Sampling Steps (Schritte)
Die Sampling Steps bestimmen die Anzahl der Berechnungsdurchläufe, bei denen ein KI-Bildgenerator zufälliges Bildrauschen schrittweise in ein klares Motiv auflöst. Zu wenige Schritte führen zu verwaschenen, unfertigen Ergebnissen ohne Details. Ab einem bestimmten Schwellenwert bringen zusätzliche Schritte jedoch kaum noch sichtbare Verbesserungen, sondern verlängern lediglich die Rechenzeit.
Auch bekannt als: steps, num_inference_steps, sampling steps, Denoiser-Schritte
Vorher und nachher: Praxistest




Modell: FLUX.1 [dev] (otwarte wagi, przez API fal.ai). Einstellungen: Seed 1411, Guidance 3,5, geändert wurde nur die Anzahl der Schritte. Datum: 14.11.2026.
Prompt: a ceramic teapot and two cups on a wooden table next to a window, soft morning light, still life photo
In meinem Test ergaben 4 Schritte lediglich eine neblige, flache Skizze. Bei 10 Schritten war das Motiv bereits erkennbar, wirkte jedoch noch sehr weich. Zwischen 28 und 50 Schritten veränderten sich nur noch winzige Nuancen in der Komposition, aber keineswegs die Bildqualität: Die Rechenzeit stieg dabei fast auf das Doppelte, von 5,9 Sekunden auf 9,4 Sekunden.
Bezeichnung je Generator
| Generator | Parameter | Werte | Standard |
|---|---|---|---|
| FLUX | stepsFehlt in FLUX 3 Image und FLUX.2 [pro]. Klein: Distilled 16 Schritte, Base 50 | FLUX.2 [flex]: 1-50; Fill/Expand: 15-50 | 50 |
| Seedream | unbestätigt | - | - |
| Imagen (eingestellt) | editConfig.baseSteps (nur Bearbeitung)Für Outpainting empfiehlt die Dokumentation, bei 35 zu beginnen | Ganzzahl | - |
| ComfyUI | steps (KSampler) | 1-10000 | 20 |
| Midjourney | nicht vorhanden (indirekt --stop in älteren Versionen) | - | - |
| Ideogram | kein solcher Parameter | - | - |
| GPT Image | kein solcher Parameter | - | - |
| Qwen-Image | nicht in der gelesenen Dokumentation | - | - |
| Stability AI (SD 3.5) | nicht in der API vorhanden | - | - |
- Quellen, geprüft am 14.11.2026:
- FLUX: docs.bfl.ml/api-reference/models/generate-or-edit-an-image-...
- Seedream: docs.byteplus.com/en/docs/ModelArk/1541523
- Imagen: docs.cloud.google.com/vertex-ai/generative-ai/docs/image/ed...
- ComfyUI: docs.comfy.org/built-in-nodes/sampling/ksampler
- Midjourney: docs.midjourney.com/hc/en-us/articles/33329788681101-Legacy...
- Ideogram: developer.ideogram.ai/openapi/ideogram-api-v2.json
- GPT Image: developers.openai.com/api/docs/guides/image-generation
- Qwen-Image: www.alibabacloud.com/help/en/model-studio/qwen-image-genera...
- Stability AI: docs.stability.ai/api-reference/generate/stable-diffusion-3...
Wann einsetzen
- Niedrige Werte (4-10 Schritte) eignen sich ideal für rasante Voransichten, wenn man Bildideen oder Kompositionen durchprobiert.
- Der Standardwert des jeweiligen Modells reicht für die allermeisten finalen Renderings völlig aus.
- Spezialisierte Turbo-, Schnell- oder Lightning-Modelle sind für sehr wenige Schritte trainiert: Hier verschlechtert eine Erhöhung oft das Bild.
Typischer Fehler
Viele Einsteiger stellen 100 bis 150 Schritte ein, weil sie maximale Qualität erwarten. In meinem Test brachte ein Sprung von 28 auf 50 Schritte keinen Qualitätsgewinn, sondern nur eine deutlich längere Wartezeit. Wer auf Cloud-Plattformen nach Rechenzeit bezahlt, verbrennt mit extrem hohen Werten bares Geld.
Beispiel zum Kopieren
ComfyUI: KSampler -> steps = 20-30 FLUX.2 [flex]: "steps": 50 (Standard) Midjourney, GPT Image, Ideogram, FLUX 3: kein Parameter
Häufig gestellte Fragen
Wie viele Steps sind optimal für Stable Diffusion?
Für klassische Stable-Diffusion-Modelle genügen in der Regel 20 bis 30 Schritte. Varianten wie Turbo oder Lightning benötigen lediglich 4 bis 8 Schritte und liefern bei höheren Werten oft fehlerhafte Ergebnisse.
Bedeuten mehr Steps automatisch ein besseres KI-Bild?
Nein, Bildgeneratoren erreichen schnell ein visuelles Plateau. Sobald das Rauschen sauber aufgelöst ist, verfeinern zusätzliche Durchläufe das Bild kaum noch, kosten aber deutlich mehr Zeit und Energie.
Warum haben Tools wie Midjourney keinen Steps-Regler?
Viele kommerzielle Webdienste verbergen technische Parameter bewusst. Die Plattformen optimieren die Schrittzahl serverseitig, um eine gleichbleibend hohe Geschwindigkeit für alle Nutzer zu garantieren.
