ComfyUI Einsteiger-Leitfaden: Installation, Oberfläche, Nodes, Modelle und erstes Bild

Vielleicht haben Sie schon gehört, dass ComfyUI die flexibelste nodebasierte Oberfläche für Stable Diffusion ist. Beim ersten Besuch der offiziellen Website bleibt man trotzdem schnell hängen: Desktop, Portable oder Manual? In welchen Ordner gehört das Modell? Warum besteht die Oberfläche nur aus Kästchen und Verbindungslinien? Und wenn endlich alles installiert ist, zeigt Load Checkpoint beim ersten Versuch null an oder ComfyUI bricht mit CUDA out of memory ab.

Dieser Leitfaden hat nur ein Ziel: Sie sollen am ersten Tag prüfen können, ob ComfyUI startet, ob das Modell erkannt wird und ob der Standard-Workflow das erste Bild erzeugt. Es geht um die Wahl der Installationsart, die Struktur der Modellordner, die wichtigsten Nodes der Oberfläche, den ersten Text-zu-Bild-Durchlauf und eine Checkliste für häufige Startfehler. Fortgeschrittene Workflows, Modellvergleiche und Hardware-Empfehlungen bleiben den späteren Artikeln dieser Serie vorbehalten.

Wie wählt man die Installationsart aus?

Die offizielle ComfyUI-Website bietet vier Installationswege an: Desktop, Portable, Manual und Cloud. Die ersten drei laufen lokal, die letzte Variante ist ein Cloud-Dienst. Für die Entscheidung sind vor allem zwei Fragen wichtig: Haben Sie eine NVIDIA-GPU, und möchten Sie die Python-Umgebung selbst verwalten?

Desktop bündelt alle Abhängigkeiten im Installer und prüft die Umgebung beim ersten Start automatisch. Der Preis dafür ist weniger Pfadkontrolle: Die Anwendung liegt fest auf Laufwerk C, und auch der Modellordner befindet sich normalerweise im Benutzerverzeichnis auf Laufwerk C. Wenn dort wenig Platz ist oder Sie Modelle lieber zentral auf einem anderen Laufwerk speichern, sind Portable oder Manual meist passender.

Portable ist ein komprimiertes Paket. Nach dem Entpacken kann der Ordner an beliebiger Stelle liegen. Die Startskripte unterscheiden zwischen NVIDIA-GPU (run_nvidia_gpu.bat) und CPU (run_cpu.bat), sodass Sie weder die Python-Version noch das PyTorch-CUDA-Backend selbst konfigurieren müssen. Das passt gut, wenn Sie die Umgebung nicht lange einrichten, den Installationsort aber selbst bestimmen möchten.

Manual eignet sich für Entwickler, die bereits eine Python-3.10-Umgebung haben und wissen, welche PyTorch-Version sie brauchen. Der Ablauf ist länger als bei Desktop oder Portable, dafür können Sie einen bestimmten Branch klonen und gezielt Abhängigkeitsversionen installieren. Für Einsteiger ist das kein guter Startpunkt, weil die Umgebungskonfiguration selbst schon eine Fehlerquelle ist.

Die Cloud-Variante ist über die offizielle Website erreichbar. Im Kern mieten Sie Cloud-GPU-Ressourcen, um ComfyUI auszuführen. Wenn Ihr Rechner keine NVIDIA-GPU hat oder Sie nur kurz die Oberfläche ausprobieren möchten, kann das sinnvoll sein. Dauerhafte Nutzung kostet jedoch Geld, und der Zugriff auf ausländische Cloud-Dienste aus China kann instabil sein.

Installationsschritte für Desktop

Desktop ist der schnellste Einstieg für Nutzer, die einfach starten möchten. Der Installationsassistent kümmert sich um Python, Abhängigkeiten und Pfadkonfiguration; Sie klicken im Wesentlichen nur durch Zustimmung und nächste Schritte.

Installationsprozess

1. Öffnen Sie die ComfyUI-Website (docs.comfy.org) und suchen Sie im Bereich Installation den Desktop-Download. Wählen Sie die Windows-Version. Für macOS und Linux gibt es ebenfalls passende Versionen, dieser Leitfaden nutzt aber Windows als Beispiel.

2. Doppelklicken Sie auf das heruntergeladene Installationspaket. Der Assistent zeigt den Installationspfad an: standardmäßig Laufwerk C, nicht änderbar. Wenn Sie den Installationsort kontrollieren müssen, wählen Sie nicht Desktop, sondern Portable.

3. Nach der Installation prüft ComfyUI beim ersten Start die Abhängigkeiten. Fehlende Komponenten lädt der Assistent automatisch nach.

4. Nach erfolgreichem Start öffnet der Browser automatisch http://127.0.0.1:8188. Die Oberfläche zeigt ein leeres Node-Diagramm oder den Standard-Workflow.

Speicherort des Modellsordners

Der Modellordner der Desktop-Version unterscheidet sich von Portable. Standardmäßig liegt er im Benutzerverzeichnis, nicht im Installationsverzeichnis. Beim ersten Start ist dieser Ordner leer, deshalb zeigt der Node Load Checkpoint null an.

So finden Sie ihn: Öffnen Sie in ComfyUI Desktop das Menü Help -> Open folder -> Open models folder. Dieses Menü öffnet das models-Verzeichnis direkt; Sie müssen den Pfad nicht manuell suchen.

Desktop kann Modelle innerhalb der Oberfläche herunterladen. Wenn beim Start ein Basismodell fehlt, erscheint eventuell ein Hinweis mit Download-Schaltfläche. Nach dem Klick landet das Modell automatisch im richtigen checkpoints-Verzeichnis. Dieser automatische Download deckt aber nur einige offiziell empfohlene Basismodelle ab. Modelle von Drittanbietern, etwa von Civitai oder LiblibAI, müssen Sie weiterhin manuell herunterladen und in checkpoints ablegen.

Überprüfung nach dem ersten Start

Nach dem Start prüfen Sie zuerst drei Punkte: Der Browser zeigt die Oberfläche unter 127.0.0.1:8188; rechts in der Oberfläche gibt es eine Queue Prompt-Schaltfläche; links oder oben ist ein Einstieg zu ComfyUI-Manager sichtbar. Desktop bringt den Manager normalerweise mit.

Wenn die Oberfläche geöffnet ist, Queue Prompt aber nicht reagiert oder ein Node rot markiert ist, starten Sie nicht sofort den Generierungsversuch. Prüfen Sie zuerst, ob das Modell richtig liegt. Der nächste Abschnitt erklärt Modellpfade und Aktualisierung.

Installationsschritte für Portable

Portable eignet sich, wenn Sie Laufwerk C nicht belegen möchten, mehrere Python-Versionen parallel haben oder den Installationsort selbst festlegen wollen. Im Kern ist es ein Paket mit Python und allen Abhängigkeiten; nach dem Entpacken starten Sie es direkt über ein Skript.

Herunterladen und Entpacken

1. Öffnen Sie das ComfyUI-GitHub-Repository (github.com/Comfy-Org/ComfyUI) und suchen Sie im Bereich Releases die neueste stabile Version. Laden Sie das Windows-Portable-Archiv herunter. Es ist meist eine 7z- oder zip-Datei und enthält portable im Dateinamen.

2. Entpacken Sie das Archiv mit 7-Zip oder dem integrierten Windows-Tool an den gewünschten Ort, zum Beispiel nach D:\ComfyUI_portable. Halten Sie den Pfad möglichst kurz, um Berechtigungs- und Pfadlängenprobleme zu vermeiden.

3. Der entpackte Ordner enthält mehrere wichtige Teile: ComfyUI (Kernprogramm und models-Verzeichnis), python_embeded (mitgelieferte Python-Umgebung) und Startskripte wie run_nvidia_gpu.bat und run_cpu.bat.

Startskript auswählen

Die Portable-Version bringt mehrere Startskripte für unterschiedliche GPU- und Laufzeitmodi mit:

• run_nvidia_gpu.bat: Nutzen Sie dieses Skript, wenn Sie eine NVIDIA-GPU haben und der Treiber installiert ist. Es startet am schnellsten und nutzt den VRAM am effizientesten.

• run_cpu.bat: Nutzen Sie den CPU-Modus, wenn keine NVIDIA-GPU vorhanden ist oder der NVIDIA-Treiber Probleme macht. Er ist langsam, reicht aber zum Prüfen, ob die Installation grundsätzlich funktioniert.

• Andere Skripte wie run_nvidia_gpu_lowvram.bat sind für knappen VRAM gedacht. Beim allerersten Start brauchen Sie sie normalerweise noch nicht.

Doppelklicken Sie auf die passende .bat-Datei. Ein Befehlszeilenfenster öffnet sich und zeigt das Startprotokoll: Python-Version, PyTorch-CUDA-Backend und Ergebnisse des Modellscans. Nach einigen Sekunden sollte der Browser http://127.0.0.1:8188 öffnen. Falls nicht, geben Sie die Adresse manuell in die Browserzeile ein.

Vultr - Hochleistungs-NVMe-Cloud-Server mit 32 Standorten weltweit, Docker per Klick

Preise ansehen →Anzeige

Erste Startprotokollprüfung

Das Log im Befehlszeilenfenster liefert einige wichtige Signale:

• Starting server: Der Dienst wurde gestartet.
• To see the GUI go to: http://127.0.0.1:8188: Die Browseradresse ist korrekt.
• Total VRAM ...: ComfyUI hat den verfügbaren VRAM erkannt.
• Scan des Verzeichnisses models/checkpoints: Wenn ein Modell vorhanden ist, wird der Dateiname angezeigt; wenn nicht, erscheint nur der Pfad.

Wenn das Log einen Fehler wie CUDA not available zeigt, prüfen Sie zuerst den GPU-Treiber. Portable bringt PyTorch mit CUDA-Unterstützung mit, benötigt aber trotzdem einen funktionierenden NVIDIA-Treiber im System.

Manual Installation (optional)

Manual eignet sich für Entwickler, die bereits eine Python-3.10-Umgebung haben und genau wissen, welche PyTorch-Version sie benötigen. Der Ablauf ist deutlich länger als bei Desktop und Portable, und Fehler bei den Abhängigkeiten passieren schnell. Einsteiger sollten nicht hier beginnen.

Wenn Sie trotzdem Manual installieren möchten, sind das die Kernschritte:

1. Führen Sie git clone https://github.com/Comfy-Org/ComfyUI.git im Zielverzeichnis aus. Wenn Sie einen bestimmten Zweig oder eine bestimmte Version verwenden möchten, führen Sie nach dem Klonen ein Checkout des entsprechenden Tags durch.

2. Wechseln Sie in das geklonte Verzeichnis und suchen Sie requirements.txt. Führen Sie pip install -r requirements.txt aus. Dieser Schritt installiert die Kernabhängigkeiten von ComfyUI, aber nicht zwangsläufig das passende PyTorch-CUDA-Backend. Das müssen Sie separat installieren.

3. Installieren Sie PyTorch. Wählen Sie die Version passend zu Ihrer GPU. Für NVIDIA-GPUs benötigen Sie einen PyTorch-Build mit CUDA-Unterstützung. Den konkreten Befehl entnehmen Sie der offiziellen PyTorch-Installationsanleitung. Wenn Sie versehentlich die CPU-Version installieren, erscheint beim Start CUDA not available.

4. Starten Sie ComfyUI mit python main.py. Standardmäßig lauscht ComfyUI auf Port 8188; öffnen Sie im Browser http://127.0.0.1:8188.

Startparameter

Die Manual-Version unterstützt mehrere Startparameter, mit denen Sie VRAM-Nutzung und Port steuern:

• --lowvram: Für knappen VRAM. Senkt die Speichernutzung, macht die Generierung aber langsamer.
• --cpu: Erzwingt den CPU-Modus.
• --port 8188: Ändert den Port. Standard ist 8188.
• --listen 0.0.0.0: Erlaubt Zugriff aus dem lokalen Netzwerk. Standardmäßig ist nur der eigene Rechner zugelassen.

Wenn Ihre GPU weniger als 4 GB VRAM hat, können Sie beim Start --lowvram ergänzen, um die Wahrscheinlichkeit von CUDA out of memory zu verringern.

Versionsabhängigkeitsrisiko

Das Hauptrisiko bei Manual liegt im Zusammenspiel von Python und PyTorch. Offiziell empfohlen wird Python 3.10.x; Kompatibilität mit Python 3.11 oder 3.12 ist nicht garantiert. Auch PyTorch muss zur CUDA-Version passen. Wenn auf Ihrem System CUDA 12.x vorhanden ist, der installierte PyTorch-Build aber auf CUDA 11.x zielt, können CUDA-Fehler auftreten.

Wenn der Start fehlschlägt, prüfen Sie zunächst die Fehlermeldungen im Kommandozeilen-Log. Häufige Fehler sind: ImportError: DLL load failed (Version PyTorch stimmt nicht überein), ModuleNotFoundError (Abhängigkeiten nicht vollständig installiert), CUDA not available (PyTorch hat nicht die CUDA-Version installiert oder es gibt ein Problem mit dem Grafikkartentreiber).

Wo soll das Modell hingestellt werden?

Der Modellordner ist einer der häufigsten Stolperpunkte. ComfyUI bringt beim Start kein Basismodell mit. Sie müssen ein Modell herunterladen und in den richtigen Ordner legen. Wenn Load Checkpoint null zeigt, liegt das Modell meistens am falschen Ort.

Speicherort des Modellsordners

Bei Portable und Manual liegt der Modellordner unter dem Installationsverzeichnis:

<ComfyUI-Installationsverzeichnis>/ComfyUI/models/

Wenn Sie Portable zum Beispiel nach D:\ComfyUI_portable entpacken, lautet der checkpoint-Ordner:

D:\ComfyUI_portable\ComfyUI\models\checkpoints\

Desktop nutzt einen anderen Modellordner, normalerweise im Benutzerverzeichnis. Suchen Sie den Pfad nicht manuell, sondern öffnen Sie ihn über Help -> Open folder -> Open models folder. Dieses Menü öffnet das models-Verzeichnis direkt.

Wofür die Unterverzeichnisse da sind

Im Verzeichnis models gibt es mehrere Unterordner. Jeder Modelltyp hat seinen eigenen Platz:

Für den ersten Durchlauf müssen Sie nur das Basismodell in checkpoints ablegen. Die anderen Modelltypen werden erst in fortgeschritteneren Workflows relevant.

Modelldateiformat

Basismodelle gibt es meist in zwei Formaten: .safetensors und .ckpt. .safetensors ist das neuere und sicherere Format und wird von ComfyUI bevorzugt empfohlen. .ckpt ist älter; einige frühe Modelle nutzen diese Endung weiterhin. ComfyUI kann beide Formate erkennen. Wenn Sie wählen können, laden Sie bevorzugt .safetensors herunter.

Modelldateien dürfen frei benannt werden. Sinnvoll ist aber, Modellname und Version im Dateinamen zu behalten, damit Sie sie später wiedererkennen, zum Beispiel sd_v1-5.safetensors oder sdxl_base_1.0.safetensors.

extra_model_paths.yaml

Wenn Sie mehrere ComfyUI-Installationen haben oder Modelle auf mehrere Laufwerke verteilen, können Sie mit extra_model_paths.yaml zusätzliche Pfade konfigurieren. Die Datei liegt im ComfyUI-Verzeichnis und nutzt YAML. Einsteiger müssen sie beim ersten Durchlauf nicht ändern; der Standardpfad reicht aus.

Wie sieht die Benutzeroberfläche aus?

Der Kern von ComfyUI ist das Node-Diagramm. Jeder Node steht für einen Arbeitsschritt, etwa Modell laden, Prompt eingeben, Sampling oder Decoding. Die Daten wandern über Verbindungslinien von Node zu Node. Wer diese Struktur versteht, kann ComfyUI deutlich leichter bedienen.

Kernelemente der Benutzeroberfläche

Nach dem Öffnen der Oberfläche sehen Sie vor allem diese Bereiche:

• Node-Diagramm: Der zentrale Bereich der Oberfläche. Er zeigt alle Nodes und Verbindungen. Sie können Nodes verschieben, Verbindungen anklicken und löschen oder per Rechtsklick auf einen Node dessen Optionen öffnen.

• Queue Prompt-Schaltfläche: Rechts oder oben in der Oberfläche. Sie führt den Workflow aus. Nach dem Klick arbeitet ComfyUI das Node-Diagramm Schritt für Schritt ab und erzeugt ein Bild.

• Clear-Schaltfläche: Löscht das aktuelle Node-Diagramm und stellt einen leeren Zustand her.

• Save-Schaltfläche: Speichert den aktuellen Workflow als JSON-Datei, die später direkt wieder geladen werden kann.

• Load-Schaltfläche: Lädt eine gespeicherte Workflow-JSON.

• Load Default-Schaltfläche: Lädt den Standard-Text-zu-Bild-Workflow mit fünf Kern-Nodes.

• ComfyUI-Manager: Seitenleiste oder Menüeintrag zum Installieren neuer Nodes, Aktualisieren vorhandener Nodes und Suchen nach Community-Workflows. Desktop und Portable enthalten den Manager normalerweise; bei Manual muss er zusätzlich installiert werden.

Die fünf Kern-Nodes des Standard-Workflows

Nach einem Klick auf Load Default erscheinen fünf Nodes, die von links nach rechts verbunden sind:

Die Verbindungslinien zwischen den Nodes zeigen die Datenrichtung. Der CLIP-Ausgang von Load Checkpoint ist zum Beispiel mit den CLIP-Eingängen der beiden CLIP Text Encode-Nodes verbunden. Der LATENT-Ausgang von KSampler führt zum LATENT-Eingang von VAE Decode.

Rechtsklick-Menü

Per Rechtsklick auf einen Node öffnen Sie ein Aktionsmenü. Typische Einträge sind:

• Add Node: Fügt in der Nähe des aktuellen Nodes einen neuen Node hinzu.
• Remove: Löscht den aktuellen Node.
• Bypass: Überspringt den aktuellen Node, ohne ihn auszuführen.
• Reroute: Fügt einen Umlenkpunkt hinzu, um Verbindungen aufzuräumen.

Wenn Sie auf eine leere Stelle rechtsklicken, können Sie über Add Node -> Node-Namen suchen einen neuen Node zum Workflow hinzufügen.

Railway - Moderne Deployment-Plattform, ohne DevOps-Aufwand, in Minuten live

Jetzt starten →Anzeige

Eingangs- und Ausgangsports der Nodes

Links am Node sitzen die Eingangsports, rechts die Ausgangsports. Kleine Punkte markieren die Ports; unterschiedliche Farben stehen für unterschiedliche Datentypen:

• Lila: MODEL (Modell)
• Gelb: CLIP (Textkodierer)
• Blau: VAE (Decoder)
• Grün: CONDITIONING (Prompt-Konditionierung)
• Rot: LATENT (Latent-Space-Daten)
• Weiß: IMAGE (Bilddaten)

Beim Verbinden müssen die Farben von Ausgangs- und Eingangsport zusammenpassen. Ein MODEL-Ausgang kann also nur mit einem MODEL-Eingang verbunden werden, nicht mit CLIP. Passen die Farben nicht, lässt sich die Verbindung nicht herstellen.

So verwenden Sie den Standard-Workflow

Der Standard-Workflow ist die minimale Text-zu-Bild-Konfiguration, die ComfyUI offiziell bereitstellt. Er enthält fünf Kern-Nodes und ist bereits korrekt verbunden. Sie müssen nur ein Modell auswählen, Prompts eingeben und auf Queue Prompt klicken, um das erste Bild zu erzeugen.

Standard-Workflow laden

1. Starten Sie ComfyUI. Der Browser öffnet die Oberfläche unter http://127.0.0.1:8188.

2. Suchen Sie rechts oder oben in der Oberfläche die Schaltfläche Load Default. Nach dem Klick erscheinen im Node-Diagramm fünf Nodes: Load Checkpoint, CLIP Text Encode (positiv), CLIP Text Encode (negativ), KSampler, VAE Decode und Save Image.

3. Prüfen Sie, ob alle Nodes angezeigt werden. Wenn ein Node rot ist oder eine Verbindung fehlt, wurde der Workflow möglicherweise nicht vollständig geladen. Klicken Sie erneut auf Load Default oder prüfen Sie die Node-Verbindungen manuell.

Verbindungen zwischen den Nodes

Die Verbindungen im Standard-Workflow sehen so aus:

• Load Checkpoint: Gibt MODEL, CLIP und VAE aus. MODEL ist mit dem MODEL-Eingang von KSampler verbunden. CLIP führt zu den CLIP-Eingängen der beiden CLIP Text Encode-Nodes. VAE ist mit dem VAE-Eingang von VAE Decode verbunden; in manchen Workflows auch mit dem VAE-Eingang von KSampler.

• CLIP Text Encode (positiv): Empfängt CLIP und gibt CONDITIONING aus. Dieser Ausgang ist mit dem positiven Eingang von KSampler verbunden.

• CLIP Text Encode (negativ): Empfängt CLIP und gibt CONDITIONING aus. Dieser Ausgang ist mit dem negativen Eingang von KSampler verbunden.

• KSampler: Empfängt MODEL, positives CONDITIONING, negatives CONDITIONING und optional VAE. Gibt LATENT aus, das mit dem LATENT-Eingang von VAE Decode verbunden ist.

• VAE Decode: Empfängt VAE und LATENT, gibt IMAGE aus und ist mit dem images-Eingang von Save Image verbunden.

• Save Image: Empfängt IMAGE, speichert es im Ausgabeordner und zeigt in der Oberfläche eine Vorschau.

Diese Reihenfolge ist der Kernprozess für Text-zu-Bild: Modell laden -> Prompt kodieren -> Latent Space sampeln -> Bild decodieren -> Ausgabe speichern.

Workflow-Integrität bestätigen

Nach dem Laden des Standard-Workflows sollten Sie drei Dinge prüfen:

1. Modellauswahl im Load Checkpoint-Node: Klicken Sie auf den Node. Das Dropdown sollte die Modelle anzeigen, die Sie in checkpoints abgelegt haben. Wenn null erscheint oder die Liste leer ist, liegt das Modell wahrscheinlich falsch oder ComfyUI wurde noch nicht aktualisiert.

2. Alle Verbindungen vollständig: Prüfen Sie, ob alle Ein- und Ausgänge der Nodes verbunden sind. Wenn ein Eingang leer bleibt, kann der Node möglicherweise nicht ausgeführt werden.

3. Keine roten Fehler an den Nodes: Rot markierte Nodes weisen auf Konfigurationsprobleme hin. Klicken Sie auf den Node und prüfen Sie, ob Parameter oder Eingaben fehlen.

Wenn diese drei Punkte stimmen, können Sie mit dem ersten Text-zu-Bild-Durchlauf weitermachen.

Der erste Text-zu-Bild-Durchlauf

Beim ersten Bild geht es nicht um perfekte Qualität. Es geht nur darum zu prüfen, ob der gesamte Ablauf ohne Abbruch durchläuft. Die konkreten Schritte:

Ausführbare Checkliste

1. Modell auswählen: Klicken Sie im Load Checkpoint-Node auf das Dropdown und wählen Sie das Modell, das im Verzeichnis checkpoints liegt. Bei einem SD-1.5-Modell (Dateiname enthält etwa v1-5 oder sd1.5) können Sie für den ersten Test die Standardparameter verwenden. Bei SDXL ist der VRAM-Bedarf höher; beim ersten Generieren kann CUDA out of memory auftreten.

2. Positiven Prompt eingeben: Tragen Sie im positiven CLIP Text Encode-Node, meist mit Prompt beschriftet, eine englische Beschreibung ein. Zum Beispiel: a cat sitting on a windowsill, soft light, simple background. Die Länge ist nicht fest begrenzt; für den ersten Test sind 10 bis 20 Wörter übersichtlicher.

3. Negativen Prompt eingeben: Tragen Sie im negativen CLIP Text Encode-Node ein, was nicht im Bild erscheinen soll. Zum Beispiel: blurry, low quality, watermark, text. Negative Prompts helfen, typische Bildfehler zu reduzieren.

4. KSampler-Parameter prüfen: Klicken Sie auf den KSampler-Node und kontrollieren Sie diese Parameter:

   • seed: Zufallswert, der die Streuung der Ergebnisse steuert. Für den ersten Test können Sie den Standardwert behalten oder eine beliebige Zahl eintragen.
   • steps: Anzahl der Sampling-Schritte, oft standardmäßig 20. Für den ersten Test bei 20 lassen, nicht erhöhen.
   • sampler_name: Name des Samplers, zum Beispiel euler oder ddim. Beim ersten Test den Standardwert behalten.
   • cfg: Stärke, mit der der Prompt befolgt wird, oft 7 bis 8. Beim ersten Test nicht ändern.
   • denoise: Denoising-Stärke, standardmäßig 1,0. Beim ersten Test nicht ändern.

Die Bedeutung dieser Parameter wird in späteren Artikeln der Serie genauer erklärt. Für die erste Generierung müssen Sie sie nicht anpassen; testen Sie einfach mit den Standardwerten.

5. Queue Prompt klicken: Nutzen Sie die Queue Prompt-Schaltfläche rechts oder oben in der Oberfläche. Danach beginnt ComfyUI mit der Ausführung des Node-Diagramms. Um die Nodes sehen Sie einen grünen Fortschrittsrahmen, rechts erscheint der Gesamtfortschritt.

6. Auf Abschluss warten: Die Dauer hängt von Modellgröße, VRAM und Anzahl der Sampling-Schritte ab. SD 1.5 braucht bei mittlerem VRAM (8 bis 12 GB) meist 5 bis 15 Sekunden. SDXL benötigt länger. Wenn der Fortschritt stehen bleibt, kann CUDA out of memory oder ein anderer Fehler dahinterstecken. Die Fehlerliste unten hilft beim Eingrenzen.

7. Ausgabebild ansehen: Nach der Generierung zeigt der Save Image-Node eine Vorschau. Per Rechtsklick auf das Bild können Sie Open Image wählen, um es in einem neuen Fenster zu öffnen, oder Save Image, um es an einem bestimmten Ort zu speichern. Standardmäßig landet das Bild im Verzeichnis output, auf derselben Ebene wie das models-Verzeichnis.

Häufige Situationen beim ersten Mal Generieren

Das erste Bild sieht möglicherweise nicht so aus, wie Sie es erwarten. Das ist normal. Häufige Situationen:

• Bildauflösung zu niedrig: Die Auflösung des Standard-Workflows wird über den latent_image-Parameter von KSampler gesteuert und kann standardmäßig bei 512x512 liegen. Bei SDXL reicht diese Auflösung oft nicht aus, das Bild wirkt dann unscharf. Lösen lässt sich das später über empty_latent_image im KSampler oder über einen Workflow, der auf SDXL abgestimmt ist.

• Ungewöhnliche Farben oder Grauschleier: Manche Modelle brauchen eine passende VAE, damit Bilder korrekt decodiert werden. Wenn die Ausgabe grau, flau oder überbelichtet wirkt, passt die VAE möglicherweise nicht. Dieses Thema gehört in einen fortgeschritteneren Abschnitt.

• Prompt-Wirkung ist kaum sichtbar: Der erste Prompt ist vielleicht zu allgemein. Beschreiben Sie mehr Details, zum Beispiel a fluffy orange cat sitting on a wooden windowsill.

Umgang mit zu wenig VRAM

Wenn während der Generierung CUDA out of memory erscheint, versuchen Sie diese Schritte:

• Starten Sie ComfyUI neu und ergänzen Sie --lowvram (bei Manual und Portable im Startbefehl beziehungsweise Startskript).
• Reduzieren Sie die Sampling-Schritte, zum Beispiel steps von 20 auf 15.
• Verwenden Sie ein Modell mit geringerem VRAM-Bedarf. SD 1.5 benötigt weniger VRAM als SDXL.

Der Speicherbedarf schwankt stark je nach Modell und Konfiguration. Pauschale Zahlen sind daher nicht zuverlässig. Wenn Ihre GPU weniger als 4 GB VRAM hat, testen Sie besser zuerst Cloud oder CPU-Modus.

Was soll ich tun, wenn das Bild nicht erzeugt werden kann?

Beim ersten Generieren treten Fehler nicht selten auf. Die folgenden Fälle decken die häufigsten Ursachen und Prüfschritte ab.

1. Load Checkpoint zeigt null oder das Dropdown ist leer

Symptom: Beim Klick auf den Load Checkpoint-Node ist das Dropdown leer oder zeigt null. Nachfolgende Nodes werden rot markiert, weil das Modell nicht gefunden wird.

Fehlerbehebungsschritte:

• Prüfen Sie den Speicherort der Modelldatei: Das Modell muss im Verzeichnis checkpoints liegen. Bei Desktop öffnen Sie den echten Ordner über Help -> Open models folder.
• Prüfen Sie das Dateiformat: Die Datei sollte auf .safetensors oder .ckpt enden.
• Aktualisieren Sie die Modellliste: Klicken Sie, falls vorhanden, in der Seitenleiste auf Refresh oder starten Sie ComfyUI neu.
• Prüfen Sie das Startprotokoll: Das Befehlszeilenfenster listet erkannte Modelldateien auf. Wenn Ihr Modell dort fehlt, ist der Pfad falsch.

2. CUDA out of memory

Symptom: Die Nodes stoppen während der Generierung, und im Befehlszeilenfenster oder in der Oberfläche erscheint CUDA out of memory.

Fehlerbehebungsschritte:

• Starten Sie neu und verwenden Sie --lowvram.
• Reduzieren Sie die Sampling-Schritte, zum Beispiel KSampler steps von 20 auf 10 bis 15.
• Verwenden Sie ein Modell mit geringerem VRAM-Bedarf. SD 1.5 braucht weniger als SDXL.
• Prüfen Sie, ob andere Programme VRAM belegen, etwa viele Browser-Tabs oder andere KI-Anwendungen im Hintergrund.

Der Speicherbedarf hängt stark von Modell und Konfiguration ab. SD 1.5 läuft meist mit mittlerem VRAM (8 bis 12 GB), SDXL braucht mehr.

3. Modellformatfehler oder Versionsinkompatibilität

Symptom: Der Load Checkpoint-Node wird rot. Fehlermeldungen enthalten safetensors header oder version mismatch.

Fehlerbehebungsschritte:

• Prüfen Sie, ob die Modelldatei vollständig ist. Unterbrochene Downloads können die Datei beschädigen. Laden Sie das Modell bei Bedarf erneut herunter.
• Prüfen Sie, ob Modellversion und ComfyUI-Version zusammenpassen. Einige neuere Modelle, etwa SDXL, benötigen eine aktuelle ComfyUI-Version. Eine alte Portable-Version unterstützt sie möglicherweise nicht.
• Prüfen Sie die Quelle des Modells. Bevorzugen Sie offizielle oder vertrauenswürdige Websites; manche Drittanbietermodelle haben problematische Formate.

4. Fehlende Abhängigkeiten oder Python-Umgebungsprobleme

Symptom: Beim Start zeigt die Befehlszeile ImportError oder ModuleNotFoundError. Nach Queue Prompt meldet ein Node einen roten Fehler, weil ein Modul nicht gefunden wird.

Alibaba Cloud - Top-Wahl für Entwickler, exklusiv 15 % Rabatt auf Lighthouse-Server

15 % Rabatt sichern →Anzeige

Fehlerbehebungsschritte:

• Wenn Manual installiert wird, prüfen Sie, ob pip install -r requirements.txt vollständig ausgeführt wurde.
• Überprüfen Sie, ob PyTorch die CUDA-Version korrekt installiert hat: Führen Sie python -c "import torch; print(torch.cuda.is_available())" in der Python-Umgebung aus. Wenn False zurückgegeben wird, bedeutet dies, dass PyTorch die CUDA-Version nicht installiert hat.
• Installieren Sie Abhängigkeiten neu: Bei Manual können Sie die virtuelle Umgebung löschen und neu erstellen; bei Portable entpacken Sie das Paket erneut.

Desktop und Portable bringen die Abhängigkeiten normalerweise mit und haben dieses Problem seltener. Manual ist deutlich anfälliger für fehlende oder falsch passende Pakete.

5. Knoten meldet Fehler, aber die Fehlermeldung ist unklar

Symptom: Ein Node ist rot markiert, aber nach dem Anklicken erscheint keine eindeutige Fehlermeldung.

Fehlerbehebungsschritte:

• Prüfen Sie die Node-Anschlüsse: Alle Eingangsports müssen verbunden sein, und die Farben der Ports müssen passen.
• Prüfen Sie die Node-Parameter: Klicken Sie auf den Node und kontrollieren Sie, ob jeder Parameter gültig ist. Der Seed von KSampler darf zum Beispiel nicht leer sein.
• Löschen Sie den Node und fügen Sie ihn erneut hinzu: Rechtsklick auf den Node -> Remove, dann Rechtsklick auf eine leere Fläche -> Add Node -> passenden Node-Namen suchen.
• Laden Sie den Workflow neu: Klicken Sie auf Clear, um das Node-Diagramm zu leeren, und danach erneut auf Load Default.

6. Start fehlgeschlagen: Port ist belegt oder Dienst wurde nicht gestartet

Symptom: Beim Öffnen von http://127.0.0.1:8188 kann der Browser keine Verbindung herstellen, oder die Befehlszeile zeigt Address already in use.

Fehlerbehebungsschritte:

• Überprüfen Sie, ob die Befehlszeile noch läuft: Wenn das Fenster geschlossen ist, wurde der Dienst gestoppt.
• Prüfen Sie die Portbelegung: Port 8188 könnte von einem anderen Programm verwendet werden. Beim Start können Sie --port 8189 ergänzen, um einen anderen Port zu nutzen.
• Prüfen Sie die Firewall: Manche Firewalls blockieren lokale Dienste.

Wenn ein Fehler nicht in dieser Liste steht, öffnen Sie zuerst das Befehlszeilenprotokoll und suchen Sie nach der genauen Meldung. Danach lohnt sich eine Suche in GitHub Issues oder Discord nach ähnlichen Fällen.

Was soll als Nächstes gelernt werden?

Nach dem ersten erfolgreichen Text-zu-Bild-Durchlauf wissen Sie: ComfyUI startet, das Modell wird geladen, und der Standard-Workflow läuft. Danach können Sie in drei Richtungen weitergehen.

Offizielle Dokumentation und Knotenerweiterung

Die offizielle ComfyUI-Dokumentation (docs.comfy.org) behandelt Installation, Kernkonzepte, Modellverwaltung, Node-Listen und weitere Grundlagen. Wenn Sie die Bedeutung eines Node-Parameters verstehen oder eine Funktion offiziell nachschlagen möchten, beginnen Sie dort.

ComfyUI-Manager ist das zentrale Werkzeug für Community-Nodes. Desktop und Portable enthalten den Manager normalerweise, bei Manual muss er manuell installiert werden. Der Manager hilft beim Suchen und Installieren neuer Nodes, Aktualisieren vorhandener Nodes, Importieren von Community-Workflows und Prüfen der Node-Kompatibilität.

Wenn Sie Funktionen wie ControlNet, LoRA oder AnimateDiff ausprobieren möchten, ist der Manager der Einstiegspunkt für die nötigen Nodes. Lernen Sie als Einsteiger zuerst den Standard-Workflow kennen und installieren Sie danach Schritt für Schritt neue Nodes.

Fortgeschrittene Workflow-Richtung

Wenn Sie mit dem Standardprozess für Text-zu-Bild vertraut sind, können Sie diese fortgeschritteneren Richtungen ausprobieren:

• Workflow-Wiederverwendung und -Management: Lernen Sie, wie Sie geteilte Workflow-JSON-Dateien importieren, Parameter ändern und häufig genutzte Konfigurationen speichern. Dazu passt der spätere Serienartikel „ComfyUI Workflow-Wiederverwendungsanleitung“.

• ControlNet-Feinsteuerung: Nutzen Sie ControlNet-Nodes, um Pose, Kanten, Tiefe oder Farben eines Bildes zu steuern. Das eignet sich für Szenarien, in denen die Komposition präzise kontrolliert werden muss. Dazu gehört der spätere Serienartikel „ComfyUI ControlNet Vollständiger Leitfaden“.

• LoRA-Modell-Finetuning: Verwenden Sie LoRA, um Stil- oder Figurenmerkmale auf ein Basismodell zu übertragen. Das eignet sich für Bilder mit einem bestimmten Stil oder wiederkehrenden Charakteren. Dazu passt der spätere Serienartikel „ComfyUI LoRA Modell-Praxisleitfaden“.

Alle drei Richtungen brauchen zusätzliche Nodes und Modelle. Probieren Sie sie schrittweise aus und installieren Sie nicht zu viele Nodes auf einmal.

Modellquelle und Empfehlungen

Für den ersten Test reicht ein allgemeines SD-1.5- oder SDXL-Base-Modell. Wenn Sie weitere Stile ausprobieren möchten, können Sie auf diesen Websites suchen:

• Civitai: Eine der größten internationalen Stable Diffusion-Modell-Communities mit Basismodellen, LoRA, VAE, ControlNet-Modellen und mehr. Achten Sie auf Modellversion (SD 1.5 / SDXL) und Herkunft der Trainingsdaten.

• LiblibAI: Chinesische Stable-Diffusion-Modellplattform mit oft schnellerem Zugriff aus China. Sie enthält viele Modelle und LoRAs chinesischer Creator.

• Hugging Face: Modell-Repository mit von Stability AI veröffentlichten Basismodellen und vielen Open-Source-Modellen.

Beim Herunterladen sollten Sie prüfen: Passt die Modellversion zu Ihrer ComfyUI-Version? Ist der Einsatzzweck klar, also Text-zu-Bild, Bild-zu-Bild oder ControlNet? Wenn möglich, wählen Sie .safetensors.

Andere Artikel dieser Serie

Dieser Artikel ist der Einstieg in die Serie „ComfyUI und Stable Diffusion Praxisleitfaden“. Spätere Artikel behandeln Workflow-Management, ControlNet, LoRA, Modellempfehlungen und Performance-Optimierung. Wenn Sie bereits Erfahrung mit lokaler Modellbereitstellung haben, passen auch diese Artikel auf der Website:

• Wenn Sie ein LLM lokal bereitstellen möchten, lesen Sie den Ollama-Einsteigerleitfaden für lokale LLMs.

• Wenn Sie Prompt-Techniken lernen möchten, lesen Sie Prompt Engineering in der kommerziellen Praxis.

• Wenn Sie die lokale GPU-Konfiguration optimieren möchten, lesen Sie Ollama GPU-Beschleunigung konfigurieren.

• Wenn Sie ComfyUI in Automatisierungsprozesse einbinden möchten, lesen Sie Praxisleitfaden zur KI-Workflow-Automatisierung.