Sampling-Steps erklärt – warum mehr Schritte nicht immer besser sind

Was die Sampling-Schritte tun, warum ab einem gewissen Punkt nichts mehr besser wird – und wieso manche Modelle mit einer Handvoll Schritten auskommen, wo andere dreißig brauchen.

Im Bild-Tool gibt's einen Regler namens „Steps“ oder „Sampling-Schritte“, und die naheliegende Annahme ist: mehr Schritte, besseres Bild. Also den Regler hochziehen und warten? Tu's nicht. Du verbrennst dann nur Rechenzeit, ohne dass das Bild nennenswert besser wird – und in manchen Fällen wird es sogar schlechter.

Steps sind einer der Regler, bei denen das Bauchgefühl in die Irre führt. Wer versteht, was bei jedem Schritt eigentlich passiert, hört auf, blind hochzudrehen, spart Zeit und weiß auch, warum so ein Turbo-Modell ein gutes Bild in zwei Schritten hinbekommt, wofür ein normales dreißig braucht.

Was die Schritte überhaupt tun

Jede Bildgenerierung fängt mit reinem Rauschen an – einem zufälligen Bildpunkt-Geflimmer, das aussieht wie das Schneegestöber auf einem alten Fernseher. Aus diesem Rauschen rechnet das Modell das Bild heraus, und zwar nicht in einem Rutsch, sondern Schritt für Schritt. Genau das sind die Steps: Jeder Schritt ist eine Runde, in der das Modell ein Stück Rauschen entfernt und das Bild ein bisschen klarer macht.

Man kann es sich wie das Schärfen eines unscharfen Fotos in Etappen vorstellen. Nach dem ersten Schritt ahnt man grobe Formen, nach fünf Schritten erkennt man, was gemeint ist, nach zwanzig stehen die Details. Wie das Rauschen dabei genau entfernt wird, hängt vom gewählten Sampler ab – der Sampler ist sozusagen die Methode, die Steps sind die Anzahl der Runden ([→ Spoke: Sampler & Scheduler]).

Skizze 1: Aus dem Startrauschen wird mit jedem Step ein Stück mehr Bild – bis nichts Wesentliches mehr dazukommt.

Warum mehr Schritte nicht immer besser sind

Der entscheidende Punkt: Die Verbesserung pro Schritt wird immer kleiner. Die ersten Schritte bringen viel – da entsteht aus dem Chaos überhaupt erst ein Bild. Die mittleren Schritte arbeiten Details aus. Aber irgendwann ist das Bild fertig, und weitere Schritte ändern nur noch Kleinigkeiten, die man kaum sieht. Das nennt man abnehmenden Grenznutzen: Du zahlst mit Rechenzeit, bekommst aber fast nichts mehr dafür.

Bei vielen gängigen Modellen liegt der vernünftige Bereich ungefähr bei 20 bis 30 Schritten. Darunter wird das Bild oft unfertig und matschig; darüber gewinnst du kaum noch etwas, und jenseits von etwa 40 bis 50 Schritten kann das Bild sogar wieder leicht kippen statt besser zu werden. Welche Zahl genau passt, hängt vom Modell und vom Sampler ab – die Faustregel „irgendwo um 20–30 anfangen“ trifft es aber für die meisten Fälle.

Skizze 2: Die Qualität steigt anfangs steil, flacht dann ab. Ab dem Sweet Spot kostet jeder weitere Step Zeit, bringt aber kaum noch etwas.

Modelle, die mit wenigen Schritten auskommen

Jetzt wird's interessant: Es gibt Modelle, die brauchen nicht zwanzig oder dreißig Schritte, sondern liefern ein fertiges Bild in einem bis vier Schritten. Bekannte Beispiele sind die Turbo-Modelle wie SDXL Turbo und SD Turbo. Wie geht das – wo doch eben noch von zwanzig Schritten die Rede war?

Der Trick heißt Distillation („Destillation“). Vereinfacht gesagt nimmt man ein normales, langsames Modell als „Lehrer“ und trainiert ein neues „Schüler“-Modell darauf, dasselbe Ergebnis in viel weniger Schritten zu treffen. Statt vieler kleiner, vorsichtiger Schritte macht das Schüler-Modell wenige große, gezielte Sprünge – die Sprungweite wurde ihm beim Training quasi einprogrammiert. Bei den Turbo-Modellen kommt dazu noch ein gegnerisches Training (Adversarial Diffusion Distillation), bei dem ein zweites Netz lernt, echte von erzeugten Bildern zu unterscheiden, und das Schüler-Modell dadurch zu schärferen Ergebnissen zwingt. Das Resultat: ein brauchbares Bild in ein bis vier Schritten, fast in Echtzeit.

Skizze 3: Normale Modelle nehmen viele kleine Schritte. Distillierte Turbo-/Schnell-Modelle machen wenige große Sprünge – deutlich schneller.

Der Haken: Die wenigen Schritte gibt's nicht ganz umsonst. Turbo-Modelle sind oft weniger flexibel, liefern bei sehr komplexen Prompts oder hohen Auflösungen nicht ganz die Tiefe der großen Modelle, und du kannst die Schrittzahl nicht beliebig hochdrehen – mehr Schritte machen ein Turbo-Modell nicht besser, weil es darauf gar nicht ausgelegt ist. Wer maximale Detailtiefe will, greift zum normalen Modell und nimmt die längere Rechenzeit in Kauf; wer schnell viele Varianten durchprobieren will, ist mit Turbo bestens bedient. Und falls du ein bestimmtes Modell kommerziell einsetzen willst: vorher die Lizenz prüfen, die unterscheidet sich je nach Modell teils deutlich ([→ Spoke: Die 15 wichtigsten Modelle]).

Sonderfall Flux

Auch die Flux-Modelle (von Black Forest Labs) verdienen einen eigenen Hinweis. Flux arbeitet technisch etwas anders als die klassischen Stable-Diffusion-Modelle – es nutzt sogenanntes Flow Matching, eine verwandte, aber nicht identische Methode, das Rauschen aufzulösen. Für dich als Anwender heißt das vor allem: Die gewohnten Step-Zahlen passen nicht eins zu eins.

Beim größeren Flux-Dev-Modell liegt der übliche Bereich ungefähr bei 20 bis 30 Schritten – ähnlich wie bei normalen Modellen, mit demselben abnehmenden Grenznutzen nach oben. Das schnelle Flux-Schnell-Modell dagegen ist, ähnlich den Turbo-Modellen, auf sehr wenige Schritte getrimmt: ein bis vier reichen, mehr bringen kaum etwas. Auch hier gilt also: erst schauen, welches Modell du vor dir hast, dann die Schrittzahl wählen – und nicht die Zahl aus dem letzten Modell blind übernehmen ([→ Spoke: CFG]).

Faustregeln für die Praxis

Was Steps nicht können

Mehr Schritte reparieren keinen schlechten Prompt. Wenn die KI dein Motiv nicht hinbekommt, weil die Beschreibung widersprüchlich ist oder das Modell den Begriff nicht kennt, hilft Hochdrehen nichts – du bekommst dasselbe Problem nur sauberer gerechnet. Und Schritte reparieren auch keine kaputten Hände oder falsch platzierten Details: Das sind Schwächen des Modells, keine Frage der Rechenrunden ([→ Spoke: Warum kann die KI keine Hände?]).

Auch wichtig: Mehr Schritte machen ein Bild nicht automatisch hochauflösender oder „hochwertiger“ im Sinne von größer oder schärfer. Auflösung ist eine eigene Einstellung, und für echtes Vergrößern gibt es eigene Verfahren. Steps steuern, wie weit der Entrausch-Prozess läuft – nicht, wie groß oder fein das Endbild ist ([→ Spoke: Auflösung & Seitenverhältnis]).

Häufige Fragen zu Sampling-Steps

Wie viele Sampling-Steps sind ideal?

Bei vielen gängigen Modellen sind 20–30 Schritte ein guter Start. Darunter wird das Bild oft unfertig, darüber gewinnst du kaum noch etwas. Turbo- und Schnell-Modelle kommen dagegen mit 1–4 Schritten aus.

Werden Bilder mit mehr Steps immer besser?

Nein. Die Verbesserung pro Schritt wird immer kleiner, und ab etwa 40–50 Schritten gewinnst du praktisch nichts mehr – manchmal kippt das Bild sogar wieder. Mehr Steps kosten vor allem Rechenzeit.

Warum brauchen Turbo-Modelle nur wenige Schritte?

Sie wurden per Distillation trainiert: Ein langsames Lehrer-Modell bringt einem Schüler-Modell bei, dasselbe Ergebnis in wenigen großen Sprüngen statt vielen kleinen Schritten zu treffen. SDXL Turbo nutzt dazu zusätzlich ein gegnerisches Training (ADD).

Wie viele Steps brauche ich bei Flux?

Beim Flux-Dev-Modell sind etwa 20–30 Schritte üblich, beim schnellen Flux-Schnell reichen 1–4. Flux arbeitet mit Flow Matching und verhält sich daher etwas anders als klassische Stable-Diffusion-Modelle.

Was bringt es, die Schrittzahl bei einem Turbo-Modell zu erhöhen?

Wenig bis nichts. Turbo-Modelle sind auf wenige Schritte ausgelegt; deutlich mehr Schritte verbessern das Bild kaum, kosten aber Zeit. Wer mehr Detailtiefe braucht, nimmt besser ein normales Modell.

Machen mehr Steps das Bild hochauflösender?

Nein. Steps steuern nur, wie weit der Entrausch-Prozess läuft. Die Bildgröße ist eine eigene Einstellung, und fürs echte Vergrößern gibt es separate Verfahren ([→ Spoke: Auflösung & Seitenverhältnis]).

Weiterlesen

Steps und Sampler sind ein Gespann – wie das Rauschen überhaupt entfernt wird, erklärt [→ Spoke: Sampler & Scheduler]; warum du beim Vergleichen den Seed festhalten solltest, steht unter [→ Spoke: Seed]. Wie stark das Modell dem Prompt folgt, regelt ein anderer Wert – siehe [→ Spoke: CFG]. Und welche Modelle wie viele Schritte brauchen und was sie dürfen, ordnet [→ Spoke: Die 15 wichtigsten Modelle] ein.

[→ zurück zum Hub: KI-Bildgenerierung verstehen]