Stable Diffusion ist ein fortschrittliches KI-Modell, das Texteingaben in visuelle Darstellungen umwandelt. Diese Technologie nutzt moderne Algorithmen, um aus Textbefehlen (sogenannten \u201ePrompts\u201c) hochwertige und kreative Bilder zu erstellen. Die Technologie basiert auf Diffusionsmodellen, die schrittweise Rauschen aus einem Bild entfernen, bis das gew\u00fcnschte Bild entsteht. Dieser Prozess, inspiriert von physikalischen Diffusionsprozessen, f\u00fchrt zu \u00e4u\u00dferst detaillierten und pr\u00e4zisen Ergebnissen.<\/p>\n
Ein wesentlicher Vorteil von Stable Diffusion ist die M\u00f6glichkeit, die Technologie lokal auf dem eigenen Rechner zu installieren. Dies bietet nicht nur gr\u00f6\u00dfere Kontrolle und Flexibilit\u00e4t, sondern auch Datenschutz und Unabh\u00e4ngigkeit von externen Servern.<\/p>\n
Debian 13 bringt standardm\u00e4\u00dfig Python 3.13 mit. Stable Diffusion Automatic1111 ist aber auf Python 3.10\/3.11 mit fest gepinnten, alten Paketversionen (torch==2.1.2, Pillow==9.5.0, clip, tokenizers etc.) ausgelegt. Mit Python 3.13 fehlen f\u00fcr fast alle dieser alten Pins vorgefertigte Wheels \u2014 das f\u00fchrt zu einer langen Kette an Kompilierfehlern (fehlender Rust-Compiler, pkg_resources, avif.h, Versionskonflikte). Der zuverl\u00e4ssigste Weg ist daher, Python 3.11.11 parallel per pyenv zu installieren, ohne das System-Python zu ver\u00e4ndern, und Stable Diffusion Automatic1111 ausschlie\u00dflich mit dieser Version laufen zu lassen.<\/p>\n
Bevor mit der Installation begonnen wird, lohnt sich eine kurze Entscheidung: Soll pyenv nur f\u00fcr den aktuellen Benutzer installiert werden (Standardfall, einfacher) oder systemweit f\u00fcr alle Benutzer (sinnvoll, wenn mehrere Linux-User auf demselben Rechner sp\u00e4ter Automatic1111 nutzen sollen)? Beide Varianten werden im Folgenden beschrieben.<\/p>\n
Bei wenig RAM ist es sinnvoll, dass tempor\u00e4re Build- und Download-Dateien (pip, Torch-Wheels) auf der Festplatte landen, nicht im Arbeitsspeicher. Da pip und die meisten Python-Build-Tools die Umgebungsvariable TMPDIR respektieren, gen\u00fcgt es, diese auf ein Verzeichnis auf der Festplatte zu setzen:<\/p>\n
export TMPDIR=\/var\/tmp<\/pre>\nDas reicht f\u00fcr den gesamten weiteren Installationsprozess aus, da \/tmp selbst dabei unangetastet bleibt und nur pip\/Python-Prozesse ihre tempor\u00e4ren Dateien nach \/var\/tmp schreiben. (Wichtig: Diese Pr\u00fcfung setzt voraus, dass \/var\/tmp selbst nicht bereits als tmpfs im RAM liegt \u2014 pr\u00fcfbar mit
mount | grep '\/var\/tmp'<\/code>.)<\/p>\n2. Systempakete installieren<\/h2>\n
Die grundlegenden Abh\u00e4ngigkeiten werden wie folgt direkt aus den Debian-Repos installiert:<\/p>\n
sudo apt update\r\nsudo apt install -y git python3 python3-venv python3-full python3-pip wget libgl1 libglib2.0-0 google-perftools bc<\/pre>\ngoogle-perftools liefert libtcmalloc, das Automatic1111 automatisch nutzt und RAM-Fragmentierung reduziert.<\/p>\n
3. pyenv installieren<\/h2>\n
pyenv erm\u00f6glicht es, mehrere Python-Versionen parallel zu installieren und pro Anwendung gezielt eine bestimmte Version zu verwenden.<\/p>\n
3a. Standardfall: pyenv im Userspace installieren (nur f\u00fcr den aktuellen Benutzer)<\/h3>\n
Die Installation erfolgt mittels:<\/p>\n
curl https:\/\/pyenv.run | bash<\/pre>\nDas Installationsskript legt pyenv standardm\u00e4\u00dfig im Verzeichnis
~\/.pyenv<\/code> an. Damit pyenv bei jeder neuen Bash-Sitzung verf\u00fcgbar ist, m\u00fcssen die entsprechenden Einstellungen in der~\/.bashrc<\/code> hinzugef\u00fcgt und folgende Zeilen am Ende der Datei eingetragen werden:<\/p>\nexport PYENV_ROOT=\"$HOME\/.pyenv\"\r\n[[ -d $PYENV_ROOT\/bin ]] && export PATH=\"$PYENV_ROOT\/bin:$PATH\"\r\neval \"$(pyenv init -)\"<\/pre>\nNachdem via
source ~\/.bashrc<\/code> die Konfiguration neu geladen wurde, ist pyenv einsatzbereit.<\/p>\nWichtige Einschr\u00e4nkung:<\/strong> Diese Variante legt pyenv (und sp\u00e4ter Python 3.11.11) ausschlie\u00dflich unter dem Home-Verzeichnis des installierenden Benutzers ab. Soll Automatic1111 sp\u00e4ter unter einem anderen Linux-Benutzer laufen (z. B. ein dedizierter Service-User), findet dieser den in webui-user.sh hinterlegten Python-Pfad (
$HOME\/.pyenv\/...<\/code>) nicht, da sich$HOME<\/code> je nach Benutzer \u00e4ndert. Die WebUI startet dann nicht mehr.<\/p>\n3b. Alternative: pyenv systemweit installieren (\/opt\/pyenv, f\u00fcr alle Benutzer)<\/h3>\n
Wird Automatic1111 m\u00f6glicherweise sp\u00e4ter unter mehreren oder wechselnden Linux-Benutzern betrieben, empfiehlt sich stattdessen eine systemweite Installation. Dabei wird pyenv nicht per Installationsskript, sondern direkt per Git-Klon in ein f\u00fcr alle Benutzer lesbares Systemverzeichnis (
\/opt\/pyenv<\/code>) installiert:<\/p>\nsudo git clone https:\/\/github.com\/pyenv\/pyenv.git \/opt\/pyenv<\/pre>\nDamit auch sp\u00e4tere Python-Builds (siehe Schritt 4) durchgef\u00fchrt werden k\u00f6nnen, muss das Verzeichnis vor\u00fcbergehend dem aktuellen Benutzer geh\u00f6ren:<\/p>\n
sudo chown -R \"$USER\":\"$USER\" \/opt\/pyenv<\/pre>\nAnschlie\u00dfend werden die Umgebungsvariablen nicht in die pers\u00f6nliche
~\/.bashrc<\/code>, sondern systemweit \u00fcber\/etc\/profile.d\/<\/code> gesetzt, sodass sie f\u00fcr jeden<\/strong> Benutzer beim Login automatisch geladen werden:<\/p>\nsudo tee \/etc\/profile.d\/pyenv.sh > \/dev\/null <<EOF\r\nexport PYENV_ROOT=\"$PYENV_ROOT\"\r\nexport PATH=\"\\$PYENV_ROOT\/bin:\\$PATH\"\r\neval \"\\$(pyenv init -)\"\r\nEOF\r\nsudo chmod +x \/etc\/profile.d\/pyenv.sh<\/pre>\nNeu einloggen oder direkt laden:<\/p>\n
source \/etc\/profile.d\/pyenv.sh\r\n<\/pre>\nNach Abschluss der Python-Installation (Schritt 4) m\u00fcssen die Leserechte f\u00fcr alle anderen Benutzer wiederhergestellt werden, da der
chown<\/code>-Schritt oben das Verzeichnis exklusiv dem installierenden Benutzer zugewiesen hat:<\/p>\nsudo chmod -R o+rX \/opt\/pyenv\r\n<\/pre>\nWichtig zu wissen:<\/strong> Diese systemweite Installation betrifft nur pyenv und den Python-3.11.11-Interpreter selbst. Die eigentliche
venv<\/code> von Automatic1111 (siehe Schritt 9) bleibt weiterhin pro Benutzer im jeweiligenstable-diffusion-webui<\/code>-Verzeichnis. Jeder Benutzer muss also weiterhin sein eigenes Repository klonen und seine eigene venv einrichten \u2014 kann dabei aber denselben, bereits kompilierten Python-3.11.11-Interpreter referenzieren, ohne ihn erneut bauen zu m\u00fcssen. Zuk\u00fcnftige Python-Versionsinstallationen \u00fcberpyenv install<\/code> durch andere Benutzer erfordern erneut einenchown<\/code>-Schritt auf\/opt\/pyenv<\/code>, da nur der jeweils installierende Benutzer Schreibrechte ben\u00f6tigt.<\/p>\n4. Python 3.11.11 \u00fcber pyenv installieren<\/h2>\n
Nachdem pyenv installiert ist (egal ob Userspace- oder systemweite Variante), kann jede beliebige Python-Version installiert werden. F\u00fcr Stable Diffusion Automatic1111 wird Version 3.11.11 installiert:<\/p>\n
pyenv install 3.11.11\r\n<\/pre>\npyenv l\u00e4dt dazu den Python-Quellcode herunter und kompiliert ihn lokal. Dieser Vorgang kann je nach Prozessor mehrere Minuten dauern. Die Installation ver\u00e4ndert dabei nicht das Debian-System-Python. Nach erfolgreicher Installation kann die Version direkt gepr\u00fcft werden und sollte als Ausgabe
Python 3.11.11<\/code> liefern:<\/p>\nBei Userspace-Installation:<\/strong><\/p>\n
$HOME\/.pyenv\/versions\/3.11.11\/bin\/python3.11 --version<\/pre>\nBei systemweiter Installation:<\/strong><\/p>\n
\/opt\/pyenv\/versions\/3.11.11\/bin\/python3.11 --version\r\n<\/pre>\nF\u00fcr Automatic1111 wird sp\u00e4ter genau diese Python-Binary verwendet (je nachdem, welche Variante gew\u00e4hlt wurde).<\/p>\n
5. Automatic1111 aus GitHub-Repository klonen<\/h2>\n
Der master-Branch reicht mit Python 3.11, da die originalen Paket-Pins (requirements_versions.txt) f\u00fcr diese Version passende, vorgefertigte Wheels haben.<\/p>\n
cd ~\r\ngit clone https:\/\/github.com\/AUTOMATIC1111\/stable-diffusion-webui.git\r\ncd stable-diffusion-webui<\/pre>\n6. webui-user.sh konfigurieren<\/h2>\n
Um die passende Python-Version sowie verschiedene Parameter zu konfigurieren, wird die Datei webui-user.sh wie folgt erg\u00e4nzt:<\/p>\n
Bei Userspace-Installation:<\/strong><\/p>\n
export python_cmd=\"$HOME\/.pyenv\/versions\/3.11.11\/bin\/python3.11\"\r\nexport COMMANDLINE_ARGS=\"--medvram --xformers --listen --port 7860\"\r\nexport STABLE_DIFFUSION_REPO=\"https:\/\/github.com\/w-e-w\/stablediffusion.git\"<\/pre>\nBei systemweiter Installation:<\/strong><\/p>\n
export python_cmd=\"\/opt\/pyenv\/versions\/3.11.11\/bin\/python3.11\"\r\nexport COMMANDLINE_ARGS=\"--medvram --xformers --listen --port 7860\"\r\nexport STABLE_DIFFUSION_REPO=\"https:\/\/github.com\/w-e-w\/stablediffusion.git\"<\/pre>\nexport python_cmd sorgt daf\u00fcr, dass Automatic1111 nicht das Debian-System-Python verwendet. Stattdessen wird immer Python 3.11.11 verwendet.<\/p>\n
Unter export COMMANDLINE_ARGS werden zus\u00e4tzliche Startparameter definiert.<\/p>\n
–medvram reduziert den ben\u00f6tigten VRAM, indem bestimmte Berechnungen zwischen GPU-VRAM und Arbeitsspeicher verschoben werden.<\/p>\n
–xformers aktiviert die xFormers-Optimierungen. Diese k\u00f6nnen den Speicherverbrauch reduzieren und die Berechnung bestimmter Operationen beschleunigen.<\/p>\n
–listen –port 7860 aktiviert den Netzwerkzugriff des Webinterface auf Port 7860.<\/p>\n
Bei sehr wenig VRAM kann alternativ verwendet werden:
export COMMANDLINE_ARGS=\"--lowvram --xformers\"<\/code><\/p>\n–lowvram reduziert den VRAM-Verbrauch st\u00e4rker, kann die Bildgenerierung jedoch verlangsamen.<\/p>\n
Wichtige Erkl\u00e4rung zu STABLE_DIFFUSION_REPO: Das urspr\u00fcngliche Repository Stability-AI\/stablediffusion wurde seit Dezember 2025 aus dem \u00f6ffentlichen GitHub entfernt\/privatisiert (best\u00e4tigter, weltweiter Bug, betrifft alle Automatic1111-Neuinstallationen). Ohne diese Zeile bricht der Klon-Vorgang mit \u201eRepository not found” bzw. einer Login-Abfrage ab. Der Fork w-e-w\/stablediffusion.git ist der vom Automatic1111-Projekt selbst empfohlene Ersatz mit identischem Inhalt. Durch export STABLE_DIFFUSION_REPO wird ein kompatibler Fork verwendet.<\/p>\n
7. Ersten Start durchf\u00fchren<\/h2>\n
.\/webui.sh<\/pre>\nL\u00e4dt venv (mit Python 3.11.11), Torch (CUDA-Build), das Stable-Diffusion-Basisrepository und ein Standardmodell herunter.<\/p>\n
8. Bekannte Stolpersteine bei diesem Schritt<\/h2>\n
CLIP-Installationsfehler (ModuleNotFoundError: No module named ‘pkg_resources’)<\/h3>\n
Neuere setuptools-Versionen haben pkg_resources entfernt. Das alte CLIP-Paket (2021) braucht es aber f\u00fcr den Build. Pip zieht sich in der isolierten Build-Umgebung automatisch ein zu neues setuptools \u2014 das Downgrade in der venv allein reicht nicht.<\/p>\n
Fix:<\/strong><\/p>\n
source venv\/bin\/activate \r\npip install \"setuptools<81\" wheel \r\npip install --no-build-isolation \"https:\/\/github.com\/openai\/CLIP\/archive\/d50d76daa670286dd6cacf3bcd80b5e4823fc8e1.zip\"<\/pre>\nPr\u00fcfen:<\/p>\n
python -c \"import clip; print('ok')\"<\/pre>\nNumPy-Kompatibilit\u00e4tswarnung (A module that was compiled using NumPy 1.x cannot be run in NumPy 2.x)<\/h3>\n
torch==2.1.2 wurde gegen NumPy 1.x kompiliert, pip installiert aber standardm\u00e4\u00dfig NumPy 2.x.<\/p>\n
Fix:<\/strong><\/p>\n
pip install \"numpy<2\"<\/pre>\nDanach erneut pr\u00fcfen:<\/p>\n
python -c \"import torch, clip; print('torch', torch.__version__); print('clip ok')\"<\/pre>\nWenn keine Warnung mehr erscheint und clip ok ausgegeben wird:<\/p>\n
deactivate \r\n.\/webui.sh<\/pre>\n9. WebUI l\u00e4uft<\/h2>\n
Nach erfolgreichem Laden des SafeTensors-Modells erscheint im Terminal:<\/p>\n
Running on local URL: http:\/\/127.0.0.1:7860<\/pre>\nIm Browser \u00f6ffnen: http:\/\/127.0.0.1:7860 oder \u00fcber die IP des Stable-Diffusion-Systems. Alternativ kann auch ein SSH-Tunnel verwendet werden.<\/p>\n
Die einmal eingerichteten Umgebungsvariablen aus webui-user.sh werden automatisch geladen \u2014 kein erneutes manuelles Setzen von python_cmd, STABLE_DIFFUSION_REPO etc. n\u00f6tig.<\/p>\n
Hinweis:<\/strong> Falls sp\u00e4ter Extensions installiert werden, die zus\u00e4tzliche Python-Pakete ben\u00f6tigen, kann es sein, dass beim n\u00e4chsten Start erneut pip-install-Schritte laufen \u2014 dabei ggf. wieder auf pkg_resources- oder NumPy-Konflikte bei sehr alten Zusatzpaketen achten und nach demselben Muster l\u00f6sen (–no-build-isolation, Versions-Pin anpassen, oder numpy<2 sicherstellen).<\/p>\n
Kurz-Referenz: Warum dieser Weg funktioniert<\/h2>\n
\n\n
\n \nProblem mit Python 3.13<\/th>\n L\u00f6sung mit Python 3.11.11 (pyenv)<\/th>\n<\/tr>\n<\/thead>\n \n torch==2.1.2 hat kein cp313-Wheel<\/td>\n F\u00fcr cp311 verf\u00fcgbar<\/td>\n<\/tr>\n \n Pillow==9.5.0 baut nicht (kein cp313)<\/td>\n F\u00fcr cp311 als Wheel verf\u00fcgbar<\/td>\n<\/tr>\n \n tokenizers braucht Rust-Compiler (kein Wheel)<\/td>\n F\u00fcr cp311 als Wheel verf\u00fcgbar<\/td>\n<\/tr>\n \n clip\/pkg_resources-Fehler<\/td>\n Tritt weiterhin auf, aber mit einfachem, bekanntem Fix l\u00f6sbar<\/td>\n<\/tr>\n \n blendmodes\/Pillow-Versionskonflikt<\/td>\n Entf\u00e4llt, da Original-Pins zueinander passen<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n 10. WebUI als systemd-Dienst betreiben (Start\/Stop\/Autostart)<\/h2>\n
Damit die WebUI nicht manuell per `.\/webui.sh` gestartet werden muss, l\u00e4sst sie sich als systemd-Dienst einrichten. Das erm\u00f6glicht Start\/Stop \u00fcber `systemctl`, automatischen Neustart bei Absturz sowie optional den automatischen Start beim Booten.<\/p>\n
Zun\u00e4chst die Unit-Datei anlegen (Platzhalter `user`, Pfade und `TMPDIR` an das eigene System anpassen):<\/p>\n
sudo tee \/etc\/systemd\/system\/stable-diffusion-webui.service <<'EOF'\r\n[Unit]\r\nDescription=AUTOMATIC1111 Stable Diffusion WebUI\r\nAfter=network.target\r\n\r\n[Service]\r\nType=simple\r\nUser=user\r\nGroup=user\r\nWorkingDirectory=\/home\/user\/stable-diffusion-webui\r\nEnvironment=HOME=\/home\/user\r\nEnvironment=TMPDIR=\/var\/tmp\r\nExecStart=\/home\/user\/stable-diffusion-webui\/webui.sh\r\n\r\nKillSignal=SIGTERM\r\nTimeoutStopSec=30\r\n\r\nRestart=on-failure\r\nRestartSec=10\r\n\r\n[Install]\r\nWantedBy=multi-user.target\r\nEOF\r\n\r\nsudo systemctl daemon-reload<\/pre>\nWebui.sh selbst liest weiterhin webui-user.sh aus, daher muss diese Konfiguration wie in Schritt 6 beschrieben bereits vorhanden sein, damit der Dienst startet.<\/p>\n
Die `Environment=TMPDIR=\/var\/tmp`-Zeile ist nicht nur f\u00fcr die einmalige Installation relevant, sondern gilt f\u00fcr die gesamte Laufzeit des Dienstes \u2014 also auch f\u00fcr sp\u00e4tere Modell-Downloads \u00fcber die WebUI oder tempor\u00e4re Dateien w\u00e4hrend der Bildgenerierung, sofern die jeweilige Komponente `TMPDIR` beachtet.<\/p>\n
Webui kann jetzt mittels Systemd befehlen gesteuert werden:<\/p>\n
sudo systemctl start stable-diffusion-webui\r\nsudo systemctl stop stable-diffusion-webui\r\nsudo systemctl status stable-diffusion-webui<\/pre>\nAutomatischer Start beim Booten (optional):<\/p>\n
sudo systemctl enable stable-diffusion-webui\r\n<\/pre>\nLogs live verfolgen<\/p>\n
journalctl -u stable-diffusion-webui -f<\/pre>\nSo l\u00e4sst sich pr\u00fcfen, ob der Start erfolgreich durchl\u00e4uft und wann die WebUI unter `http:\/\/127.0.0.1:7860` (bzw. per LAN-IP bei `–listen`) erreichbar ist.<\/p>\n
Hinweis bei systemweiter pyenv-Installation (Abschnitt 3b): Da `python_cmd` in `webui-user.sh` bereits den vollst\u00e4ndigen Pfad (`\/opt\/pyenv\/versions\/3.11.11\/bin\/python3.11`) enth\u00e4lt, braucht der systemd-Dienst keinen zus\u00e4tzlichen `PATH`-Eintrag f\u00fcr pyenv \u2014 systemd startet ohnehin ohne Login-Shell und w\u00fcrde `\/etc\/profile.d\/pyenv.sh` nicht automatisch einlesen.<\/p>\n
\n