KI-Produktfotos auf der eigenen GPU, vom Freisteller bis zum Packshot für den Katalog

Produktfotos von der eigenen Workstation

KI-Produktfotografie läuft mit offenen Modellen auf der eigenen Workstation eines Unternehmens: Freisteller auf Weiß, das Produkt in einer Lifestyle-Szene und eine einheitliche Packshot-Serie für den Katalog. BiRefNet entfernt den Hintergrund unter der MIT-Lizenz, FLUX.2 [klein] 4B und Qwen-Image-Edit-2511, beide unter Apache 2.0, bauen Szenen und bearbeiten Bilder für die kommerzielle Nutzung. Eine Workstation mit einer NVIDIA RTX PRO 4000 Blackwell (24 GB) schafft Freisteller und das kleine FLUX-Modell; eine RTX PRO 6000 Blackwell Workstation Edition oder Max-Q (96 GB) hält das große Bearbeitungsmodell in voller 16-Bit-Genauigkeit neben den anderen.

Dieser Leitfaden richtet sich an E-Commerce- und Marketingverantwortliche, Produktfotografen, Agenturen und die IT-Person, die den Rechner betreut. Er behandelt die Modelle und ihre Lizenzen, drei Workflows, wie das Produkt unverändert bleibt, Stapelläufe für einen ganzen Katalog und die Hardware.

Einige Begriffe vorab. Ein Freisteller ist das Produkt ohne Hintergrund, gespeichert mit transparentem Hintergrund oder mit einer Maske, einem Schwarz-Weiß-Bild, das markiert, welche Pixel zum Produkt gehören. Ein Packshot ist das saubere, gleichmäßig ausgeleuchtete Produktfoto auf der Produktseite. Ein Bildmodell erzeugt oder verändert Bilder nach einer schriftlichen Anweisung, dem Prompt. ComfyUI ist das freie Open-Source-Programm, in dem diese Schritte zu einem Workflow verbunden werden, den eine Marketingkraft immer wieder starten kann. BF16 und FP8 sind Zahlenformate für die Gewichte eines Modells: BF16 nutzt 16 Bit pro Wert, FP8 nur 8 Bit, das halbiert die Dateien und kann etwas Bildqualität kosten.

Unser Leitfaden zum KI-Server für E-Commerce stellt Bildbearbeitung neben Produkttexte und Suche auf einem Server, und unser Artikel über Produktvideos aus Fotos macht aus fertigen Packshots Clips. Dieser Artikel behandelt die Standbilder.

Modelle für Freisteller, Szenen und Bearbeitung

Repository und Modellkarte von BiRefNet, Hugging-Face-Karten von Black Forest Labs und Qwen und die Dateigrößen der Qwen-Image-Edit- und Qwen-Image-Pakete von Comfy-Org, alle gelesen am 30. Oktober 2026. Der Wert für Qwen-Image-Edit-2511 ist die Summe aus BF16-Transformer (40,9 GB), Text-Encoder (16,6 GB) und VAE (254 MB).

BiRefNet ist ein Segmentierungsmodell mit etwa 0,2 Milliarden Parametern: Es ordnet jedes Pixel dem Produkt oder dem Hintergrund zu. Sein Repository nennt 3,5 GB GPU-Speicher für die Inferenz in FP16 oder BF16 und 4,8 GB in FP32, dazu eine Variante, die für hochaufgelöste Fotos mit 2048 × 2048 trainiert wurde. Die Dokumentation von ComfyUI schreibt: „BiRefNet is natively supported in ComfyUI“. Das Template „BiRefNet: Remove Background“ liefert das Produkt auf transparentem Hintergrund und dazu seine Maske.

FLUX.2 [klein] 4B von Black Forest Labs (BFL) vereint „text-to-image and image-to-image multi-reference editing in a single unified model“. Die Karte nennt etwa 13 GB VRAM („fits in ~13GB VRAM“) und hält fest: „Open weights available for commercial use under the Apache 2.0 license“. Das Beispiel auf der Karte nutzt 4 Schritte, ein Zehntel der 40 im Qwen-Beispiel unten; jedes Bild braucht also weit weniger Durchläufe durch das Modell.

Qwen-Image-Edit-2511 ist das Bearbeitungsmodell von Alibaba mit 20 Milliarden Parametern. Seine Karte nennt als Ziele „mitigate image drift, improved character consistency“, „integrated LoRA capabilities“ und „enhanced industrial design generation“. Laut Tutorial von ComfyUI bringt die Version 2509 die Eingabe mehrerer Bilder („adds multi-image input“); ein Bild lässt sich also mit anderen als Referenz bearbeiten, etwa ein Produktfoto zusammen mit dem Foto eines Raums. Das Beispiel der Karte nutzt 40 Schritte.

Welche Modelle ein Shop kommerziell nutzen darf

Produktfotos sind kommerzielle Nutzung, also kommt die Lizenz vor der Hardware. BiRefNet steht unter MIT, FLUX.2 [klein] 4B und Qwen-Image-Edit-2511 unter Apache 2.0, und keine dieser Lizenzen fügt eine Gebiets- oder Umsatzbedingung hinzu.

Mehrere verbreitete Alternativen sind eingeschränkt. BRIAs RMBG-2.0 baut auf der BiRefNet-Architektur auf, wurde mit „over 15,000“ lizenzierten Bildern trainiert und steht unter CC BY-NC 4.0; die Karte sagt: „Commercial use is subject to a commercial agreement with BRIA.“ Das ist wichtig, weil rembg, ein verbreitetes Kommandozeilenwerkzeug für Freisteller unter MIT, BRIAs Modell als „The default“ führt und anmerkt, dass RMBG-2.0 „requires a paid agreement for commercial use“. Die README ergänzt: „Model weights carry their own licenses, independent of rembg's MIT license“. Mit -m birefnet-general nutzt rembg stattdessen BiRefNet.

FLUX.1 Kontext [dev] und die Modelle FLUX.2 [klein] 9B stehen unter nicht kommerziellen Lizenzen, FLUX 3 Image Klein erlaubt kommerzielle Ergebnisse nur Unternehmen unter 5 Millionen US-Dollar Umsatz, verbundene Unternehmen eingerechnet, und Qwen-Image-2.1 ist „FOR NON-COMMERCIAL PURPOSES ONLY“ lizenziert; unser FLUX-Leitfaden zu GPU-Anforderungen beschreibt die Bedingungen und kostenpflichtigen Lizenzen von BFL. Keines dieser Modelle gehört zu der Einrichtung, die wir liefern; ob eine bestimmte Nutzung abgedeckt ist, klärt Ihre Rechtsberatung.

Drei ComfyUI-Workflows für Produktbilder

ComfyUI (GPL-3.0, aktiv entwickelt, letzte Version vom 27. Oktober 2026) führt Flux.2 Klein und Qwen Image Edit unter seinen Bildbearbeitungsmodellen. Der App-Modus stellt einen fertigen Workflow als einfache Oberfläche bereit: Die Marketingkraft wählt ein Foto und eine Szene und startet den Lauf.

1. Freisteller auf Weiß. Foto laden, das BiRefNet-Template ausführen und das Ergebnis auf Weiß oder transparent ablegen. Das ist der klassische Freisteller für Marktplätze und Kataloge, und das Modell zeichnet das Produkt nicht neu; es entscheidet nur, welche Pixel dazugehören.
2. Produkt in einer Szene. Die Szene mit FLUX.2 [klein] 4B erzeugen oder Qwen-Image-Edit-2511 das Produktfoto und ein Raumfoto als zwei Eingaben geben, mit einer Anweisung wie „stelle den Wasserkocher auf die Küchenarbeitsplatte, Morgenlicht von links“. Das Bearbeitungsmodell zeichnet das Produkt dabei als Teil des neuen Bildes neu.
3. Einheitliche Serie. Für 200 Produkte im selben Look bleiben Workflow, Szenen-Prompts, Seed (der zufällige Startwert) und Ausgabegröße gleich, nur das Produktfoto wechselt. Eine LoRA, eine kleine Zusatzdatei für das Modell, die auf Ihre Produkte oder Ihren Hausstil trainiert ist, hält den Look noch enger; unser Leitfaden LoRA für Marke und Produkte trainieren beschreibt diesen Schritt.

Sie können die Workstation allein bestellen, die Einrichtung von ComfyUI mit BiRefNet, FLUX.2 [klein] 4B und Qwen-Image-Edit allein oder beides zusammen: die Workstation mit allem fertig installiert und eingerichtet; schreiben Sie uns, wir schlagen Ihnen die beste Lösung für Ihre Aufgaben und Ihr Budget vor.

Wie das Produkt genau so bleibt, wie es ist

Ein generatives Modell zeichnet jedes Pixel neu. Keine der Modellkarten, die wir gelesen haben, verspricht, dass Etikett, Logo oder Form des Produkts unverändert bleiben, und Qwens eigenes Ziel „mitigate image drift“ zeigt, dass das Problem bekannt ist. Ein Produktfoto mit anderem Etikett oder falscher Zahl an Knöpfen zeigt nicht mehr das Produkt, das Sie liefern.

Für Produktseiten ist eine Montage der sicherere Weg. BiRefNet stellt das Produkt frei, das Bildmodell erzeugt nur Hintergrund oder Szene, und der eingebaute ComfyUI-Knoten Image Composite Masked legt die Originalpixel des Produkts darüber, mit „an optional mask that specifies which parts of the source image should be composited onto the destination image“. Das Etikett bleibt genau wie fotografiert. Ein eingesetztes Produkt kann aufgeklebt wirken, weil Schatten und Spiegelungen auf der neuen Fläche fehlen. Ein Bearbeitungsdurchgang kann sie ergänzen, zeichnet aber wieder Pixel neu; vergleichen Sie deshalb Etikett und Umriss mit dem Original, bevor das Bild online geht.

Text im Bild braucht dieselbe Sorgfalt. Das Tutorial von ComfyUI beschreibt für die Qwen-Image-Edit-Modelle „precise bilingual text editing“, und die Sprach-Tags der Karte von 2511 sind Englisch und Chinesisch; für Deutsch, Französisch oder Polnisch verspricht sie nichts, testen Sie Etiketten also in Ihren Sprachen. Zur Kennzeichnung: Der AI Act definiert einen Deepfake als KI-erzeugten oder manipulierten Inhalt, der „existing persons, objects, places, entities or events“ ähnelt und „would falsely appear to a person to be authentic or truthful“; Artikel 50 Absatz 4, anwendbar ab dem 2. August 2026, verpflichtet Betreiber, solche Inhalte spätestens beim ersten Kontakt offenzulegen. Ob eine Produktszene darunter fällt, klärt Ihre Rechtsberatung; unser Artikel zum EU AI Act gibt allgemeine Informationen.

Katalogläufe für Hunderte oder Tausende Produkte

Ein Katalog läuft als Warteschlange. ComfyUI beschreibt „asynchronous queueing“ und „a local API for integrating workflows into applications“; ein Skript oder das Shopsystem reicht also einen Auftrag pro Produkt ein. Das BiRefNet-Template von ComfyUI „processes a single image at a time“. Für Ordner verarbeitet der Befehl rembg p einen Eingabeordner in einen Ausgabeordner, und mit der Option -w übernimmt er neue Dateien, sobald die Fotografin sie ablegt.

Der Freisteller ist der schnelle Schritt. Das BiRefNet-Repository nennt 69,4 ms pro Bild bei 1024 × 1024 in FP16 auf einer A100, einer Rechenzentrumskarte einer früheren Generation, und bezeichnet seine Laufzeitwerte als bloße Orientierung; nach unserer Rechnung sind das etwa 14 Bilder pro Sekunde. Für RTX PRO Karten ist kein Wert veröffentlicht.

Die generativen Schritte bestimmen das Tempo. Für leere Szenen, mit Qwen-Image in 1328 × 1328 erzeugt, schätzt unser Artikel zum Qwen-Image-Server auf einer RTX PRO 6000 Workstation Edition höchstens etwa 216 Bilder pro Stunde mit 50 Schritten, etwa 141, wenn die Pipeline in BF16 rechnet, und etwa 2.700 mit der 8-Schritt-Lightning-LoRA. Alle drei Werte sind Obergrenzen nach unserer Schätzung, abgeleitet aus StorageReviews Messung der Matrixmultiplikation auf dieser Edition (14. Oktober 2026) und für BF16 aus NVIDIAs Spitzenwert; reale Pipelines sind langsamer. Ein Shop braucht selten eine neue Szene pro Produkt: Nach derselben Schätzung kosten zehn Szenen, die für 2.000 Montagen wiederverwendet werden, wenige Minuten Rechenzeit, während ein Workflow, der jedes Produktfoto bearbeitet, eine Bearbeitung pro Produkt kostet. Für Bearbeitungen, die zusätzlich die Eingabefotos verarbeiten, ist für keine RTX PRO Karte eine Zeit veröffentlicht. Lassen Sie 20 eigene Produkte auf dem gelieferten System laufen, messen Sie die Minuten und rechnen Sie hoch.

Senden Sie uns die Zahl der Produkte, die Bildformate und wie oft sich das Sortiment ändert; wir legen Workstation oder Server auf diese Menge aus und nennen die Modelle, die wir einrichten würden.

GPUs von der einzelnen Designerin bis zum Katalogteam

Der Speicher entscheidet, welches Modell in welcher Genauigkeit auf die Karte passt. Den nutzbaren Speicher rechnen wir nach der Regel aus unserem Leitfaden, wie viele Nutzer eine RTX PRO 6000 bedient: 90 Prozent dessen, was der Treiber meldet, abzüglich 3 GiB pro Karte. Die Modelle brauchen die Dateigrößen aus der Tabelle oben, dazu Platz auf der Karte für die Berechnung des Bildes.

Speicher laut BiRefNet-Repository und BFL-Karte; Dateigrößen der Comfy-Org-Pakete auf Hugging Face, gelesen am 30. Oktober 2026; Kartenspeicher laut NVIDIA-Datenblättern; nutzbarer Speicher nach unserer Regel.

Einstieg. BiRefNet (3,5 GB) und FLUX.2 [klein] 4B (etwa 13 GB) ergeben nach unserer Rechnung etwa 16,5 GB oder 15,4 GiB und passen zusammen in die 18,5 GiB, die die RTX PRO 4000 Blackwell mit 24 GB (145 W, eine Slotbreite) nach unserer Regel lässt. Die RTX PRO 4500 Blackwell mit 32 GB lässt 25,7 GiB. Das reicht für den FP8-Transformer von Qwen-Image-Edit-2511 (20,5 GB), den Teil, der das Bild zeichnet, aber nicht für den ganzen FP8-Satz: Mit dem Text-Encoder (9,38 GB), der den Prompt in Zahlen übersetzt, mit denen das Modell arbeitet, und dem VAE (254 MB), der das Ergebnis in Pixel umsetzt, sind es etwa 30,1 GB oder 28,1 GiB. Für regelmäßige Bearbeitungen beginnen Sie bei 48 GB.

Einstieg, RTX PRO 5000. Die RTX PRO 5000 Blackwell mit 48 GB lässt nach unserer Regel 40,0 GiB und hält den FP8-Satz von 28,1 GiB mit etwa 12 GiB Reserve für die Eingabebilder. Prüfen Sie die FP8-Qualität an Ihren eigenen Produkten, bevor Sie sich darauf festlegen. Die Version mit 72 GB lässt 61,5 GiB und hält die vollständigen BF16-Dateien von Qwen-Image-Edit-2511, 57,8 GB oder 53,8 GiB, mit etwa 8 GiB Reserve.

Mitte. Eine RTX PRO 6000 Blackwell mit 96 GB lässt nach unserer Regel 83,0 GiB. BiRefNet, FLUX.2 [klein] 4B und das BF16-Bearbeitungsmodell bleiben zusammen geladen, nach unserer Rechnung etwa 74 GB oder 69 GiB; ein Wechsel zwischen Workflows kostet also keine Ladezeit. Eine zweite Karte rechnet zwei Aufträge gleichzeitig. Zwei Karten der Workstation Edition mit je 600 W sind für diese Edition das realistische Maximum; drei oder vier Max-Q gehören nur in ein Gehäuse, das dafür gebaut ist, mit starkem, gerichtetem Luftstrom.

Groß. Ein Server mit RTX PRO 6000 Server Edition rechnet eine Warteschlange pro Karte für saisonale Katalogwechsel und kann eine Karte für ein Sprachmodell abstellen, das Produkttexte schreibt. Vier Karten mit je 600 W und zwei AMD-EPYC-Prozessoren ziehen nach unserer Schätzung etwa 3,4 kW; das braucht im Serverraum eine 32-A- oder Drehstromzuleitung. Unser KI-Server für Kreativagenturen teilt einen solchen Server mit Video und Rendering.

Die Software, die wir einrichten, und Ihre Daten

Wenn wir die Software einrichten, bekommt die Workstation ComfyUI, das BiRefNet-Template, FLUX.2 [klein] 4B und Qwen-Image-Edit-2511 sowie rembg mit einem BiRefNet-Modell für Ordnerläufe. Jede dieser Lizenzen erlaubt die kommerzielle Nutzung wie oben beschrieben; Modelle mit nicht kommerziellen oder umsatzbegrenzten Lizenzen gehören nicht zur Einrichtung.

Unveröffentlichte Produkte, Lieferantenfotos und fertige Bilder bleiben auf der Workstation; ob Lieferantenfotos bearbeitet oder montiert werden dürfen, hängt von den Rechten ab, die der Lieferant einräumt, und das bestätigt Ihre Rechtsberatung. Das Internet wird nur zum Herunterladen von Modellen und Updates gebraucht. Speichern Sie Workflow, Prompt, Seed und Modellversion zu jedem Bild, damit sich ein Bild nach einer Verpackungsänderung neu erzeugen lässt, und bewahren Sie die Originalfotos auf: Sie sind die Referenz, an der jedes erzeugte Bild geprüft wird.

FAQ