Lokale KI-Bilder auf alter GTX 1050 (4 GB) mit Open Generative AI

KI-Bilder lokal erzeugen – auch mit älterer Hardware

Wer einen älteren Laptop besitzt, denkt bei künstlicher Intelligenz meist an Textmodelle via Ollama. Doch mit der passenden Software lassen sich auch Bilder komplett offline auf dem eigenen Rechner generieren. Das funktioniert sogar auf einer älteren Grafikkarte wie der GeForce GTX 1050 mit 4 GB VRAM.

Auf meinem MSI-Laptop mit einem i7-7700HQ und 24 GB Arbeitsspeicher habe ich das ausprobiert. Das Ziel: Bilder lokal erzeugen, ganz ohne Cloud, ohne Internetverbindung und ohne laufenden Kosten.

Die richtige Software: Open Generative AI

Als Werkzeug nutze ich die kostenlose Desktop-App Open Generative AI. Sie bringt eine eingebaute sd.cpp-Engine mit, die das lokale Ausführen von Bildmodellen ermöglicht.

Ein wichtiger Stolperstein direkt zu Beginn: Die Anwendung startet standardmäßig im API-Modus und verlangt nach einem kostenpflichtigen Schlüssel. Du musst in der Benutzeroberfläche unten unbedingt manuell von API auf Local umschalten. Erst dann greift die App auf deine eigene Hardware zu.

Das passende Modell wählen: Klein, aber stark

Mit 4 GB Videospeicher (VRAM) stößt man schnell an Grenzen. Große Modelle wie SDXL (mit rund 6,9 GB) oder moderne Alternativen wie Z-Image sind schlicht zu groß und lassen sich auf einer GTX 1050 nicht laden. Auch Videogenerierung ist mit dieser Karte nicht machbar.

Deshalb greifen wir zu bewährten Stable Diffusion 1.5 Modellen, die kompakt sind und auf älteren GPUs flüssig laufen:

• Dreamshaper 8 (ca. 2 GB): Ideal für eine Mischung aus fotorealistischen und künstlerischen Ergebnissen.
• Realistic Vision 5.1 (etwa 2,1 GB, SD 1.5): Eine gute Alternative für rein fotorealistische Aufnahmen.
• Anything v5 (etwa 2,1 GB, SD 1.5): Perfekt, wenn du eher im Anime-Stil arbeiten möchtest.

Diese Modelle passen problemlos in den Speicher und liefern auf älteren Karten erstaunlich gute Ergebnisse.

Geschwindigkeit und der VRAM-Engpass

Bei der Bildgenerierung auf alter Hardware zählt jede Sekunde. Auf meiner Konfiguration dauerte ein Bild in der Auflösung 512x512 Pixel mit 10 Schritten etwa 27 Sekunden. Das entspricht rund 2,6 Sekunden pro Schritt.

Doch beim ersten Test lief nicht alles glatt: Das erste Bild stürzte im allerletzten Schritt mit dem kryptischen Fehlercode 3221226505 ab.

Um die Ursache zu finden, habe ich die zugrundeliegende sd-cli direkt in der PowerShell gestartet. Dort tauchte die klare Fehlermeldung auf: CUDA error: out of memory – genau beim finalen VAE-Decoding, wenn das Bild aus den Daten zusammengesetzt wird.

Die Lösung für den Out-of-Memory-Fehler: Tiling

Wenn der Videospeicher knapp wird, hilft ein spezieller Parameter: --vae-tiling.

Mit diesem Schalter wird das Bild am Ende nicht auf einmal, sondern in kleinen Kacheln dekodiert. Das spart massiv VRAM. Da die grafische Oberfläche diesen Schalter standardmäßig nicht anbietet, habe ich mir mit einem kleinen Zwischenschritt beholfen: Im Ordner der App (%APPDATA%\open-generative-ai\local-ai\bin) habe ich die echte sd-cli.exe in sd-cli-real.exe umbenannt. An ihre Stelle kommt ein winziges eigenes Programm namens sd-cli.exe, das bei jedem Aufruf automatisch --vae-tiling anhängt und dann die echte sd-cli-real.exe startet.

Wichtiger Tipp vor dem Start: Ollama beenden

Bevor du die Bildgenerierung startetest, solltest du den Arbeitsspeicher deiner Grafikkarte aufräumen. Wenn im Hintergrund noch Sprachmodelle über Ollama laufen, blockieren diese wertvollen VRAM.

Bei meinen Tests waren anfangs nur 3,3 von 4 GB frei. Ein kurzer Befehl im Terminal schafft Abhilfe:

ollama stop

Danach hat die Grafikkarte genug Luft für die Bildgenerierung.

Fazit und erste Schritte

Prompts auf Englisch funktionieren bei diesen kleineren Modellen am besten und liefern die präzisesten Ergebnisse. Die Kombination aus einem alten Laptop, einer GTX 1050, Open Generative AI und Dreamshaper 8 zeigt, dass lokale Bild-KI keine High-End-Workstation voraussetzt.

Falls deine Grafikkarte ebenfalls an die Grenzen stößt, lässt sich das System oft auch über den Arbeitsspeicher erweitern 16 GB DDR4 SO-DIMM Arbeitsspeicher. Probier es einfach aus – starte mit kleinen Auflösungen und taste dich Schritt für Schritt heran.