Stable Diffusion und Flux im Unternehmen.

In der Welt der KI-Bildgenerierung gibt es zwei Lager. Auf der einen Seite die geschlossenen Plattformen — Midjourney, DALL-E, Adobe Firefly, Google Imagen — die ohne grosses Setup im Browser laufen, mit klarer Lizenz und gutem Standardresultat. Auf der anderen Seite die offenen Modelle — Stable Diffusion in seinen Varianten, Flux von Black Forest Labs, dazu eine Reihe kleinerer Open-Source-Projekte — die sich selbst betreiben, anpassen, auf eigene Daten trainieren lassen. Für mittelständische Unternehmen lautet die zentrale Frage selten: Welches Modell ist das beste? Sie lautet eher: Wann lohnt der erhebliche Mehraufwand offener Modelle, und wann ist die geschlossene Lösung der pragmatische, schnellere, am Ende oft günstigere Weg? Dieser Beitrag arbeitet die Unterschiede in der Tiefe heraus und zeigt, wo welcher Pfad sinnvoll ist.

Was die offenen Modelle technisch unterscheiden.

Stable Diffusion wurde 2022 von Stability AI als offenes Modell veröffentlicht und hat seither eine ganze Welle freier Bildgenerierung losgetreten. Die Modellgewichte sind heruntergeladen worden, Hobby-Communities und Forschungsgruppen haben unzählige Varianten gebaut, ganze Plattformen wie Civitai sammeln Tausende von Spezialmodellen. Mitte 2026 ist die aktuelle Hauptversion Stable Diffusion 3.5 sowie Stable Diffusion XL als reife Generation.

Flux ist ein 2024 erschienenes Modell des Berliner Unternehmens Black Forest Labs — gegründet von Teilen des ursprünglichen Stable-Diffusion-Teams. Flux gibt es in mehreren Varianten: Schnell als kleinere, schnellere Version; Dev als die offen lizenzierte Hauptversion; Pro als rein über die API verfügbare Premium-Version. In Qualität und Prompt-Treue gilt Flux Mitte 2026 als das stärkere offene Modell — vergleichbar mit Midjourney auf vielen Bildtypen.

Beide Modelle laufen auf eigener Hardware, wenn man möchte. Eine moderne GPU mit 16 GB VRAM reicht für die meisten Varianten. Wer keine eigene Hardware hat, kann die Modelle bei Plattformen wie Replicate, FAL.ai, Together AI oder im eigenen AWS-Konto betreiben. Das ist ein wichtiger Punkt: "Offen" heisst nicht zwingend "selbst gehostet". Es heisst zunächst nur, dass die Modellgewichte offen sind und man die Wahl hat, wo man sie ausführt.

Wann offene Modelle wirklich Sinn ergeben.

Es gibt fünf Konstellationen, in denen sich der Aufwand für offene Modelle in Beratungsprojekten regelmässig rechnet:

1. Datenschutz-sensible Bildmaterialien: Wenn Prompts oder Eingangsbilder vertrauliche Informationen enthalten, die nicht in die Cloud externer Anbieter dürfen. Selbst gehostete offene Modelle halten das Material im eigenen Netzwerk.
2. Eigene visuelle Identität durch Fine-Tuning: Wenn das Unternehmen einen konsistenten visuellen Stil oder spezifische Produkte gezeigt haben will, lassen sich offene Modelle mit eigenem Bildmaterial weitertrainieren (LoRA, Dreambooth).
3. Hohe Stückzahlen mit konstanten Anforderungen: Wer monatlich Tausende von Bildern für einen Online-Shop, eine Produktdatenbank oder ein Schulungssystem generiert, kann mit eigenem Setup die Pro-Bild-Kosten erheblich senken.
4. Spezifische Bildtypen jenseits des Mainstreams: Technische Visualisierungen, Architekturpläne, medizinische Abbildungen, spezielle Materialien — hier gibt es teils sehr gute Spezialmodelle in der offenen Welt, die in geschlossenen Plattformen schlechter abgedeckt sind.
5. Integrationsbedarf in eigene Workflows: Wer Bildgenerierung tief in eigene Anwendungen einbettet, profitiert von der API-Freiheit der offenen Modelle, die sich auf jeder Infrastruktur betreiben lassen.

Sind keine dieser fünf Konstellationen gegeben, ist die geschlossene Lösung meist die schnellere und am Ende auch günstigere Wahl — schlicht, weil der Aufwand für Setup, Wartung und Updates entfällt.

Der ehrliche Aufwand für eigenen Betrieb.

Wer Stable Diffusion oder Flux selbst betreibt, sollte den Aufwand nicht unterschätzen. In Beratungsprojekten zeigt sich immer wieder, dass die initiale Begeisterung über "kostenlose offene Modelle" der Realität nach drei Monaten nicht mehr standhält. Was an Aufwand entsteht:

• Hardware oder Cloud-GPU: Eine eigene Maschine mit RTX 4090 (24 GB VRAM) kostet rund 2.500 Euro. Cloud-GPUs (etwa AWS g5.xlarge) kosten 1 bis 3 Dollar pro Stunde. Wer 24/7 ein Modell vorhalten will, kommt auf 700 bis 2.000 Dollar pro Monat.
• Software-Stack: Frameworks wie ComfyUI, Automatic1111 oder InvokeAI plus die nötigen Modelle, LoRAs, Konfigurationen. Erstes Setup kostet einen erfahrenen Anwender zwei bis fünf Tage.
• Update-Pflege: Modelle, Frameworks und Treiber ändern sich monatlich. Wer nicht mitläuft, hat in einem Jahr ein Setup, das niemand mehr aktualisieren will.
• Schulung der Anwender: Eigene Modelle und Workflows verlangen mehr Wissen vom Nutzer als ein Web-Interface. Ohne interne Lerngruppe wird das schnell zu einer Ein-Personen-Insel.
• Fine-Tuning, wenn nötig: Eigene LoRAs für Markenprodukte oder Personen lassen sich in wenigen Stunden trainieren, brauchen aber Bildauswahl, Beschriftung und Iteration.

Wer diesen Aufwand realistisch einplant, kann profitieren. Wer ihn unterschätzt, hat ein halbfertiges Projekt, das nach einem Jahr im Sand verläuft.

Geschlossene Anbieter im Vergleich.

Ein ehrlicher Vergleich der Optionen für ein mittelständisches Unternehmen:

Die Pro-Bild-Kosten variieren mit Bildgrösse, Detailtiefe und Anbieter. Wer Tausende Bilder pro Monat generiert, hat bei den geschlossenen Anbietern schnell vier- bis fünfstellige Beträge. Bei Self-Hosting liegen die Stromkosten plus Hardware-Abschreibung deutlich darunter — sofern das Setup steht.

Lizenz und Bildrechte: das oft übersehene Detail.

Eine Frage, die in fast jedem Projekt nachträglich Probleme macht: Wem gehören die generierten Bilder? Bei Stable Diffusion und Flux Dev sind die Modellgewichte unter relativ offenen Lizenzen verfügbar. Generierte Bilder darf der Nutzer in der Regel auch kommerziell verwenden — Details immer in der jeweils aktuellen Modelllizenz prüfen, weil sich die Bedingungen alle paar Monate ändern.

Bei geschlossenen Anbietern gilt: Midjourney überträgt im Standardpaket die Bildrechte an den Nutzer, behält sich aber Schaulizenzen vor. DALL-E gibt die Rechte komplett ab. Adobe Firefly geht weiter und bietet kommerzielle Freistellungsklauseln, weil das Trainingsmaterial nachweislich lizenziert ist. Diese Freistellung kann für Unternehmen, die rechtssicher arbeiten müssen, allein schon die Mehrkosten wert sein.

Ein offener Punkt bleibt das Persönlichkeitsrecht. KI-Modelle können Gesichter erzeugen, die echten Menschen ähneln — manchmal sogar bekannten Personen. Wer ein generiertes Bild kommerziell nutzt, sollte vor der Veröffentlichung prüfen, ob ein Gesicht zu deutlich einer realen Person ähnelt. Das gilt für offene und geschlossene Modelle gleichermassen. Vertiefend dazu der Beitrag KI DSGVO-konform einsetzen.

Fine-Tuning: der eigentliche Mehrwert offener Modelle.

Wenn ein Argument für offene Modelle besonders stark trägt, dann ist es Fine-Tuning. Mit Techniken wie LoRA (Low-Rank Adaptation) lässt sich ein vortrainiertes Modell mit überschaubarem Aufwand an eigene Daten anpassen. Praktisch heisst das: Sie laden 20 bis 100 Bilder Ihres Produkts hoch, das Modell lernt in einer Stunde Training, dieses Produkt zu reproduzieren — und kann es danach in jeder Szene, Pose oder Umgebung erzeugen.

Konkrete Anwendungsfälle im Mittelstand:

• Ein Möbelhersteller bildet sein Sortiment in unterschiedlichen Wohnungsumgebungen ab — ohne jedes Möbelstück in jeder Wohnung fotografieren zu müssen.
• Ein Bauteilhersteller zeigt sein Bauteil im Einbauzustand in verschiedenen Maschinen — auch in Maschinen, die er gar nicht selbst besitzt.
• Ein Modehersteller variiert das gleiche Kleidungsstück an unterschiedlichen Modellen, in unterschiedlichen Posen und Lichtsituationen.

Diese Anwendungen sind mit geschlossenen Anbietern entweder nicht möglich oder nur mit erheblich höherem Aufwand. Midjourney bietet seit 2025 einen Custom-Stil, der aber nicht so präzise eine konkrete Produktidentität festhält wie ein eigenes LoRA. Wer ernsthaft eine eigene visuelle Identität in der KI-Bildgenerierung etablieren will, kommt um offene Modelle plus Fine-Tuning mittel- bis langfristig nicht herum.

Eine ehrliche Entscheidungshilfe.

Drei Fragen helfen bei der Entscheidung zwischen offenen und geschlossenen Modellen:

1. Wieviele Bilder pro Monat generieren wir voraussichtlich? Unter 200 lohnt der Aufwand offener Modelle selten. Über 2.000 wird der Kostenvorteil offener Modelle spürbar.
2. Brauchen wir konsistente, marken- oder produktspezifische Inhalte? Wenn ja, ist Fine-Tuning offener Modelle ein starkes Argument.
3. Haben wir intern jemanden, der den Betrieb pflegt — oder müsste das nebenher mitlaufen? Ohne klare Zuständigkeit endet eigener Betrieb meist nach zwölf bis achtzehn Monaten in Frust.

Eine pragmatische Empfehlung aus der Beratungspraxis: Beginnen Sie mit einem geschlossenen Anbieter — Midjourney, DALL-E oder Adobe Firefly. Sammeln Sie sechs Monate Erfahrung, finden Sie heraus, was wirklich gebraucht wird und in welchem Volumen. Wenn dann ein klares Muster sichtbar wird (hohe Stückzahl, konstanter Stil, Bedarf nach eigener visueller Identität), öffnen Sie die Diskussion über offene Modelle als zweite Stufe. Wer umgekehrt mit Self-Hosting beginnt, ohne erst die echten Anforderungen zu kennen, hat ein wahrscheinliches Resultat: viel Aufwand, mässige Ergebnisse, kein klarer ROI.

Die Entwicklung der nächsten zwölf Monate.

Drei Trends sind absehbar. Erstens werden Bildmodelle weiter besser — bei Auflösung, Detailtreue, Textverarbeitung im Bild, kompositorischer Logik. Die Verbesserungen kommen in monatlichem Rhythmus, und der Abstand zwischen offenen und geschlossenen Modellen ist Mitte 2026 erstaunlich klein. Flux Dev ist auf vielen Bildtypen ebenbürtig mit Midjourney 6.1.

Zweitens verlagern sich die Kosten. Anbieter wie FAL.ai, Replicate und Together AI bieten offene Modelle als API zu Preisen, die mit den geschlossenen Anbietern mithalten — bei voller Kontrolle und ohne Daten-Export. Das macht den Mittelweg zwischen Self-Hosting und reiner Cloud-Lösung interessant.

Drittens entstehen spezialisierte Marken-Plattformen, die offene Modelle plus Fine-Tuning plus Workflow-Tools in einem Paket anbieten — speziell für Mittelständler, die nicht selbst Modelle pflegen wollen, aber eine eigene visuelle Identität brauchen. Diese Plattformen sind 2026 noch im Entstehen, werden aber wahrscheinlich in den kommenden ein bis zwei Jahren eine eigene Marktnische besetzen.

Für die heutige Entscheidung bleibt: Offene Bildmodelle sind kein Selbstzweck. Sie sind ein Mehrwerkzeug für klar umrissene Probleme — und für viele Mittelständler ist die Pragmatik der geschlossenen Anbieter erstmal das bessere Werkzeug. Wer ehrlich misst, was er braucht, trifft die Entscheidung souverän in beide Richtungen.

Sie überlegen, ob offene Bildmodelle für Ihr Unternehmen sinnvoll sind? Unverbindlich anfragen — wir schauen gemeinsam auf Volumen, Anwendungsfälle und einen ehrlichen Vergleich der Optionen.