PC für Stable Diffusion 2026: Welche GPU für Flux, SDXL und ComfyUI?
Möchten Sie 2026 einen PC für Stable Diffusion zusammenstellen? Das Ökosystem der KI-Bilderzeugung ist explodiert: Flux.1 Dev, Flux.2, SD 3.5 Large, SDXL, Qwen Image sind heute unverzichtbare kreative Werkzeuge für Illustratoren, Fotografen, Designer und Content-Ersteller. Doch hinter der Magie verbirgt sich eine technische Realität: VRAM ist der entscheidende Faktor, weit mehr als die reine GPU-Leistung. Dieser Leitfaden erklärt Ihnen genau, welche Hardware Sie je nach Verwendungszweck, bevorzugtem Modell und Budget wählen sollten.
Warum Stable Diffusion 2026 so anspruchsvoll geworden ist?
Im Jahr 2024 reichte eine GPU mit 8 GB VRAM für SD 1.5 und sogar SDXL locker aus. Im Jahr 2026 hat sich die Situation mit dem Aufkommen von Flux (Black Forest Labs) und SD 3.5 Large (Stability AI) radikal geändert:
- Flux.1 Dev: 12B Parameter, benötigt mindestens 12-16 GB VRAM bei 1024×1024 in FP16
- Flux.2 Dev (Januar 2026): 4B Modelle (13 GB VRAM) und 9B Modelle (29 GB VRAM)
- SD 3.5 Large: MMDiT-Architektur, ~12 GB in FP16, ~7 GB in FP8
- SDXL: 6-8 GB in FP16, immer noch das Arbeitstier der Mittelklasse
- SD 1.5: läuft auf fast allem (4 GB genügen)
Benötigter VRAM pro Modell (Referenz 2026)
| Modell | Natives FP16 | Quantisiertes FP8 | Anwendungsfall |
|---|---|---|---|
| SD 1.5 | ~4 GB | N/A | Anime-Stil, schnelle Prototypenentwicklung |
| SDXL 1.0 | 7-8 GB | N/A (bereits kompakt) | Vielseitiger Standard · Pony / Illustrious |
| SD 3.5 Medium | ~6 GB | ~4 GB | Besserer Text als SDXL |
| SD 3.5 Large | ~12 GB (knapp) | ~7 GB (komfortabel) | Fotoqualität, präziser Text |
| Flux.1 Dev ⭐ | ~16 GB | ~13 GB | Qualitätsreferenz 2026 · perfekter Text |
| Flux.1 Schnell | ~14 GB | ~10 GB | 4 Schritte · ultraschnell · Batches |
| Flux.2 Klein 4B (Jan. 2026) | ~13 GB | ~9 GB | Sub-1s auf High-End · Produktion |
| Flux.2 Klein 9B (Jan. 2026) | ~29 GB | ~18 GB | Nur RTX 5090 (FP16) |
| Qwen Image | ~14-16 GB | ~10 GB | Top Textqualität Chinesisch/Englisch |
Quellen: WillItRunAI (April 2026), Compute-Market (April 2026), SolidAITech (Mai 2026). VRAM gemessen bei 1024×1024, Batch 1, Modell + VAE + Text-Encoder + Arbeitsspeicher.
Reale GPU-Benchmarks — IT/s auf Stable Diffusion 2026
| GPU | VRAM | SDXL 1024px | Flux Dev 1024px | Urteil 2026 |
|---|---|---|---|---|
| RTX 5060 Ti 8 GB | 8 GB | ~7 s | ❌ OOM in FP16 | Für SD zu vermeiden |
| RTX 5060 Ti 16 GB ⭐ | 16 GB | ~5 s | ~28 s (FP8) | ✅ Einsteiger-Sweetspot |
| RTX 5070 Ti 16 GB | 16 GB | ~3,5 s | ~15 s (FP8) | ✅ Gute Balance |
| RTX 5080 16 GB | 16 GB | ~2,8 s | ~11 s | ✅ Top-Mittelklasse |
| RX 9070 XT 16 GB | 16 GB | ~5,5 s | ⚠️ Begrenzt (ROCm) | ⚠️ Kein Training |
| RTX 5090 32 GB ⭐ | 32 GB | ~2,2 s | ~7 s (natives FP16) | ✅ Absolute Referenz |
| RTX 6000 Pro 96 GB ECC | 96 GB ECC | ~3 s | ~9 s | ✅ Pro / Training Flux 2 |
Quellen: DatabaseMart, FormulaMod (April 2026), Compute-Market (April 2026), ComfyUI Community Benchmarks. Messungen in ComfyUI bei 1024×1024, 20-28 Schritte, Batch 1.
Jenseits der GPU: Was auch zählt
System-RAM — mindestens 32 GB, 64 GB empfohlen
Für ComfyUI mit mehreren geladenen Modellen, ControlNet-Erweiterungen und LoRAs sind 32 GB DDR5 das praktische Minimum. 64 GB bieten echten Komfort für komplexe Multi-Modell-Workflows. DDR5-6000 verbessert die anfängliche Ladezeit von Checkpoints erheblich.
Schnelle NVMe-SSD — große Modelle
Ein Flux-Checkpoint wiegt 24 GB in FP16, ein SDXL-Checkpoint 7 GB, und eine komplette Sammlung erreicht schnell 300-500 GB (Basismodelle + feinabgestimmte Checkpoints + LoRAs + ControlNets). Rechnen Sie mit mindestens 1 TB NVMe Gen 4, 2 TB für ernsthafte Benutzer. Eine langsame SSD macht einen Modellwechsel zu einer Kaffeepause.
CPU — weniger kritisch, aber nützlich
Die Stable-Diffusion-Inferenz ist größtenteils GPU-basiert. Ein aktueller Ryzen 5 oder Ryzen 7 reicht völlig aus. Für komplexe Workflows (gleichzeitiges ComfyUI + Krita + DaVinci Resolve) bietet ein Ryzen 9 9900X oder 9950X3D mehr Komfort.
Netzteil — überdimensioniert
Die RTX 5090 verbraucht in der Spitze bis zu 575 W. Mit einem Ryzen 9 rechnen Sie mit mindestens 1.200 W 80+ Gold. Für Dual-GPU 2.000 W Platinum. Sparen Sie nicht am Netzteil – es ist das Bauteil, das im Falle eines Defekts alle Komponenten zerstören kann.
ComfyUI oder Automatic1111 im Jahr 2026?
Für einen neuen PC im Jahr 2026 ist die Wahl klar geworden:
- ComfyUI — empfohlen. Nodale Architektur, effizientes Speichermanagement (Laden/Entladen bei Bedarf), TensorRT-Unterstützung für +30-60% Geschwindigkeit, riesige Community, native Unterstützung für Flux/SD3.5/Qwen, unterstützt quantisierte FP8- und GGUF-Modelle nativ.
- Forge UI (A1111-Fork) — valable Alternative, einfacher zu erlernen. Exzellentes VRAM-Management, unterstützt Flux.
- Automatic1111 — historisch, einfach, aber veraltet. Neigt dazu, mehr VRAM zu beanspruchen, kann bei komplexen Workflows abstürzen.
- InvokeAI / Krita AI — für integrierte Illustrations-/Bildbearbeitungs-Workflows.
Schnelle Installation von ComfyUI auf Ihrem PC
# ComfyUI klonen git clone https://github.com/comfyanonymous/ComfyUI cd ComfyUI # PyTorch mit CUDA-Unterstützung installieren pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128 # Abhängigkeiten installieren pip install -r requirements.txt # Ein Modell herunterladen (Beispiel: Flux.1 Dev FP8) # In ComfyUI/models/diffusion_models/ ablegen # ComfyUI starten python main.py
--use-pytorch-cross-attention beim Start von ComfyUI, um 15-25% VRAM auf Blackwell-Architekturen (RTX 50xx) zu sparen. TensorRT-Beschleunigung kann die Leistung bei repetitiven Workflows um +30-60% steigern.Der spezielle Fall des LoRA-Trainings
Bilder generieren ist eine Sache. Das Trainieren eigener LoRAs (persönlicher Stil, wiederkehrende Figur, Produkt für E-Commerce-Fotos) erfordert deutlich mehr VRAM:
| Basismodell | VRAM Min. | VRAM Komfort | Dauer (30 Bilder) |
|---|---|---|---|
| SD 1.5 LoRA | 8 GB | 12 GB | 30-60 Min. |
| SDXL LoRA | 12 GB (knapp) | 16-24 GB | 1-3 Std. (je nach GPU) |
| SD 3.5 Large LoRA | 16 GB (FP8) | 24 GB | 2-4 Std. |
| Flux.1 LoRA | 24 GB | 32 GB | 3-6 Std. |
| Flux.2 LoRA | 32 GB | 48-96 GB | 4-8 Std. |
Unsere PCs speziell für Stable Diffusion / ComfyUI – in Frankreich montiert
Radiance Systems entwickelt Workstations, die speziell für die Generierung von KI-Bildern und das Training von LoRAs konfiguriert sind. ComfyUI + beliebte Modelle (SDXL, Flux Dev FP8, ControlNets) auf Anfrage vorinstalliert. Sie starten Ihren PC und generieren Ihr erstes Bild in weniger als 2 Minuten.
Radiance PC CoreAI 16 — RTX 5060 Ti 16 GB
✅ Natives SDXL (~5s/Bild) · Flux Dev FP8 (~28s) · SD 3.5 Medium · SD 1.5 LoRA-Training
Der ideale Einstiegspunkt für Stable Diffusion im Jahr 2026. 16 GB GDDR7 – das praktischste Minimum –, um SDXL bequem und Flux in FP8 ohne OOM zu betreiben. Erweiterbare AM5-Plattform: GPU-Upgrade später möglich.
ComfyUI + SDXL + Flux Dev FP8 vorinstallierbar
Diese Station konfigurieren →
Radiance PC CoreAI 32 — RTX 5070 Ti 16 GB
✅ SDXL ~3,5s/Bild · Flux Dev FP8 ~15s · SDXL LoRA-Training · Multi-Modell ControlNet
Die vielseitige Station für Illustratoren und ernsthafte Content-Ersteller. 1,9-mal höhere Bandbreite für flüssige Batch-Generierungen. 32 GB DDR5 6000 MHz für komplexe Multi-Modell-Workflows (ComfyUI + mehrere ControlNets + gleichzeitige LoRAs).
Natives SDXL LoRA-Training · Erweiterte ComfyUI-Workflows
Diese Station konfigurieren →
⭐ Radiance PC CoreAI 64 — RTX 5090 32 GB
✅ SDXL ~2,2s · Flux Dev FP16 ~7s · Flux 2 Klein 9B · Flux LoRA-Training · Unbegrenztes ControlNet
Die beste Workstation für Endverbraucher für Stable Diffusion im Jahr 2026. 32 GB GDDR7 – die einzige Consumer-GPU, die Flux.2 Klein 9B in FP16 verarbeiten kann. Rekord-Bandbreite von 1.792 GB/s. Multi-Modell-Workflows, Batches von 4-8 Flux Dev-Bildern, natives Flux LoRA-Training. Bonus: Auch hervorragend für 4K-Gaming und Videobearbeitung geeignet.
Flux LoRA-Training · Alle ComfyUI-Workflows ohne Kompromisse
Diese Station konfigurieren →
Radiance CoreAI Rack — 2× RTX 5090 (64 GB VRAM)
✅ Massive Batch-Generierung · 2 gleichzeitige Modelle · Paralleles SDXL + Flux-Training
Für Studios, Kreativagenturen und professionelle Freelancer, die volumetrische Produktion betreiben. 2x unabhängige RTX 5090: eine GPU für die aktuelle Generierung, die andere für das LoRA-Training oder die Vorab-Renderung des nächsten Batches. Keine Ausfallzeiten.
Studio-Produktion · Parallele Pipelines · Rack 4U
Dieses Rack konfigurieren →
CoreAI 128 Rack — 2× RTX 6000 PRO Blackwell (192 GB ECC)
✅ Flux 2 Klein 9B FP16 nativ · Feinabstimmung von Basismodellen · KI-Video · 24/7-Produktion
Die ultimative Station für professionelle KI-Bildproduktionsstudios. 192 GB ECC-VRAM ermöglichen die vollständige Feinabstimmung von Basismodellen (nicht nur LoRAs), massive Flux-Batches und KI-Videoerzeugung (Hunyuan, LTX-Video). Maximale Zuverlässigkeit für kontinuierliche Produktion.
Pro-Studios · Feinabstimmung von Basismodellen · Kontinuierliche Produktion
Dieses Rack konfigurieren →
Radiance PC Pro AI Ultra Threadripper
✅ Feinabstimmung · KI-Videogenerierung · HPC-Pipelines · Forschung / F&E
Für Forscher, VFX-Studios und KI-Agenturen, die alles machen: Bildgenerierung, KI-Video, Feinabstimmung, Forschung. Erweiterbare Threadripper PRO sTR5-Plattform mit bis zu 96 Kernen und 2 TB ECC-RAM. Die langlebige Maschine für 5+ Jahre.
Maßgeschneidert · Individuelles Angebot · Vor-Ort-Installation
Angebot anfordern →Welcher Stable Diffusion PC für Ihr Profil?
| Profil | Konfiguration | Zielmodelle | Budget |
|---|---|---|---|
| Entdeckung / Hobby | CoreAI 16 RTX 5060 Ti 16 GB | SDXL, Flux Dev FP8 | ~1.700€ |
| Freiberuflicher Illustrator | CoreAI 32 RTX 5070 Ti | SDXL + LoRA-Training, Flux FP8 | ~2.400€ |
| Ernsthafter Creator / Profi ⭐ | CoreAI 64 RTX 5090 32 GB | Flux Dev FP16, Flux 2, LoRA-Training Flux | ~6.000€ |
| Studio / Kreativagentur | Rack 2× RTX 5090 | Batch-Produktion, paralleles Training | ~11.000€ |
| Pro Studio / VFX | Rack 2× RTX 6000 ECC | Feinabstimmung Basis, KI-Video, Flux 2 9B | ~28.000€ |
Häufig gestellte Fragen – PC für Stable Diffusion
Welche Mindest-GPU für Stable Diffusion im Jahr 2026?
Um SDXL komfortabel zu betreiben, sind mindestens 12 GB VRAM (RTX 5070 12 GB) erforderlich. Für Flux ist der Standard 2026 16 GB (RTX 5060 Ti 16 GB oder RTX 5070 Ti). 8-GB-Karten sind für ernsthafte KI-Bilderzeugung zu einem Dead End geworden – Sie werden ständig durch OOM-Fehler und Model Offloading, das alles verlangsamt, eingeschränkt.
RTX 5090 vs. RTX 4090 für Stable Diffusion?
Die RTX 5090 ist ca. 45 % schneller bei SDXL und ca. 55 % schneller bei Flux als die RTX 4090. Vor allem verfügt sie über 32 GB gegenüber 24 GB VRAM – ein entscheidender Unterschied für Flux.2 Klein 9B, das 29 GB in FP16 benötigt und nur auf der 5090 läuft. Für reines SDXL ist die 4090 weiterhin hervorragend. Für Flux und die Zukunft ist die 5090 die nachhaltige Investition.
Kann man Stable Diffusion auf AMD GPU ausführen?
Technisch ja, über ROCm. In der Praxis: Die Leistung beträgt ca. 50-70 % einer gleichwertigen NVIDIA-Karte, viele ComfyUI-Erweiterungen funktionieren nicht, und das LoRA-Training ist sehr begrenzt (bitsandbytes und Flash Attention haben keine ausgereifte AMD-Unterstützung). Für einen dedizierten Stable Diffusion PC im Jahr 2026 ist NVIDIA weiterhin obligatorisch.
Kann man Stable Diffusion auf Mac (Apple Silicon) ausführen?
Ja, über MPS (Metal Performance Shaders). Ein Mac M4 Pro 24 GB bewältigt Flux FP8 bequem, ein M4 Max 48-64 GB kann Flux FP16 ausführen. Aber die Geschwindigkeit ist 2 bis 4-mal langsamer als bei einer gleichwertigen NVIDIA-Karte, und das Training ist nahezu unmöglich. Für gelegentliche generative Anwendungen auf einem vorhandenen Mac: OK. Für eine dedizierte Investition: NVIDIA.
Was ist der Unterschied zwischen FP16, FP8 und GGUF für Flux?
FP16 ist die native Präzision des Modells, perfekte Qualität, ~33 GB VRAM für Flux. FP8 halbiert den VRAM (~16 GB für Flux Dev) mit einem nahezu unmerklichen Qualitätsverlust – das verwenden die meisten Nutzer im Jahr 2026. GGUF ist eine aggressivere Quantisierung (~10-13 GB für Flux) mit einer leichten sichtbaren Verschlechterung, nützlich, um Flux auf 12 GB VRAM zu bekommen.
Wie lange dauert die Generierung eines Bildes im Jahr 2026?
Auf RTX 5090: SDXL in ~2,2s, Flux Dev FP16 in ~7s, Flux 2 Klein 4B in weniger als 1s. Auf RTX 5060 Ti 16 GB: SDXL ~5s, Flux Dev FP8 ~28s. Auf RTX 5080: SDXL ~2,8s, Flux Dev ~11s. Für einen flüssigen interaktiven Workflow (schnelle Anpassung von Prompts) streben Sie unter 10 Sekunden pro Bild an.
Sollte man Windows oder Linux für Stable Diffusion verwenden?
Beide funktionieren. Linux (Ubuntu 24.04) bietet die beste Rohleistung und optimale CUDA-Unterstützung für ComfyUI. Windows 11 vereinfacht den täglichen Gebrauch und funktioniert ebenfalls sehr gut. Unsere Stationen werden mit dem Betriebssystem Ihrer Wahl geliefert, ComfyUI installiert und mit den gewünschten Modellen konfiguriert.
Kann man KI-Video (Hunyuan, LTX-Video) auf diesen PCs erstellen?
Ja. Hunyuan Video und LTX-Video sind mit ComfyUI kompatibel. Eine RTX 5090 32 GB generiert in wenigen Minuten Sequenzen von einigen Sekunden. Für ernsthafte KI-Videoerstellung sollten Sie mindestens eine RTX 5090 in Betracht ziehen, idealerweise das Rack mit 2x RTX 5090 oder die RTX 6000 ECC-Konfigurationen, die den für längere Sequenzen erforderlichen VRAM bieten.
