ComfyUI,

1 🎨 ComfyUI (Die nodebasierte High-End-Schaltzentrale für generative AI)

Klassische Oberflächen verstecken die interne Pipeline der Bildgenerierung hinter starren Schiebereglern und Tabs. Das ist zwar einsteigerfreundlich, schränkt die Flexibilität bei komplexen Pipelines (wie ControlNet, IP-Adapter oder hochauflösendem Upscaling) jedoch massiv ein und führt zu unnötigem VRAM-Verbrauch, da Zwischenschritte nicht gezielt gecacht werden können.

ComfyUI bricht diese Starre auf, indem es die KI-Pipeline als visuellen Graphen darstellt.

Die Kernphilosophie von ComfyUI lautet:

„Biete maximale Transparenz und modulare Freiheit. Jeder Aspekt der Generierung – vom Rauschen bis zum fertigen Pixel – ist ein Knoten, der frei verdrahtet werden kann.“

Das System basiert komplett auf Python und nutzt PyTorch im Hintergrund.

Da ComfyUI die Berechnungen auf Chiplevel extrem intelligent queued und nur die Knoten neu berechnet, deren Parameter sich tatsächlich geändert haben, läuft es selbst auf Grafikkarten mit geringem Videospeicher (VRAM) unschlagbar schnell und effizient. Ein genialer Nebeneffekt der Architektur:

Wenn du ein mit ComfyUI generiertes PNG-Bild speicherst, wird der komplette visuelle Workflow als Text-Metadaten in das Bild eingebettet. Zieht ein anderer Nutzer dieses Bild per Drag-and-Drop in sein leeres ComfyUI, baut sich der exakte Knoten-Graph sofort vollautomatisch wieder auf.

2 📦 DIE EXAKTEN INSTALLATIONSBEFEHLE FÜR DIE „FANTASTISCHEN VIER“

Da ComfyUI eine moderne Python-Anwendung ist, die sehr agil entwickelt wird, erfolgt die Installation distributionsübergreifend am saubersten isoliert innerhalb einer virtuellen Python-Umgebung (venv). Dies verhindert Konflikte mit den System-Bibliotheken, die Mindestvoraussetzung ist eine funktionierende Python-Installation und installierte GPU-Treiber (NVIDIA CUDA oder AMD ROCm).

2.1 1️⃣ Debian 13 „Trixie“

Wir installieren ComfyUI in ein lokales Verzeichnis im Home-Ordner des Benutzers.

# 1. System-Abhängigkeiten, Python3-Venv und Git installieren
sudo apt update && sudo apt install -y git python3-venv python3-pip

# 2. Das offizielle ComfyUI Repository clonen und das Verzeichnis betreten
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 3. Eine isolierte virtuelle Python-Umgebung erstellen und aktivieren
python3 -m venv venv
source venv/bin/activate

# 4. PyTorch mit CUDA-Support (NVIDIA) und die restlichen Abhängigkeiten installieren
pip install --upgrade pip
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt

# 5. Funktionstest (Startet den lokalen Webserver auf Port 8188)
python main.py

2.2 2️⃣ Arch Linux

Unter Arch nutzen wir Pacman für die Python-Infrastruktur und bauen die venv direkt auf.

# 1. Benötigte Werkzeuge via Pacman installieren
sudo pacman -Sy --needed git python python-pip

# 2. Repository clonen und betreten
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 3. Virtuelle Umgebung einrichten und aktivieren
python -m venv venv
source venv/bin/activate

# 4. PyTorch (hier beispielhaft mit CUDA) und Requirements installieren
pip install --upgrade pip
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt

# 5. Funktionstest
python main.py

2.3 3️⃣ Fedora

Fedora-Nutzer installieren die Python-Entwicklerwerkzeuge via DNF, bevor sie die Umgebung initialisieren.

# 1. Entwickler-Pakete für Python installieren
sudo dnf install -y git python3 python3-pip python3-devel

# 2. ComfyUI herunterladen
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 3. Venv erstellen und aktivieren
python3 -m venv venv
source venv/bin/activate

# 4. Abhängigkeiten via Pip reinziehen
pip install --upgrade pip
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt

# 5. Funktionstest
python main.py

2.4 4️⃣ openSUSE (Tumbleweed)

Unter openSUSE lässt sich die Python-Infrastruktur nahtlos über Zypper vorbereiten.

# 1. Python3 und Git über Zypper sichern
sudo zypper install -y git python3 python3-pip

# 2. Repository clonen
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 3. Virtuelle Umgebung vorbereiten
python3 -m venv venv
source venv/bin/activate

# 4. PyTorch und Requirements installieren
pip install --upgrade pip
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt

# 5. Funktionstest
python main.py

3 🛠️ Start-Parameter und AMD-Betrieb

Da du das System über das Terminal startest, kannst du das Verhalten von ComfyUI über Start-Argumente hochgradig optimieren:

# 1. Standard-Start (Aktiviert automatisch die virtuelle Umgebung, falls nicht geschehen)
source venv/bin/activate && python main.py

# 2. WICHTIGER PARAMETER FÜR AMD-ROCM NUTZER (Zwingt PyTorch auf die AMD-Karte)
# Zuvor muss die virtuelle Umgebung natürlich mit dem passenden ROCm-PyTorch gebaut worden sein
export HSA_OVERRIDE_GFX_VERSION=11.0.0
python main.py --preview-method auto

# 3. VRAM-Schonmodus erzwingen (Nützlich für ältere Grafikkarten mit weniger als 8GB VRAM)
python main.py --lowvram

# 4. ComfyUI so starten, dass es im gesamten lokalen Netzwerk (LAN) unter der IP des PCs erreichbar ist
python main.py --listen 0.0.0.0

4 ⚠️ DIE TYPISCHEN COMFYUI-STOLPERSTEINE

4.1 Das „Wo kommen meine Checkpoints/Modelle hin?“ - Strukturrätsel

• Das Problem:
  Ein Nutzer startet ComfyUI das erste Mal im Browser, fügt einen Load Checkpoint-Knoten hinzu, das Dropdown-Menü ist jedoch komplett leer. Er weiß nicht, wo er seine heruntergeladenen .safetensors-Modelle ablegen soll.
• Die Ursache:
  ComfyUI bringt verständlicherweise keine Gigabyte-schweren KI-Modelle im Git-Repository mit. Es scannt beim Starten dedizierte Verzeichnisse.
• Die Lösung:
  Große Checkpoint-Modelle (wie SDXL oder Flux) müssen zwingend im Unterordner ComfyUI/models/checkpoints/ abgelegt werden. Nach einem Klick auf Refresh in der UI tauchen sie sofort im Dropdown auf.
• Zusatz-Tipp:
  Wer bereits Automatic1111 installiert hat, muss die Modelle nicht duplizieren. In ComfyUI gibt es die Datei extra_model_paths.yaml.example. Benennt man diese in extra_model_paths.yaml um, kann man dort einfach den Pfad zur bestehenden Automatic1111-Installation eintragen und ComfyUI teilt sich die Modelle ressourcenschonend.

4.2 Der „ModuleNotFoundError: No module named '...'“ bei Custom Nodes

• Das Problem:
  Ein User lädt sich über GitHub einen coolen Erweiterungsknoten (Custom Node) herunter. Beim nächsten Start von ComfyUI bricht das Terminal mit einem ModuleNotFoundError ab.
• Die Ursache:
  Custom Nodes benötigen oft zusätzliche Python-Bibliotheken. Da ComfyUI in einer virtuellen Umgebung (venv) läuft, versuchen User oft fälschlicherweise, das fehlende Modul global via sudo apt install oder pip install im normalen Terminal nachzuinstallieren. Das venv bekommt davon jedoch nichts mit.

• Tipp: Man muss zuerst in den ComfyUI-Ordner wechseln, das venv aktivieren und dann das Paket installieren:

  Code

  cd ~/ComfyUI
  source venv/bin/activate
  pip install -r custom_nodes/ORDNERNAME/requirements.txt

  (Oder noch besser: Die Installation des ComfyUI-Manager-Knotens, der fehlende Abhängigkeiten komplett automatisiert über die Oberfläche nachlädt).

5 📝 FAZIT FORUM-REDAKTION

ComfyUI ist das absolute Power-User-Tool im Bereich der Bildgenerierung. Es erfordert zwar eine gewisse Einarbeitungszeit in das visuelle Mapping, belohnt den Admin aber mit unschlagbarer Performance und maximaler Kontrolle.