Lexikon · S
Stable Diffusion
Kurzantwort
Unter dem Namen Stable Diffusion veröffentlicht Stability AI Bildmodelle, deren Gewichte frei zum Herunterladen bereitstehen. Mit einer passenden Grafikkarte erzeugst du damit Bilder auf dem eigenen Rechner, ohne Abo und ohne dass deine Beschreibungen an einen Dienst gehen. Gewerblich ist die Nutzung frei, bis ein Unternehmen 1 Million US-Dollar Jahresumsatz erreicht3.

Die meisten Bildgeneratoren laufen auf den Servern ihrer Anbieter, und du siehst nur ein Eingabefeld. Bei Stable Diffusion liegt das eigentliche Modell als Datei auf deiner Festplatte. Damit kannst du es offline verwenden, mit eigenen Bildern nachtrainieren oder in Programme wie ComfyUI einbinden. Darauf bauen Erweiterungen wie ControlNet und LoRA auf.
Wie das Modell aufgebaut ist
Technisch ist Stable Diffusion ein latentes Diffusionsmodell für Text-zu-Bild. Die erste Fassung der Forschungsgruppe CompVis wurde zunächst mit Bildern von 256 mal 256 und danach mit Bildern von 512 mal 512 Pixeln aus einem Teil der Bildsammlung LAION-5B trainiert. Sie besteht aus einem Bildnetz (U-Net) mit 860 Millionen Parametern und einem Textencoder mit 123 Millionen Parametern, für das Textverständnis dient das festgehaltene Modell CLIP ViT-L/141. Die Grundlagenarbeit dazu stellten Robin Rombach und vier Mitautoren auf der Fachkonferenz CVPR 2022 vor12.
Der Kniff dieser Arbeit: Das Modell entrauscht eine verdichtete Fassung des Bildes, die ein Autoencoder erzeugt und am Ende wieder in Pixel zurückrechnet. Dadurch braucht es viel weniger Rechenleistung als Verfahren, die direkt auf den Pixeln arbeiten2. Zur öffentlichen Freigabe der ersten Gewichte nannte Stability AI einen Bedarf von rund 6,9 GB Grafikspeicher4. Wie viel VRAM deine Karte für neuere Fassungen braucht, hängt von Version und Auflösung ab.
Versionen und Lizenzen
Die erste öffentliche Fassung erschien unter der Lizenz CreativeML OpenRAIL-M, die gewerbliche und private Nutzung erlaubt, aber an Nutzungsbeschränkungen bindet; Gewichte, Modellkarte und Code lagen bei Hugging Face14. Danach folgte unter anderem SDXL, eine größere Fassung, die mit einem Basismodell und einem nachgeschalteten Verfeinerungsmodell arbeiten kann5.
Die Reihe Stable Diffusion 3.5 umfasst drei Modelle. Large hat 8,1 Milliarden Parameter, Large Turbo ist eine verdichtete Fassung davon für schnelle Bilder, Medium hat 2,5 Milliarden Parameter und braucht nach Angabe von Stability AI 9,9 GB Grafikspeicher, die Textencoder nicht eingerechnet6. Diese Modelle stehen unter der Stability AI Community License. Sie erlaubt Forschung und private Nutzung ohne Einschränkung, gewerbliche Nutzung bis zu einem Jahresumsatz von 1 Million US-Dollar; größere Firmen brauchen eine Enterprise-Lizenz3. Weil die Bedingungen von Version zu Version wechseln, gehört vor jedem gewerblichen Einsatz ein Blick in die Lizenz genau der Datei, die du verwendest.
Rund um die Modelle gibt es Zusatzverfahren. Ein ControlNet etwa nimmt ein zusätzliches Vorgabebild entgegen und sorgt dafür, dass das Ergebnis dessen Merkmale beibehält5. Mit einer LoRA bringst du einem Modell einen Stil oder eine Figur bei, ohne die große Checkpoint-Datei neu zu trainieren.
Stable Diffusion oder Midjourney?
Bei Midjourney erzeugst du Bilder auf der Website des Anbieters und schließt dafür vorher ein Abo ab7. Stable Diffusion holst du dir als Datei und rechnest selbst. Das spart laufende Kosten und hält deine Motive auf dem eigenen Gerät, verlangt aber eine passende Grafikkarte und etwas Einarbeitung, die meist damit beginnt, ComfyUI zu installieren.
Häufige Fragen
Brauche ich eine Internetverbindung, um Bilder zu erzeugen?
Nur zum Herunterladen von Programm und Modelldatei. Danach rechnet deine Grafikkarte, und die Beschreibungen verlassen den Rechner nicht.
Gehören mir die Bilder, die ich mit Stable Diffusion 3.5 erzeuge?
Nach den Angaben von Stability AI behalten Nutzer unter der Community License das Eigentum an ihren Bildern6. Ob ein solches Bild überhaupt [Urheberrechtsschutz](/recht/urheberrecht-ki) genießt, ist damit noch nicht gesagt.
Ist Stable Diffusion ein Programm oder ein Modell?
Ein Modell, also eine Datei mit gelernten Gewichten. Zum Bedienen brauchst du eine Oberfläche, etwa ComfyUI, die das Modell lädt und die Bilder erzeugt.
Quellen
Stand:
- CompVis (GitHub): Stable Diffusion: Projektbeschreibung, abgerufen am 22.11.2026. zurück
- Rombach, Blattmann, Lorenz, Esser, Ommer (arXiv): High-Resolution Image Synthesis with Latent Diffusion Models, Stand 13.04.2022, abgerufen am 22.11.2026. zurück
- Stability AI: License, Stand 2026, abgerufen am 22.11.2026. zurück
- Stability AI: Stable Diffusion Public Release, abgerufen am 22.11.2026. zurück
- Hugging Face: Diffusers: Inpainting (Abschnitte SDXL und ControlNet), abgerufen am 22.11.2026. zurück
- Stability AI: Introducing Stable Diffusion 3.5, abgerufen am 22.11.2026. zurück
- Midjourney: Quick Start (Midjourney Docs), Stand 31.08.2026, abgerufen am 22.11.2026. zurück





