterladen Von der Forge-Projektseite als Archiv — Python und Git sind bereits enthalten.
2
Archiv entpacken Den Ordner an einen beliebigen Ort auf deiner Festplatte entpacken.
3
run.bat doppelklicken Beim ersten Start werden alle Abhängigkeiten automatisch heruntergeladen. Danach öffnet sich Forge im Browser.
4
Checkpoint wählen Ein Modell auswählen oder von Plattformen wie Civitai herunterladen und in den Forge-Ordner legen.
5
Erstes Bild generieren Checkpoint wählen, Prompt eingeben, auf "Generate" klicken.
Irrtum: Forge ist kompliziert
Die Basis-Nutzung hat weniger Schritte als die Einrichtung eines Social-Media-Accounts. Komplexität entsteht erst bei fortgeschrittenen Features wie ControlNet oder regionalen Prompts — nichts davon muss ein Einsteiger anfassen.
Checkpoint-Landschaft
Checkpoints sind vortrainierte Modelle mit unterschiedlichen Stilen. Realistic Vision spezialisiert sich auf fotorealistische Ergebnisse. Dreamshaper erzeugt Fantasy- und Illustrationsstile. SDXL Base ist der offizielle Allrounder von Stability AI mit höherer Auflösung (1024x1024 nativ). Anime-Checkpoints wie Anything V5 sind auf den Anime-Stil optimiert. Bei der Wahl gilt: Starte mit SDXL Base oder Dreamshaper und spezialisiere dich später. Diese Checkpoints findest du kostenlos auf Plattformen wie Civitai — du lädst die Datei herunter und legst sie in den Forge-Checkpoint-Ordner.
Der VRAM-Flaschenhals
Deine Grafikkarte hat einen eigenen Speicher — den VRAM. Er bestimmt die Obergrenze dessen, was dein lokales KI-Setup leisten kann: welche Modelle passen, in welcher Auflösung du generieren kannst und wie viele Bilder gleichzeitig möglich sind.
VRAM (Video RAM)
AnalogieDefinition
Denk an VRAM wie die physische Größe einer Werkbank. Eine kleine Bank (4 GB) bietet Platz für einen Skizzenblock — gut für schnelle Entwürfe bei 512x512 Pixeln. Ein Standardtisch (8-12 GB) fasst eine richtige Leinwand für 1024x1024. Ein riesiger Studiotisch (24 GB) erlaubt dir, mehrere große Leinwände auszubreiten und mit mehreren Ebenen gleichzeitig zu arbeiten. Doppelte Kantenlänge bedeutet viermal so viele Pixel — also viermal so viel Platz auf der Werkbank.
Analogie:
Denk an VRAM wie die physische Größe einer Werkbank. Eine kleine Bank (4 GB) bietet Platz für einen Skizzenblock — gut für schnelle Entwürfe bei 512x512 Pixeln. Ein Standardtisch (8-12 GB) fasst eine richtige Leinwand für 1024x1024. Ein riesiger Studiotisch (24 GB) erlaubt dir, mehrere große Leinwände auszubreiten und mit mehreren Ebenen gleichzeitig zu arbeiten. Doppelte Kantenlänge bedeutet viermal so viele Pixel — also viermal so viel Platz auf der Werkbank.
Definition:
VRAM ist dedizierter Speicher auf deiner Grafikkarte. Er wird gleichzeitig vom KI-Modell (Checkpoint-Gewichte) und vom Bild (Pixel-Daten) belegt. SDXL benötigt etwa 6,5 GB allein für die Modellgewichte — der Rest steht für die Bildberechnung zur Verfügung.
Forge hat eingebaute Optimierungen für schwache Hardware. Model Offloading lagert Teile des Modells in den Arbeitsspeicher aus. Tiled VAE zerlegt die Bildberechnung in Kacheln. Beides macht die Generierung langsamer, verhindert aber Abstürze. AMD-Karten (ROCm) und Apple Silicon (MPS) funktionieren ebenfalls, sind aber weniger optimiert als NVIDIA.
Irrtum: Man braucht eine teure GPU
Stable Diffusion 1.5 läuft auf Grafikkarten mit 4 GB VRAM — gebrauchte Karten ab etwa 100 €. Die RTX 3060 12 GB (der Preis-Leistungs-Champion der Community) kostet ca. 280 € und bewältigt SDXL nativ. GPU-Preise sind Richtwerte und ändern sich.
Das Tacho lesen
Forge zeigt dir während der Generierung eine Zahl: it/s. Diese Zahl verrät dir, wie schnell deine GPU arbeitet — und lässt dich die Generierungsdauer exakt vorhersagen.
it/s (Iterations per Second)
AnalogieDefinition
Stell dir einen Bildhauer vor, der einen groben Marmorblock zur Statue verfeinert. Jeder "Step" ist ein Durchgang mit einem feineren Meißel. Die it/s-Zahl verrät, wie viele Meißeldurchgänge der Bildhauer pro Sekunde schafft. Wenn die Statue 30 Durchgänge braucht und der Bildhauer 5 pro Sekunde schafft, ist die Statue in exakt 6 Sekunden fertig.
Analogie:
Stell dir einen Bildhauer vor, der einen groben Marmorblock zur Statue verfeinert. Jeder "Step" ist ein Durchgang mit einem feineren Meißel. Die it/s-Zahl verrät, wie viele Meißeldurchgänge der Bildhauer pro Sekunde schafft. Wenn die Statue 30 Durchgänge braucht und der Bildhauer 5 pro Sekunde schafft, ist die Statue in exakt 6 Sekunden fertig.
Definition:
it/s misst, wie viele Denoising-Schritte deine GPU pro Sekunde berechnet. Stable Diffusion baut ein Bild auf, indem es schrittweise Rauschen entfernt — typischerweise in 20-50 Steps. Die Generierungsdauer ergibt sich aus: Zeit = Steps / it/s.
Die Formel
Zeit = Steps / it/s. Beispiel: 5 it/s bei 30 Steps = 6 Sekunden. Verdoppelst du die Kantenlänge (z.B. 512 auf 1024 Pixel), vervierfacht sich die Pixelzahl — und damit ungefähr die Rechenzeit.
Finales Bild 1024x1024 px, 30 Steps — ca. 15 Sekunden. Bereit für optionales Upscaling.
Sampler-Algorithmen
Sampler steuern den Denoising-Prozess. Euler ist schnell und simpel — gut für schnelle Tests. DPM++ 2M Karras liefert hervorragende Qualität schon bei 20-25 Steps und ist der empfohlene Standard. DDIM ist deterministisch — dasselbe Ergebnis bei jeder Ausführung. Für die meisten Nutzer gilt: DPM++ 2M Karras wählen und bei 25 Steps starten.
Interaktiv: Dein persönlicher Einstellungs-Assistent
Was willst du generieren? Wähle Motiv und Qualitätsstufe — der Assistent empfiehlt dir die passenden Forge-Einstellungen: Checkpoint, Sampler, Steps, CFG Scale und Auflösung.
1
Motiv
2
Qualität
3
Empfehlung
Was willst du generieren?
Wähle die Art des Bildes. Jeder Typ hat optimale Einstellungen.
Zusammenfassung
Die drei wichtigsten Punkte
Forge ist der empfohlene Einstieg für lokales Stable Diffusion — kostenlos, privat und voll kontrollierbar. Cloud-Dienste bleiben eine Alternative für gelegentliche Nutzer oder bei schwacher Hardware.
VRAM ist der wichtigste Hardware-Wert — 8 GB Minimum für SDXL, 12 GB ist der Sweet Spot, und Forges eingebaute Optimierungen (Model Offloading, Tiled VAE) dehnen schwache Hardware weiter.
Generierungsdauer = Steps / it/s — nutze den Auflösungs-Progressions-Workflow (512 → 768 → 1024), um Kompositionen günstig zu testen, bevor du teure hochauflösende Render startest.
Quiz: Stable Diffusion Forge
Frage 1 / 4
Noch offen
Was ist der wichtigste Hardware-Flaschenhals für die lokale Bildgenerierung mit Stable Diffusion?
1. Was ist der wichtigste Hardware-Flaschenhals für die lokale Bildgenerierung mit Stable Diffusion?
☐ A) Die CPU-Taktfrequenz
☐ B) Der Arbeitsspeicher (RAM)
☐ C) Der VRAM (Videospeicher der Grafikkarte)
☐ D) Die Festplattengeschwindigkeit (SSD vs. HDD)
2. Deine GPU schafft 4 it/s und du hast 20 Denoising-Steps eingestellt. Wie lange dauert die Generierung eines Bildes?
☐ A) 2 Sekunden
☐ B) 4 Sekunden
☐ C) 5 Sekunden
☐ D) 20 Sekunden
3. Du hast eine GPU mit 6 GB VRAM und bekommst einen "CUDA out of memory"-Fehler beim Generieren eines SDXL-Bildes bei 1024x1024. Was hilft am effektivsten?
☐ A) Einen schnelleren Sampler-Algorithmus wählen
☐ B) Auflösung auf 768x768 reduzieren und Forges VRAM-Optimierungen aktivieren
☐ C) Die Anzahl der Denoising-Steps erhöhen
☐ D) Einen anderen SDXL-Checkpoint herunterladen
4. Ein Hobby-Künstler generiert ca. 40 Bilder pro Tag über einen Cloud-Dienst für 25 $/Monat. Er überlegt, eine RTX 3060 (12 GB, ca. 280 €) für lokales Forge zu kaufen. Wie bewertest du diese Entscheidung?
☐ A) Lohnt sich nicht — Cloud ist immer besser, weil kein technisches Setup nötig ist
☐ B) Lohnt sich — die GPU zahlt sich in etwa einem Jahr selbst ab, plus Privatsphäre, keine Content-Filter und null laufende Kosten
☐ C) Lohnt sich nicht — 40 Bilder pro Tag überfordern eine Mittelklasse-GPU
☐ D) Nur sinnvoll mit einer RTX 4090 für akzeptable Geschwindigkeit
Auflösung: 1) C · 2) C · 3) B · 4) B
Checkpoint
Welche konkreten Vorteile bietet dir der lokale Betrieb von Stable Diffusion über Forge gegenüber Cloud-Diensten?
Warum ist VRAM der kritischste Hardware-Faktor, und wie hilft Forge Nutzern mit wenig VRAM?
Wie berechnet sich die Dauer einer Bildgenerierung aus it/s und Steps, und warum vervierfacht sich die Rechenzeit bei doppelter Kantenlänge?