Die 15 wichtigsten Modelle zur lokalen Bildgenerierung

Ein Überblick über die Modelle, die in der lokalen Bildgenerierung wirklich zählen – nach Familien sortiert, mit Stärken, Schwächen und dem, worauf du bei Hardware und Lizenz achten musst.

Wer lokal Bilder erzeugt, läuft früher oder später in einen Dschungel aus Modellnamen: SD 1.5, SDXL, Flux, Pony, dazu hunderte Ableger mit kryptischen Kürzeln. Allein auf den gängigen Plattformen stehen zehntausende Modelle. Die gute Nachricht: Du musst nicht alle kennen. Hinter dem Wirrwarr stecken wenige große Familien, und wenn du die verstehst, ordnest du jedes neue Modell sofort ein.

Ein ehrlicher Hinweis vorweg: Dieser Bereich verändert sich rasend schnell. Versionsnummern, genaue Werte und Ranglisten sind morgen vielleicht überholt. Deshalb liegt der Fokus hier auf den stabilen Linien – welche Familie wofür steht – statt auf tagesaktuellen Bestenlisten. Den konkreten Stand prüfst du am besten direkt vor dem Download. Und was ein Checkpoint überhaupt ist, klärt ein eigener Spoke ([→ Spoke: Checkpoints & VAE]).

Die drei großen Familien

Praktisch alles, was lokal läuft, gehört zu einer von drei Familien – oder ist ein Ableger davon. Diese drei sind das Gerüst, an dem du dich orientierst.

Skizze 1: Die drei großen Familien – SD 1.5 als leichter Veteran, SDXL als Arbeitstier mit dem größten Ökosystem, Flux als Qualitätsspitze.

Die Fotorealismus-Ableger (auf SDXL)

Das Basismodell selbst nutzt kaum jemand direkt – man greift zu spezialisierten Ablegern (Fine-Tunes), die jemand auf ein Ziel weitertrainiert hat ([→ Spoke: Checkpoints & VAE]). Für fotorealistische Menschen, Produkte und Landschaften haben sich auf SDXL ein paar Namen als verlässliche Arbeitspferde etabliert:

Die Anime- und Illustrations-Modelle (auf SDXL)

Eine eigene, sehr aktive Welt. Wer Anime, Comic oder illustrierte Charaktere will, ist mit den allgemeinen Fotomodellen schlecht bedient – dafür gibt es spezialisierte Ableger mit eigenen Prompt-Konventionen:

Die Flux-Varianten

Flux kommt nicht als ein Modell, sondern in mehreren Varianten, die sich in Tempo, Qualität und vor allem in den Lizenzbedingungen unterscheiden – das ist gerade kommerziell wichtig:

Weitere erwähnenswerte Modelle

Jenseits der drei Hauptfamilien lohnt ein Blick auf einige Spezialisten und Neuzugänge:

Welches Modell läuft auf deiner Hardware?

Der wichtigste praktische Filter ist nicht die Qualität, sondern dein Videospeicher (VRAM). Reicht er nicht, läuft ein Modell gar nicht oder quälend langsam. Grob gilt:

Skizze 2: Eine grobe VRAM-Leiter – SD 1.5 läuft schon auf wenig Speicher, SDXL braucht mittel, Flux am meisten (komprimiert geht es auch mit weniger).

Diese Werte sind Richtwerte, keine harten Grenzen. Mit Komprimierungs-Tricks (etwa quantisierten Modellversionen) laufen auch größere Modelle auf schwächeren Karten – langsamer und mit kleinen Qualitätsabstrichen. Die genauen Anforderungen ändern sich mit jeder Modellgeneration, also vor dem Download kurz prüfen, was deine Karte schafft ([→ Spoke: batch_size & Reproduzierbarkeit]).

Modell nach Ziel wählen, nicht nach „bestem“

Die Frage „Was ist das beste Modell?“ führt in die Irre. Es gibt kein bestes – nur ein passendes. Welches das ist, hängt davon ab, was du vorhast:

Skizze 3: Statt nach dem „besten“ Modell zu suchen, wählst du nach Ziel – jede Aufgabe hat ihre natürliche Familie.

Wichtig: die Lizenzfrage

Gerade weil dieser Spoke kommerziell relevant ist, der deutlichste Hinweis: Modelle stehen unter ganz unterschiedlichen Lizenzen, und die entscheiden darüber, ob du die erzeugten Bilder geschäftlich nutzen darfst. Manche Modelle erlauben kommerzielle Nutzung breit und unkompliziert, andere nur mit Auflagen wie Namensnennung, wieder andere verlangen für den kommerziellen Einsatz eine gesonderte Lizenz oder verbieten ihn.

Dazu kommt die Frage, worauf ein Modell trainiert wurde – ein Ableger, der auf geschützten Marken oder realen Personen basiert, ist rechtlich heikel, egal was die Lizenz erlaubt. Und Fine-Tunes erben oft die Bedingungen ihres Basismodells, können aber eigene draufsetzen. Heißt konkret: Vor kommerzieller Nutzung immer die Lizenz des konkreten Modells und seines Basismodells prüfen. Das ist keine Rechtsberatung, sondern der Hinweis, an der richtigen Stelle genau hinzuschauen – im Zweifel mit fachkundiger Hilfe ([→ Spoke: Cloud-Modelle vs. lokale Bildgenerierung]).

Was diese Liste nicht leisten kann

Eine Momentaufnahme bleibt eine Momentaufnahme. Welches Modell gerade die „beste“ Qualität hat, kann sich in Wochen ändern – deshalb stehen hier bewusst die Familien und ihre Rollen im Vordergrund, nicht eine Rangliste mit Punkten. Die Linien (leicht und genügsam, großes Ökosystem, Qualitätsspitze, Spezial-Ableger) sind stabil; die konkreten Namen an der Spitze wechseln.

Und die Liste ersetzt nicht das Ausprobieren. Welches Modell zu deinem Stil, deiner Hardware und deinen Prompts passt, findest du am schnellsten heraus, indem du zwei, drei Kandidaten mit demselben Prompt und Seed gegeneinander testest ([→ Spoke: Seed]).

Häufige Fragen

Welches lokale Modell ist das beste?

Es gibt kein einzelnes bestes Modell, nur ein passendes. Für maximale Qualität und Prompt-Treue Flux, für das größte Ökosystem SDXL, für schwache Hardware SD 1.5, für Anime die SDXL-Anime-Ableger. Die Wahl hängt von Ziel und Hardware ab.

Welches Modell soll ich als Anfänger nehmen?

Mit ausreichend Videospeicher (etwa ab 8 GB) ist ein bewährter SDXL-Ableger ein guter Start – gute Qualität, riesiges Ökosystem, viel Dokumentation. Auf schwacher Hardware ein bewährtes SD-1.5-Modell.

Was ist der Unterschied zwischen SD 1.5, SDXL und Flux?

Grob: SD 1.5 ist der leichte Veteran (läuft auf schwacher Hardware, größtes Ökosystem, Qualität am unteren Ende). SDXL ist das Arbeitstier (mittlerer Speicherbedarf, bester Kompromiss). Flux ist die Qualitätsspitze (höchster Speicherbedarf, beste Prompt-Treue und Schrift).

Warum gibt es so viele Modelle mit ähnlichen Namen?

Weil die meisten davon Fine-Tunes sind – Ableger eines Basismodells, die jemand auf ein Ziel weitertrainiert oder gemischt hat. Juggernaut XL, RealVis XL und viele andere sind alle SDXL-Ableger ([→ Spoke: Checkpoints & VAE]).

Darf ich mit diesen Modellen kommerziell arbeiten?

Das hängt vom konkreten Modell ab. Manche erlauben kommerzielle Nutzung breit, andere nur mit Auflagen, wieder andere verlangen eine gesonderte Lizenz. Zusätzlich ist heikel, worauf das Modell trainiert wurde. Vor kommerzieller Nutzung immer die Lizenz prüfen.

Brauche ich für Flux eine teure Grafikkarte?

Flux ist das speicherhungrigste der drei Hauptfamilien. Voll braucht es viel Videospeicher; mit komprimierten Versionen läuft es auch auf mittleren Karten, dann langsamer und mit kleinen Qualitätsabstrichen.

Weiterlesen

Was ein Checkpoint und ein Fine-Tune überhaupt sind, erklärt [→ Spoke: Checkpoints & VAE]; ob du überhaupt lokal arbeiten willst oder lieber über einen Cloud-Dienst, wägt [→ Spoke: Cloud-Modelle vs. lokale Bildgenerierung] ab. Wie du Modelle mit Zusatzpaketen erweiterst, steht unter [→ Spoke: LoRA], und warum Flux keinen Negativ-Prompt hat, klärt [→ Spoke: Prompt & Negativ-Prompt].

[→ zurück zum Hub: KI-Bildgenerierung verstehen]