Zurück zum Lernbereich

Das Werkzeug: Stable Diffusion Forge

Die Open-Source-Variante des KI-Bildgenerators, ohne Abo, ohne Cloud, ohne Aufpreis.

  • Grundlagen
  • 8 min
  • Fortgeschritten

Einfache Sprache

Diese Vorschau ist in Einfacher Sprache. Das ganze Portal gibt es auch in Einfacher Sprache. Du kannst oben die Sprache wechseln. Oder nutze den Knopf unten. Unsere Texte in Einfacher Sprache entstehen KI-gestützt und werden redaktionell begleitet. Sie orientieren sich an den Grundprinzipien der Leichten Sprache, sind aber keine geprüfte Leichte Sprache: Eine Prüfgruppe von Menschen mit Lernschwierigkeiten prüft sie nicht.

Vorschau: KI-Bilder auf dem eigenen PC

Was ist Stable Diffusion Forge?

Forge ist ein Programm für deinen Computer. Es erstellt Bilder mit KI. KI bedeutet Künstliche Intelligenz. Du schreibst einen Text. Das Programm malt daraus ein Bild.

Lokal statt Cloud

Viele KI-Dienste laufen im Internet. Du zahlst für jedes Bild. Bei Forge läuft alles auf deinem PC. Es ist kostenlos. Deine Bilder bleiben privat.

Was du brauchst

Du brauchst einen PC mit einer Grafikkarte. Grafikkarte bedeutet: ein Prozessor für Bilder. Eine stärkere Grafikkarte erzeugt Bilder schneller. Forge kannst du kostenlos herunterladen.

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 den Tacho lesen, der 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. Beachte: Das Original-Forge von lllyasviel wurde zuletzt im Juni 2025 aktualisiert (Stand: November 2026). Sein One-Click-Paket bringt eine PyTorch-Version mit, die Grafikkarten der RTX-50-Serie noch nicht kennt. Für diese Karten und für neuere Modelle wie Flux.2 Klein, Qwen-Image oder Z-Image nimmst du den weitergepflegten Community-Fork „Forge Neo“; den installierst du allerdings selbst per Git und Python.

Definition

Forge (Stable Diffusion WebUI Forge)

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).
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 Modelldateien, Checkpoints genannt, bestimmen den Stil — Realistic Vision für Fotografie, Dreamshaper für Fantasy, SDXL Base als Allrounder.

  1. 1. One-Click-Paket herunterladenVon der Forge-Projektseite als Archiv (für Windows) — Python und Git sind bereits enthalten.
  2. 2. Archiv entpackenDen Ordner an einen beliebigen Ort auf deiner Festplatte entpacken.
  3. 3. run.bat doppelklickenVorher einmal update.bat doppelklicken, sonst läuft womöglich eine ältere Version mit noch nicht behobenen Fehlern. Beim ersten Start werden alle Abhängigkeiten automatisch heruntergeladen. Danach öffnet sich Forge im Browser.
  4. 4. Checkpoint wählenEin Modell auswählen oder von Plattformen wie Civitai herunterladen und in den Forge-Ordner legen.
  5. 5. Erstes Bild generierenCheckpoint wählen, Prompt eingeben, auf "Generate" klicken.

Achtung

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.

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. Achte auf die Modellfamilie: Realistic Vision, Dreamshaper (bis Version 8) und Anything V5 sind SD-1.5-Modelle für 512x512 Pixel, SDXL Base und Ableger wie DreamShaper XL rechnen mit 1024x1024 – die Auflösung muss zur Familie passen. 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.

Definition

VRAM (Video RAM)

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 für das Bild auf der Werkbank.

RTX 3060 12 GB

~15 s

SDXL 1024x1024 — der Preis-Leistungs-Sieger (~380 €)

RTX 4090 24 GB

~3 s

SDXL 1024x1024 — High-End für schnelle Iteration (Preis stark schwankend)

Nur CPU

~10 Min

SDXL 1024x1024 — ohne GPU extrem langsam

Forges VRAM-Tricks

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.

Achtung

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. 380 € und bewältigt SDXL nativ. GPU-Preise sind Richtwerte und ändern sich.

Den Tacho lesen

Forge zeigt dir während der Generierung im Konsolenfenster (dem schwarzen Fenster, das run.bat öffnet) eine Zahl: it/s – bei langsamer Hardware umgedreht als s/it, also Sekunden pro Step. Diese Zahl verrät dir, wie schnell deine GPU arbeitet — und lässt dich die Generierungsdauer ziemlich genau vorhersagen.

Definition

it/s (Iterations per Second)

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.

Merke

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.

Effizient arbeiten: Auflösungs-Progression

  1. 1. Schnelltest512x512 px, 15 Steps, Euler — ca. 2 Sekunden. Grundkomposition prüfen. Das gilt für SD-1.5-Modelle; SDXL-Modelle sind auf rund 1024x1024 trainiert, dort testest du besser direkt in 1024 px mit wenigen Steps.
  2. 2. Detailcheck768x768 px, 25 Steps, DPM++ 2M Karras — ca. 8 Sekunden. Feinheiten beurteilen.
  3. 3. Finales Bild1024x1024 px, 30 Steps — ca. 15 Sekunden. Bereit für optionales Upscaling. Achtung: Eine neue Auflösung erzeugt trotz gleichem Seed ein neues Bild — die gefundene Komposition bringst du per Hires Fix oder img2img auf 1024 px.

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 ein älterer Klassiker; wie bei allen Samplern liefert derselbe Seed dasselbe Bild. Für die meisten Nutzer gilt: DPM++ 2M Karras wählen und bei 25 Steps starten. In Forge sind das zwei Felder: „Sampling method“ auf DPM++ 2M und „Schedule type“ auf Karras (die Voreinstellung „Automatic“ wählt für DPM++ 2M ohnehin Karras).

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.

Zusammenfassung

Merke

Die drei wichtigsten Punkte

  1. 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.
  2. 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.
  3. Generierungsdauer = Steps / it/s — nutze den Auflösungs-Progressions-Workflow (512 → 768 → 1024), um Kompositionen günstig zu testen, bevor du teure hochauflösende Render startest.

Prüfen

Quiz: Stable Diffusion Forge

Noch offen

Was ist der wichtigste Hardware-Flaschenhals für die lokale Bildgenerierung mit Stable Diffusion?

Wähle eine Antwort

Auflösung: 1) C · 2) C · 3) B · 4) B

Prüfen

Checkpoint

Kannst du das in eigenen Worten erklären? Hake ab, was sitzt.

0 von 3 sitzen