Du generierst ein Porträt in Stable Diffusion. Die Komposition stimmt, die Beleuchtung ist dramatisch, aber das Gesicht wirkt falsch. Die Haut ist porenlos. Die Oberfläche reflektiert das Licht wie bei einer Schaufensterpuppe. Jedes Detail wirkt übermäßig makellos: der unverkennbare „KI-Plastik-Look“, der ein Bild sofort als maschinell erzeugt verrät.
Dieser Leitfaden erklärt, warum das passiert, welche realistischen Modelle in Stable Diffusion das Problem tatsächlich lösen und welche Einstellungen und Nachbearbeitungstechniken den Unterschied zwischen einem fotorealistischen und einem künstlich glatten Ergebnis ausmachen.
Warum deine Stable-Diffusion-Bilder plastisch aussehen
Der Plastik-Look ist kein einzelner Fehler. Er entsteht durch drei Faktoren, die sich überlagern und gegenseitig verstärken.
Verzerrung der Trainingsdaten. Basismodelle wie SDXL und SD 1.5 wurden mit Millionen Bildern trainiert, darunter viele digital retuschierte Stockfotos, weichgezeichnete Illustrationen oder KI-Bilder, die wieder in den Trainingssatz eingeflossen sind. Das Modell lernt makellose, glatte Haut als Standard, weil sie in seiner Trainingsverteilung dominiert. Feinabgestimmte realistische Checkpoints wirken dem entgegen, indem sie gezielt mit unbearbeiteten Fotos trainiert werden, die sichtbare Hautstruktur, Poren und natürliche Unvollkommenheiten zeigen.
Zusammenspiel von Sampler und CFG. Hohe CFG-Werte über 7 zwingen das Modell, sich strikt an deinen Prompt zu halten. Das führt oft dazu, dass es jede Vorstellung, auch Haut, aggressiv in ihrer idealisierten Form erzeugt. Ein CFG von 8+ bei einem Porträt-Prompt unterdrückt aktiv das hochfrequente Rauschen, das sich in Poren, Unreinheiten und Mikrotextur übersetzt. Zusammen mit Samplern, die Kohärenz über Detail stellen, entstehen glasglatte Oberflächen, die bei genauer Betrachtung künstlich wirken.
Fehlende Negativ-Prompts. Wenn du dem Modell nicht ausdrücklich sagst, was es vermeiden soll, erhält es kein Signal dafür, dass Plastik, weichgezeichnete oder glatte Haut und ein puppenartiges Aussehen unerwünscht sind. Negativ-Prompts entfernen nicht nur zusätzliche Finger. Sie sind ein direkter Hebel für realistische Haut.
Die besten realistischen Modelle in Stable Diffusion
Nicht jeder Checkpoint ist auf Fotorealismus ausgelegt. Die folgenden Modelle haben sich durch konstante Ausgabequalität, aktive Community-Bestätigung und messbare Downloadzahlen auf Civitai einen guten Ruf erarbeitet. Jedes ist in einem anderen Bereich der Realistik besonders stark.
| Modell | Architektur | Min. VRAM | Am besten für | Wichtigste Stärke |
|---|---|---|---|---|
| RealVisXL V5.0 | SDXL 1.0 | 8 GB | Porträts, Nahaufnahmen | Natürlicher Film-Look, Hauttextur |
| Juggernaut XL v10 | SDXL 1.0 | 8 GB | Vielseitiger Fotorealismus | Filmische Beleuchtung, breiter Prompt-Bereich |
| Realistic Vision V6.0 | SD 1.5 | 4 GB | Realistik auf schwächerer Hardware | Läuft mit 4 GB, riesiges LoRA-Ökosystem |
| CyberRealistic XL v10 | SDXL 1.0 | 8 GB | Sauberer Fotorealismus, schnelle Iteration | LCM-/Lightning-Unterstützung, scharfe Ausgabe |
| EpicRealism | SD 1.5 / SDXL | 4-8 GB | Feine Details, natürliche Beleuchtung | Vermeidet Überschärfung, lebensechte Farbtöne |
RealVisXL V5.0 gilt in der Community weiterhin als erste Wahl für Porträts. Die Haut hält auch bei genauer Betrachtung stand und besitzt eine natürliche Körnung, die an 35-mm-Film erinnert. Juggernaut XL v10 ist der vielseitigste SDXL-Checkpoint. Wenn du nicht weißt, wo du anfangen sollst, bewältigt er alles von Porträts bis Produktfotografie mit konstant starken Ergebnissen und kommt auf über 18 Millionen Downloads.
Realistic Vision V6.0 ist die unverwüstliche SD-1.5-Legende: Es läuft auf Hardware mit einer GPU ab 4 GB und liefert selbst bei niedrigeren Auflösungen Hauttöne und Licht, die mit SDXL-Modellen mithalten können. CyberRealistic XL bietet LCM- und Lightning-Varianten für schnelle Iterationen ohne Verzicht auf Fotorealismus. EpicRealism vervollständigt die Liste mit einem bewusst bodenständigen Ansatz. Es vermeidet die Überschärfungsfalle, die andere Modelle KI-poliert aussehen lässt.
Das passende Modell für deine Hardware wählen
Die Modellwahl ist bedeutungslos, wenn deine GPU es nicht ausführen kann. Die praktische Entscheidung ist einfach: Ordne deine VRAM-Klasse zuerst der passenden Architektur zu und optimiere dann innerhalb dieser Klasse für Realistik.
| VRAM-Klasse | Empfohlene Architektur | Bestes realistisches Modell | Was du erwarten kannst |
|---|---|---|---|
| 4-6 GB | SD 1.5 | Realistic Vision V6.0 | Nativ 512x512, schnelle Generierung, ausgezeichnete Hauttöne, begrenzte Auflösung |
| 8 GB | SDXL | Juggernaut XL v10 oder RealVisXL V5.0 | Nativ 1024x1024, starke Details, bei gestapelten LoRAs eventuell VRAM-Management nötig |
| 12 GB+ | SDXL komfortabel oder Flux | Jeder SDXL-Checkpoint mit vollständigem LoRA-Stack | Multi-LoRA-Workflows, ControlNet, ADetailer gleichzeitig |
| 16 GB+ | Flux oder SDXL | Flux Dev GGUF Q8 | Bester lokal verfügbarer Fotorealismus, überlegene Anatomie und Prompt-Treue |
SDXL benötigt 8 GB allein zum Laden und 12 GB, damit du nicht ständig mit dem VRAM jonglieren musst. Wenn du 6 GB oder weniger hast, kämpfe nicht dagegen an. SD-1.5-Modelle wie Realistic Vision sind für weniger Speicher optimiert und erzeugen bei 512x512 weiterhin ausgezeichneten Fotorealismus, den du anschließend hochskalieren kannst. Der Sprung von SD 1.5 zu SDXL ist bei Anatomie, Detail und Prompt-Verständnis sofort sichtbar, ebenso deutlich steigen aber die VRAM-Kosten.
Wichtige Einstellungen für fotorealistische Ergebnisse
Den richtigen Checkpoint auszuwählen ist nur der erste Schritt. Sampler, CFG-Skalierung, Schrittzahl und Negativ-Prompt bestimmen gemeinsam, ob die Ausgabe wie ein Foto oder wie ein Render wirkt.
Sampler. DPM++ 2M SDE Karras und DPM++ 3M SDE Karras gelten in der Community als erste Wahl für Hauttextur. Sie bewahren hochfrequente Details: das Mikro-Rauschen, das sich in Poren, Körnung und unregelmäßige Oberflächen übersetzt. Euler a und DDIM erzeugen tendenziell glattere Ergebnisse, also genau das Gegenteil dessen, was du für Fotorealismus brauchst.
CFG-Skala. Für SDXL-Porträts erzeugt ein CFG zwischen 4 und 7 die natürlichste Haut. Über 7 wird das Modell zu einer idealisierten, übermäßig sauberen Ausgabe gedrängt. Manche Anwender erzielen mit CFG 2-3 und sorgfältig abgestimmten Negativ-Prompts hervorragende Ergebnisse. Das lässt dem Modell mehr Freiheit für natürliche Textur, geht aber auf Kosten der strikten Prompt-Treue.
Schritte. 25-30 Schritte sind der Standardbereich für SDXL. Für maximale Hautdetails liefern 40-60 Schritte mit DPM++ 3M SDE Karras eine sichtbare Verbesserung bei Porendefinition und Haardarstellung. Jenseits von 60 nimmt der Nutzen stark ab. Lightning- und LCM-Varianten können in 4-8 Schritten brauchbare Ergebnisse liefern, eignen sich aber eher für Iterationen als für die finale Ausgabe.
Negativ-Prompts. Hier wird der Plastik-Look größtenteils beseitigt. Ein starker Negativ-Prompt für realistische Porträts enthält:
plastic, smooth skin, airbrushed, poreless, doll-like, flawless, perfect skin3d render, cgi, digital painting, illustration, cartoon, animeblurry, low quality, deformed, bad anatomy, extra fingers, mutated handswax, retouched, photoshop, overexposed
Die erste Zeile zielt direkt auf den Plastik-Look. Die zweite entfernt nicht-fotografische Stile. Die dritte kümmert sich um strukturelle Fehler. Die vierte beseitigt die überpolierte Nachbearbeitungsästhetik, die Bilder künstlich wirken lässt, selbst wenn die zugrunde liegende Generierung solide ist.
Mehr als der Checkpoint: LoRAs, ADetailer und Prompt Engineering
Selbst mit dem richtigen Modell und den richtigen Einstellungen verlieren Gesichter bei Standardauflösungen oft an Detail. Die Community hat einen mehrschichtigen Ansatz zur Nachbearbeitung entwickelt, der dieses Problem systematisch angeht.
Realismus-LoRAs. Leichte LoRA-Modelle wie Skin & Hand von Polyhedron und add-details-xl fügen bei niedrigen Gewichten von 0.3 bis 0.8 Hauttextur und feine Details hinzu. Bei Gewicht 1.0 zwingt add-details-xl das Modell, hochfrequente Details im gesamten Bild zu rendern. Das kann die Haut deutlich verbessern, aber auch Artefakte im Hintergrund erzeugen. Starte bei 0.5 und passe den Wert anhand der Ergebnisse an.
ADetailer (After Detailer). Dies ist das wirkungsvollste Werkzeug zur Gesichtsreparatur. ADetailer führt ein Erkennungsmodell auf deinem generierten Bild aus, erkennt Gesichter und generiert sie automatisch mit höherer Auflösung und einem eigenen Prompt neu. Empfohlene Konfiguration:
- Erkennungsmodell:
face_yolov8n.pt - Konfidenzschwelle: 0.3
- Denoising-Stärke: 0.22-0.28, niedriger als üblich, weil du verfeinern und nicht ersetzen willst
- Schritte: 18-22
- CFG: 4-4.5
- Nur maskierten Bereich inpainten: ON
- ADetailer-Prompt:
natural skin texture, visible pores, subtle imperfections, soft skin transitions, realistic eyes, natural lips
Die niedrige Denoising-Stärke ist entscheidend. Ab 0.5 ersetzt ADetailer das Gesicht im Grunde, was neue Artefakte einführen oder die Identität der Person verlieren kann. Bei 0.22-0.28 verfeinert es vorhandene Details: Es ergänzt Porenstrukturen, schärft die Augen und korrigiert kleinere Anatomiefehler, ohne die ursprüngliche Generierung zu verwerfen.
Prompt-Techniken für Realistik. Deine Wortwahl beeinflusst die Textur, die das Modell erzeugt. Wirksame Trigger für Realistik sind:
natural skin texture, visible pores, subtle blemishes, frecklescandid iphone camera portrait, raw photo, unretouched85mm portrait lens, shallow depth of field, natural lightingoily skin, sun-damaged skin, aged 35 years old, flyaway hair strands
Die letzte Zeile wirkt kontraintuitiv, ist aber sehr wirkungsvoll. Echte Menschen haben fettige Haut, Sonnenschäden, Altersflecken und abstehende Haare. Wenn du diese Unvollkommenheiten anforderst, entfernst du das Modell vom idealisierten Standard und näherst dich echtem Fotorealismus. Die Angabe von Objektiv und Beleuchtung verankert die Ausgabe zusätzlich in fotografischer Realität statt digitalem Rendering.
Wenn ein lokales Setup nicht infrage kommt: Cloud-Alternativen
Die Realität bei lokalem Stable Diffusion ist, dass es beträchtliche Hardware verlangt. Ein SDXL-Workflow mit LoRAs, ADetailer und ControlNet gleichzeitig benötigt 12-16 GB VRAM. Ein Flux-Workflow in voller Präzision braucht 24 GB. Nicht jeder besitzt solche Hardware oder möchte darin investieren. Auch die Einrichtung von ComfyUI oder AUTOMATIC1111, der Download mehrerer Gigabyte großer Checkpoints und die Konfiguration von Samplern und Erweiterungen können Stunden dauern, bevor du ein einziges Bild erzeugst.
Cloudbasierte KI-Bildgeneratoren sind hier eine praktische Alternative. Die Text-zu-Bild-Plattform von Seavid AI bietet über eine Browser-Oberfläche ohne lokales Setup Zugriff auf mehrere hochmoderne Modelle, darunter Seedream 5.0, Nano Banana Pro und GPT Image. Du beschreibst deine Vorstellung in einem Text-Prompt, wählst Stil und Auflösung und generierst schnell. Für Nutzer, die vorhandene Bilder verfeinern oder umwandeln möchten, übernimmt das Bild-zu-Bild-Tool Stilübertragung und Verbesserung bei erhaltener Komposition, während SeedEdit anweisungsbasierte Bearbeitung mit Identitätserhalt ermöglicht.
Der Kompromiss ist die Kontrolle. Lokales Stable Diffusion bietet dir granularen Zugriff auf jeden Parameter: Sampler, CFG, Schrittzahl, LoRA-Gewichte, Negativ-Prompts und Inpainting-Masken. Cloud-Tools abstrahieren diese Entscheidungen hinter einer einfacheren Oberfläche. Das ist ein Vorteil für Geschwindigkeit und Zugänglichkeit, aber eine Einschränkung, wenn du Hauttextur oder Gesichtsdetails fein abstimmen musst. Für schnelles Prototyping, Social-Media-Inhalte oder Nutzer ohne eigene GPU beseitigt der Cloud-Weg die Hardwarebarriere vollständig. Für fotorealistische Porträts in Produktionsqualität, bei denen jede Pore zählt, bleibt der lokale Workflow überlegen.
Häufige Fehler und wie du sie vermeidest
- Das SDXL-Basismodell für Porträts verwenden. Das SDXL-Basismodell neigt nachweislich zu plastischer Haut. Wechsle für Porträts immer zu einem feinabgestimmten realistischen Checkpoint wie RealVisXL oder Juggernaut XL.
- CFG über 7 bei Haut verwenden. Hohes CFG unterdrückt natürliche Textur. Senke es auf 4-6 und überlasse dem Negativ-Prompt die Qualitätskontrolle.
- ADetailer überspringen. Gesichter verlieren bei 1024x1024 an Detail, wenn die Person nur einen kleinen Teil des Bildes einnimmt. ADetailer behebt das automatisch, es gibt also keinen Grund, darauf zu verzichten.
- Zu viele LoRAs stapeln. Jede weitere LoRA erhöht die Wahrscheinlichkeit von Farbverschiebungen und Artefakten. Starte mit einer Realismus-LoRA bei Gewicht 0.5, teste und füge nur bei Bedarf weitere hinzu.
- Unvollkommenheiten nicht angeben. Wenn dein Prompt nur „beautiful woman, perfect skin“ sagt, liefert das Modell genau das und es wirkt künstlich. Ergänze Poren, Unreinheiten und Hinweise auf natürliche Beleuchtung.
- Ohne Hi-Res Fix hochskalieren. Normales Upscaling schärft alles gleichmäßig, wodurch Haut wachsartig wirken kann. Nutze Hi-Res Fix mit einer niedrigen Denoising-Stärke von 0.3-0.4 für kontrollierte Detailverbesserung.
Häufige Fragen
Kann ich mit SD 1.5 fotorealistische Ergebnisse erzielen oder brauche ich SDXL?
Ja. Realistic Vision V6.0 auf SD 1.5 erzeugt weiterhin ausgezeichnete Hauttöne und realistische Beleuchtung. Der Kompromiss betrifft die Auflösung, nativ 512x512 statt 1024x1024 bei SDXL, sowie die Anatomie-Konsistenz. Wenn deine GPU 4-6 GB VRAM hat, ist SD 1.5 die beste Option; anschließend kannst du die Ergebnisse hochskalieren.
Welche einzelne Änderung behebt den Plastik-Look am wirksamsten?
Füge einen Negativ-Prompt hinzu, der ihn ausdrücklich anspricht: plastic, smooth skin, airbrushed, poreless, doll-like, flawless. Das allein sorgt bei den meisten realistischen Checkpoints für eine sichtbare Verbesserung, noch bevor du Sampler oder CFG anpasst.
Brauche ich eine dedizierte GPU oder kann ich Cloud-Tools nutzen?
Für lokale SDXL-Workflows wird eine dedizierte NVIDIA-GPU mit mindestens 8 GB VRAM empfohlen. Wenn du keine hast, bieten cloudbasierte Tools wie Seavid AI über den Browser Zugriff auf hochwertige Modelle, allerdings mit weniger Kontrolle auf Parameterebene als bei einem lokalen Setup.
Was ist besser für Fotorealismus: Stable Diffusion oder Flux?
Flux erzeugt im Allgemeinen einen hochwertigeren Fotorealismus mit besserer Anatomie und Prompt-Treue, benötigt aber selbst quantisiert 12+ GB VRAM und hat ein kleineres LoRA-Ökosystem. SDXL bleibt für die meisten Nutzer die praktische Wahl, dank seiner riesigen Community-Modellbibliothek, ausgereiften Tools und geringeren Hardwareanforderungen. Für beste Ergebnisse auf leistungsstarker Hardware ist Flux Dev in GGUF Q8 derzeit die beste lokale Option.
Wie wichtig ist die Sampler-Wahl für realistische Haut?
Sehr wichtig. DPM++ 2M SDE Karras und DPM++ 3M SDE Karras bewahren das hochfrequente Rauschen, das sich in Hauttextur übersetzt. Der Wechsel von Euler a zu DPM++ SDE Karras kann die Hautrealistik stärker verbessern als ein Modellwechsel, besonders bei SDXL-Checkpoints.
