Was ist Stable Diffusion WebUI Forge?
Stable Diffusion WebUI Forge ist eine kostenlose, quelloffene lokale Webanwendung zur Bildgenerierung mit Stable-Diffusion- und Flux-Modellen, entwickelt als Fork auf Basis von AUTOMATIC1111s Stable Diffusion WebUI. Die eigene GitHub-README beschreibt es als "eine Plattform auf Basis der Stable Diffusion WebUI (basierend auf Gradio), um die Entwicklung zu erleichtern, die Ressourcenverwaltung zu optimieren [und] die Inferenz zu beschleunigen" — und nennt Minecraft Forge ausdrücklich als Vorbild für Namen und Rolle des Projekts.
- Kernfunktion: eine browserbasierte, lokal von Ihrem eigenen Rechner bereitgestellte Oberfläche für Text-zu-Bild- und Bild-zu-Bild-Generierung mit Stable-Diffusion- und Flux-Checkpoints
- Entwickler: lllyasviel, auch Entwickler von ControlNet, einem der meistgenutzten Konditionierungs-Tools für Stable Diffusion
- Grundlage: direkt aufgebaut auf AUTOMATIC1111s Stable Diffusion WebUI — Forge übernimmt das Checkpoint-Format, weite Teile der Erweiterungs-API und das grundsätzliche UI-Layout dieses Projekts, statt die App von Grund auf neu zu schreiben
- Oberflächen-Framework: Gradio 4, laut der README und den dort genannten bekannten Problemen rund um eine geplante Gradio-5-Migration
- Lizenz: AGPL-3.0, laut der LICENSE.txt-Datei des Repositorys — eine Copyleft-Lizenz, anders als die freizügigeren MIT-/Apache-Lizenzen mancher anderer lokaler KI-Tools
- Kanonisches Repository: github.com/lllyasviel/stable-diffusion-webui-forge, erstellt am 14. Januar 2024
Forges Projektgeschichte und Versions-Meilensteine
Forges GitHub-Repository wurde am 14. Januar 2024 angelegt, und seit dem 31. Juli 2025 gab es kein Update: Die GitHub-API zeigt dieses Datum als letzten Code-Push (auf den Branch py3.12), der letzte Commit auf main stammt vom 26. Juni 2025.
- 114. Januar 2024 — Repository erstellt
Why it matters: lllyasviel eröffnet das Repository stable-diffusion-webui-forge als Fork/Plattform auf Basis von AUTOMATIC1111s Stable Diffusion WebUI — Forge ist von Anfang an ein Derivat des bestehenden WebUI-Ökosystems, kein eigenständiges Projekt. - 25. Februar 2024 — Erster paketierter Release
Why it matters: Der "latest"-Tag auf der GitHub-Releases-Seite veröffentlicht einen herunterladbaren, vorpaketierten Windows-Build und bietet damit neben dem manuellen Git-Clone-Workflow eine installer-ähnliche Option. - 322. Juli 2024 — Release "previous_versions" veröffentlicht
Why it matters: Bewahrt ältere Installer-Builds, während sich Forges paketierter Download weiterentwickelt — Nutzer mit älteren CUDA-/PyTorch-Kombinationen hatten so weiterhin einen funktionierenden Build. - 47. September 2024 — Sampler "Flux Realistic" hinzugefügt
Why it matters: Laut Forges eigener NEWS.md kam ein neuer, auf Flux-Modelle abgestimmter Sampler zusammen mit der integrierten Flux-Unterstützung über NF4-/GGUF-Quantisierung hinzu. - 528. Oktober 2024 — Arbeit am Branch "sd35" beginnt (PR #2183)
Why it matters: Laut NEWS.md begann die Arbeit an einem Branch zur Prüfung von Stable-Diffusion-3.5-Unterstützung, Quantisierungsmethoden und Sampling-Techniken vor einem möglichen Merge in den Hauptzweig. - 631. Juli 2025 — Letzter Code-Push (laut GitHub-API)
Why it matters: Die neueste Commit-Aktivität in irgendeinem Branch (Branch `py3.12`, „Fix XYZ grid with Pillow >=10.0.0“); der letzte Commit auf `main` stammt vom 26. Juni 2025. Es folgten weder Commits noch Releases; behandeln Sie Forge daher als möglicherweise ungepflegt.
Was können Sie mit Forge tun?
Forges Funktionsumfang dreht sich vor allem darum, wie die WebUI GPU-Speicher verwaltet und Modelle ausführt, und ergänzt mehrere Fähigkeiten als eingebaute Funktionen, die in der ursprünglichen AUTOMATIC1111-WebUI separate Erweiterungen erfordern. Hier, was jeder Teil laut Forges eigener GitHub-README tatsächlich leistet.
- Neu gebautes UNet-Patching-Backend — die README von Forge beschreibt einen neu aufgebauten Backend-Teil für "UNet-Patching", der auf geringeren GPU-Speicherverbrauch und schnellere Inferenzgeschwindigkeit als die ursprüngliche WebUI abzielt, bei gleichem Checkpoint und gleicher Hardware
- Integrierte ControlNet- und IP-Adapter-Unterstützung — vollständige Unterstützung für ControlNets und IP-Adapter ist Teil der App selbst, statt die separate ControlNet-Erweiterung der ursprünglichen WebUI zu benötigen
- LoRA-Unterstützung — kompatibel mit LoRA-Modellen, laut README auch mit Low-Bit-/quantisierten Varianten
- Flux-Modell-Unterstützung — unterstützt Flux-Checkpoints in den Quantisierungsformaten BitsandBytes NF4 und GGUF, wodurch große Flux-Modelle auch auf bescheideneren GPUs laufen als eine unquantisierte Version es erfordern würde
- Vollständige Preprocessor-Suite — die Vorverarbeitungs-Tools, auf die ControlNet angewiesen ist (Kantenerkennung, Tiefenkarten, Posenschätzung und Ähnliches), sind bereits enthalten, statt separat heruntergeladen werden zu müssen
- Gradio-4-Oberfläche mit Canvas-Tool — eine modernisierte Oberfläche im Vergleich zur älteren Gradio-Version der ursprünglichen WebUI, inklusive eingebauter Canvas-Funktion für Inpainting-ähnliche Workflows
- Erweiterungs-Kompatibilität — Forge ist darauf ausgelegt, mit weiten Teilen des Erweiterungs-Ökosystems der ursprünglichen AUTOMATIC1111-WebUI zu funktionieren (die README nennt Erweiterungen wie Adetailer als funktionierende Beispiele), auch wenn nicht jede Erweiterung garantiert kompatibel ist
Anwendungsbeispiele: Drei Wege, Forge zu nutzen
Dies sind konkrete Workflows, die auf den oben dokumentierten Funktionen von Forge aufbauen — keine hypothetischen Anwendungsfälle.
Ein Bild mit einem vorhandenen AUTOMATIC1111-Checkpoint erzeugen
Wenn Sie bereits Stable-Diffusion-Checkpoints und LoRAs für die ursprüngliche AUTOMATIC1111-WebUI heruntergeladen haben, richten Sie die Modellordner von Forge auf dieselben Dateien aus oder kopieren Sie diese hinein — Forge verwendet dasselbe Checkpoint-Format, sodass die meisten vorhandenen SD-1.5-/SDXL-Modelle ohne Konvertierung laden. Wählen Sie einen Checkpoint im Modell-Auswähler und generieren Sie wie in der ursprünglichen WebUI.
Ein Flux-Modell dank Quantisierung auf einer Mittelklasse-GPU ausführen
Laden Sie einen Flux-Checkpoint im von Forge unterstützten NF4- oder GGUF-Quantisierungsformat herunter, wählen Sie ihn im Modell-Auswähler aus und generieren Sie. Quantisierung tauscht einen kleinen Teil der Bildqualität gegen einen deutlich geringeren VRAM-Bedarf ein — genau das macht das Ausführen von Flux, einer deutlich größeren Modellfamilie als Standard-SD-1.5-/SDXL-Checkpoints, auf GPUs praktikabel, die eine unquantisierte Version nicht fassen könnten.
Integriertes ControlNet nutzen, ohne eine Erweiterung zu installieren
Öffnen Sie das ControlNet-Panel im Generierungs-Tab von Forge, laden Sie ein Kontrollbild hoch oder erzeugen Sie eines (Pose, Tiefenkarte oder Kantenbild), wählen Sie ein passendes ControlNet-Modell und generieren Sie. Da ControlNet und die zugehörigen Preprocessing-Tools bereits mit Forge ausgeliefert werden, funktioniert dies ohne Installation oder Aktualisierung einer separaten Erweiterung — anders als bei der ursprünglichen AUTOMATIC1111-WebUI.
Stable Diffusion WebUI Forge installieren
Stable Diffusion WebUI Forge ist für Windows, macOS und Linux verfügbar, als paketierter Ein-Klick-Build unter Windows oder als manuelles Git-Clone-Setup auf jeder Plattform. Die folgenden Links stammen aus dem offiziellen GitHub-Repository — prüfen Sie diese Seite direkt, da sich Installer-Build-URLs zwischen Releases ändern können.
Windows (paketierter Build)
- Installationsmethode:
- Das CUDA+PyTorch-Paket aus den GitHub Releases holen, dann
update.batundrun.batausführen.
macOS / Linux (Clone + Skript)
- Installationsmethode:
- Repository klonen, dann
webui.shausführen, um eine Python-venv einzurichten und Forge zu starten.
Windows (fortgeschritten / manuell)
- Installationsmethode:
- Repository klonen und
webui-user.batfür ein manuelles Python-Setup ausführen.
Es gibt keinen einzelnen offiziellen .exe- oder .dmg-Installer — Windows-Nutzer verwenden in der Regel den obigen paketierten Build, während macOS- und Linux-Nutzer Forge per Git Clone plus Python-Virtualenv einrichten, demselben Muster wie bei der ursprünglichen AUTOMATIC1111-WebUI. Eine GPU wird für praktikable Generierungsgeschwindigkeit dringend empfohlen; Forge selbst dokumentiert keine einzelne feste VRAM-Untergrenze, da der tatsächliche Bedarf vom Checkpoint (Standard-SD-1.5/SDXL vs. die größere Flux-Familie) und der gewählten Ausgabeauflösung abhängt.
Forge Preise: Ist es wirklich kostenlos?
Ja — Forge hat keine kostenpflichtige Stufe. Es gibt keine Preisseite, keinen Shop und kein Konto-System, das mit dem GitHub-Repository verknüpft ist, und die AGPL-3.0-Lizenz gilt für die gesamte Anwendung.
- Kein Abonnement, keine kostenpflichtige Stufe, keine von Forge selbst auferlegten Nutzungslimits
- Kein Konto oder Anmeldung zur Installation oder Nutzung der App erforderlich
- Die Anwendung ist unter AGPL-3.0 lizenziert, einer Copyleft-Lizenz — anders als bei einer freizügigen MIT-/Apache-Lizenz erfordert die Weitergabe einer modifizierten Version, auch als Netzwerkdienst, in der Regel die Veröffentlichung des geänderten Quellcodes unter derselben Lizenz; lesen Sie den vollständigen Lizenztext selbst, wenn dies für Ihren Anwendungsfall relevant ist
- Die einzigen realen Kosten sind indirekt: die GPU-Hardware, um die App gut auszuführen, sowie Strom — Forge berechnet nichts für die Software selbst oder für Modelle, die Sie separat von HuggingFace oder CivitAI herunterladen
Forge vs. AUTOMATIC1111 WebUI
Forge und AUTOMATIC1111s Stable Diffusion WebUI teilen dieselbe Abstammung — Forge ist ein direkt darauf aufbauender Fork —, weshalb es weniger um eine "andere App" geht als um "dieselbe App, neu gebautes Backend". Die deutlichsten Unterschiede liegen in der Speicherverwaltung, den eingebauten Funktionen und wie aktiv jedes Projekt derzeit Updates veröffentlicht.
Beziehung
- Forge:
- Fork auf Basis von AUTOMATIC1111 WebUI
- AUTOMATIC1111 WebUI:
- Das ursprüngliche, deutlich breiter erweiterte Projekt
Backend / Speicherverwaltung
- Forge:
- Neu gebautes UNet-Patching-Backend für weniger VRAM, schnellere Inferenz
- AUTOMATIC1111 WebUI:
- Ursprüngliches Backend; VRAM-Tricks über Flags/Erweiterungen
ControlNet / IP-Adapter
- Forge:
- Eingebaut, keine Erweiterung nötig
- AUTOMATIC1111 WebUI:
- Erfordert die separate ControlNet-Erweiterung
Flux-Modell-Unterstützung
- Forge:
- Eingebaut, mit NF4-/GGUF-Quantisierung
- AUTOMATIC1111 WebUI:
- Abhängig von Community-Erweiterungen, nicht nativ
Erweiterungs-Ökosystem
- Forge:
- Mit weiten Teilen kompatibel, aber schmaler
- AUTOMATIC1111 WebUI:
- Das größte, reifste SD-Erweiterungs-Ökosystem
Aktuelle Commit-Aktivität
- Forge:
- Kein Push seit dem 31. Juli 2025; neuestes GitHub-Release 5. Februar 2024
- AUTOMATIC1111 WebUI:
- Kein Update seit dem 2. März 2026; letztes Release v1.10.1 (9. Februar 2025)
Wenn Ihnen schnellere Inferenz und geringerer VRAM-Verbrauch mit eingebauter ControlNet- und Flux-Unterstützung wichtiger sind, ist Forges neu gebautes Backend der Grund, sich dafür zu entscheiden. Wenn Ihnen das breitestmögliche Erweiterungs-Ökosystem wichtiger ist oder Sie auf eine Erweiterung angewiesen sind, die Forge noch nicht unterstützt, lohnt sich ein direkter Blick auf die ursprüngliche AUTOMATIC1111-WebUI in ihrem GitHub-Repository. Beide sind kostenlos, quelloffen und werden auf demselben Weg installiert (paketierter Windows-Build oder Git Clone); prüfen Sie die aktuelle Kompatibilität jeder Erweiterung, auf die Sie angewiesen sind, bevor Sie wechseln.
Für wen eignet sich Forge?
Ob Forge zu Ihnen passt, hängt davon ab, ob Ihnen schnellere Inferenz und geringerer VRAM-Verbrauch wichtiger sind als das breitestmögliche Erweiterungs-Ökosystem oder garantiert häufige Updates.
Nutzen Sie Forge, wenn
- Sie bereits eine lokale, AUTOMATIC1111-artige Stable-Diffusion-WebUI nutzen oder sich dafür entscheiden und auf derselben Hardware schnellere Inferenz sowie geringeren VRAM-Verbrauch wollen
- Sie ControlNet-, IP-Adapter- und LoRA-Unterstützung von Anfang an ohne separate Erweiterung wollen
- Sie Flux-Modelle über integrierte NF4-/GGUF-Quantisierung auf einer GPU ausführen wollen, die eine unquantisierte Version nicht fassen könnte
- Sie mit einer Installation per Git Clone und Skript oder einem paketierten Windows-Build zurechtkommen, statt einen polierten Ein-Klick-Installer zu erwarten
- Ihnen wichtig ist, dass die zugrunde liegende Anwendung quelloffen und selbst hostbar ist, statt eine Closed-Source-Binärdatei zu sein
Warten Sie oder schauen Sie sich anderswo um, wenn
- Sie brauchen garantierte, häufige aktive Entwicklung — Forge hat seit dem 31. Juli 2025 kein Update erhalten, und sein neuestes GitHub-Release datiert vom 5. Februar 2024
- Sie von einer bestimmten AUTOMATIC1111-Erweiterung abhängen, die Forge nicht unterstützt — prüfen Sie die Kompatibilität, bevor Sie Ihren gesamten Workflow umstellen
- Sie eine einsteigerfreundliche, vereinfachte Oberfläche statt des vollen Parameterumfangs der Stable Diffusion WebUI wollen — siehe Fooocus im Abschnitt Wettbewerber unten
- Sie offizielle Support-Garantien statt Community-/Issue-Tracker-Support benötigen — Forges Support-Kanal sind GitHub Issues, typisch für ein Open-Source-Projekt statt einen kommerziellen Anbieter mit SLA
- Sie keine dedizierte GPU besitzen — Forge ist nicht für reinen CPU-Betrieb ausgelegt, und Bildgenerierung ohne GPU ist für die meisten Anwendungsfälle unpraktikabel langsam
Forge vs. andere lokale Bildgenerierungs-Tools
Forge ist eine von mehreren lokalen, quelloffenen Oberflächen für Stable Diffusion und verwandte Bildmodelle. So schlägt es sich im Vergleich zu anderen Optionen in diesem Bereich — das vollständige Verzeichnis finden Sie im Local LLM Software Directory, den direkten Vergleich im Abschnitt Forge vs. AUTOMATIC1111 WebUI weiter oben.
- AUTOMATIC1111 Stable Diffusion WebUI — das ursprüngliche Projekt, auf dem Forge aufbaut, mit dem größten Erweiterungs-Ökosystem; siehe den ausführlichen Vergleichsabschnitt oben sowie das AUTOMATIC1111-Review für alle Details.
- ComfyUI — eine knotenbasierte Oberfläche für dieselben zugrunde liegenden Stable-Diffusion-/Flux-Modelle, die Forges vertrautere Tab-basierte Oberfläche gegen einen visuellen Workflow-Graphen mit feinerer Low-Level-Kontrolle eintauscht; siehe das ComfyUI-Review.
- Fooocus — ebenfalls von lllyasviel entwickelt, aber mit gegenteiligem Ziel: eine vereinfachte, meinungsstarke Oberfläche für Einsteiger, die gute Ergebnisse mit minimaler Parameter-Feinjustierung wollen, statt Forges vollem WebUI-Parameterumfang; siehe das Fooocus-Review.
- InvokeAI — eine weitere ausgereifte, aktiv weiterentwickelte lokale Stable-Diffusion-Oberfläche mit starkem Fokus auf einen einheitlichen Canvas-Workflow und einem stärker kuratierten Funktionsumfang als die WebUI-abgeleiteten Tools; siehe das InvokeAI-Review.
Häufige Fehler bei der Bewertung von Forge
Die meisten Missverständnisse rund um Forge betreffen sein Verhältnis zur AUTOMATIC1111-WebUI, seine Erweiterungs-Kompatibilität oder die Annahme, es gäbe eine feste Hardware-Anforderung.
Fehler 1: Annehmen, Forge sei eine vollständige Neuentwicklung von Stable Diffusion WebUI
Forge ist ein Fork, der direkt auf AUTOMATIC1111s Stable Diffusion WebUI aufbaut und weite Teile von deren Checkpoint-Format, Erweiterungs-API und UI-Layout übernimmt. Es ändert vor allem, wie das Backend GPU-Speicher verwaltet und Modelle ausführt — nicht die zugrunde liegende Anwendung von Grund auf.
Fehler 2: Erwarten, dass jede AUTOMATIC1111-Erweiterung unverändert funktioniert
Forge ist auf breite Erweiterungs-Kompatibilität ausgelegt, und die README nennt funktionierende Beispiele wie Adetailer — die eigene Statustabelle listet aber manche Komponenten und Modelltypen weiterhin als "im Aufbau". Prüfen Sie, ob eine bestimmte Erweiterung, auf die Sie angewiesen sind, in Forge funktioniert, bevor Sie Ihren gesamten Workflow umstellen.
Fehler 3: Annehmen, es gäbe eine feste VRAM-Untergrenze
Forge dokumentiert keine einzelne offizielle VRAM-Untergrenze. Der tatsächliche GPU-Speicherbedarf hängt stark davon ab, welchen Checkpoint Sie laden (Standard-SD-1.5/SDXL vs. die größere Flux-Familie) und welche Ausgabeauflösung Sie wählen — quantisierte Flux-Formate (NF4/GGUF) existieren genau deshalb, um größere Modelle auf GPUs passend zu machen, die sie unquantisiert nicht fassen könnten.
Fehler 4: Annehmen, das Projekt veröffentliche häufig aktive Updates
Forge hat laut GitHub-API seit dem 31. Juli 2025 kein Update erhalten, und der letzte Commit auf main stammt vom 26. Juni 2025 — prüfen Sie die Commit-Historie des Repositorys direkt, bevor Sie wöchentliche oder monatliche Releases erwarten.
Häufig gestellte Fragen
Was ist Stable Diffusion WebUI Forge?
Stable Diffusion WebUI Forge (github.com/lllyasviel/stable-diffusion-webui-forge) ist eine kostenlose, quelloffene lokale Webanwendung zur Bildgenerierung, entwickelt als Fork auf Basis von AUTOMATIC1111s Stable Diffusion WebUI von lllyasviel, dem Erfinder von ControlNet, mit einem neu gebauten Backend für schnellere Inferenz und geringeren VRAM-Verbrauch.
Ist Stable Diffusion WebUI Forge kostenlos?
Ja. Es gibt keine Preisseite und keine kostenpflichtige Stufe, die AGPL-3.0-Lizenz gilt für die gesamte Anwendung. Falls Sie kostenpflichtiges HuggingFace- oder CivitAI-Hosting nutzen oder eine leistungsfähigere GPU benötigen, sind das separate Kosten, die nichts mit Forge selbst zu tun haben.
Ist Forge quelloffen? Welche Lizenz nutzt es?
Ja, Forge ist quelloffen unter der AGPL-3.0-Lizenz, laut der LICENSE.txt-Datei des Repositorys. AGPL-3.0 ist eine Copyleft-Lizenz: Die Weitergabe einer modifizierten Version, auch als Netzwerkdienst, erfordert in der Regel, den geänderten Quellcode unter derselben Lizenz zu veröffentlichen — lesen Sie den Lizenztext für rechtliche Entscheidungen selbst.
Ist Forge dasselbe wie AUTOMATIC1111s Stable Diffusion WebUI?
Nein, aber eng verwandt. Forge ist ein Fork, der direkt auf AUTOMATIC1111s Stable Diffusion WebUI aufbaut, weite Teile von deren Checkpoint-Format und Erweiterungs-API übernimmt und dabei das Backend für Speicherverwaltung und Modellausführung für geringeren VRAM-Verbrauch und schnellere Inferenz neu aufbaut.
Benötigt Forge eine GPU?
Für den praktischen Einsatz wird eine GPU dringend empfohlen. Forge dokumentiert keine einzelne feste VRAM-Untergrenze — der tatsächliche Bedarf hängt vom geladenen Checkpoint (Standard-SD-1.5/SDXL vs. die größere Flux-Familie) und der gewählten Ausgabeauflösung ab.
Unterstützt Forge Flux-Modelle?
Ja. Forge unterstützt Flux-Checkpoints in den Quantisierungsformaten BitsandBytes NF4 und GGUF, wodurch größere Flux-Modelle auch auf GPUs laufen, die eine unquantisierte Version nicht fassen könnten.
Enthält Forge ControlNet?
Ja, eingebaut. Forge bringt vollständige ControlNet- und IP-Adapter-Unterstützung samt der dafür nötigen Preprocessing-Tools mit, sodass Sie nicht die separate ControlNet-Erweiterung der ursprünglichen AUTOMATIC1111-WebUI installieren müssen.
Welche Plattformen unterstützt Forge?
Windows, macOS und Linux. Für Windows gibt es einen paketierten Ein-Klick-Build über GitHub Releases; macOS und Linux werden über ein manuelles Git-Clone-und-Skript-Setup eingerichtet, demselben Muster wie bei der ursprünglichen AUTOMATIC1111-WebUI.
Wer hat Stable Diffusion WebUI Forge entwickelt?
Forge wurde von lllyasviel (Lyumin Zhang) entwickelt, der auch ControlNet und Fooocus, eine weitere lokale Stable-Diffusion-Oberfläche, geschaffen hat.
Wird Forge noch aktiv gepflegt?
Seit dem 31. Juli 2025 wurde kein Update veröffentlicht (letzter Push auf den Branch py3.12); der letzte Commit auf main stammt vom 26. Juni 2025, und das neueste GitHub-Release datiert vom 5. Februar 2024. Das Repository ist nicht archiviert, doch Forge sollte als möglicherweise ungepflegt gelten; prüfen Sie die Commit-Historie, bevor Sie sich darauf verlassen.
Was sollte ich statt Forge verwenden?
Wer aktiv entwickelte Tools möchte, sollte ComfyUI, InvokeAI und SD.Next vergleichen, die laut GitHub-API alle am 2026-11-02 Pushes hatten. Die ursprüngliche AUTOMATIC1111-WebUI hat seit dem 2. März 2026 kein Update erhalten und ist daher ebenfalls keine aktivere Wahl; siehe die AUTOMATIC1111-Review.