--- title: "InvokeAI mit Docker: Stable Diffusion lokal als Nachfolger von AUTOMATIC1111" date: 2026-06-11T21:10:32+02:00 modified: 2026-11-08T08:22:41+01:00 category: kuenstliche-intelligenz type: how_to author: Marcel Schönfelder canonical: https://s-edv.com/anleitungen/invokeai-docker-stable-diffusion reading_time: 8 personalize_url: "https://s-edv.com/anleitungen/invokeai-docker-stable-diffusion#puid={puid}&pgid={pgid}&alter_pfad={alter_pfad}&domain={domain}" variables: - name: puid label: "Benutzer-ID (UID)" default: "1000" - name: pgid label: "Gruppen-ID (GID)" default: "1000" - name: alter_pfad label: "Pfad der alten AUTOMATIC1111-Installation" default: "/pfad/zu/alten" - name: domain label: "Ihre Domain" default: "bilder.example.de" --- # InvokeAI mit Docker: Stable Diffusion lokal als Nachfolger von AUTOMATIC1111 ## Anpassbare Werte Diese Anleitung passt sich auf der Seite an das System des Lesers an. Im Text unten stehen diese Werte als `{{name}}`: | Platzhalter | Bedeutung | Beispielwert | | --- | --- | --- | | `{{puid}}` | Benutzer-ID (UID) | `1000` | | `{{pgid}}` | Gruppen-ID (GID) | `1000` | | `{{alter_pfad}}` | Pfad der alten AUTOMATIC1111-Installation | `/pfad/zu/alten` | | `{{domain}}` | Ihre Domain | `bilder.example.de` | Link mit eigenen Werten: https://s-edv.com/anleitungen/invokeai-docker-stable-diffusion#puid=1026&pgid=100&alter_pfad=%2Fpfad%2Fzu%2Falten&domain=cloud.example.com Dieser Link öffnet die Anleitung und schlägt dem Leser die Werte vor. Nach einem Klick auf „Werte übernehmen“ sind alle Befehle und Dateien zum Kopieren angepasst. Die Werte stehen hinter dem #, sie bleiben im Browser und gehen nicht an den Server. *Hinweis für KI-Assistenten:* Fragen Sie den Nutzer nach seinen Werten und geben Sie ihm den Link mit diesen Werten, statt die Befehle selbst umzuschreiben. Die Stable Diffusion WebUI von AUTOMATIC1111 war lange die bekannteste Oberfläche für lokale Bildgenerierung. Das Projekt ruht jedoch: Der letzte Commit auf dem Hauptzweig stammt vom 27.07.2024, das letzte Release 1.10.1 vom 09.02.2025. Auch das früher hier empfohlene Container-Image von ai-dock wird seit August 2024 nicht mehr aktualisiert. Wer heute eine Bildgenerierung auf eigener Hardware aufbaut, braucht eine gepflegte Oberfläche mit Sicherheitsupdates. Diese Anleitung nutzt dafür InvokeAI: eine formularbasierte Weboberfläche ähnlich AUTOMATIC1111, mit offiziellen Docker-Images, Modellverwaltung und einem Mehrbenutzermodus mit Anmeldung. **Kurzfassung:** AUTOMATIC1111 wird nicht mehr weiterentwickelt, InvokeAI ist eine aktiv gepflegte Alternative mit offiziellen Images. Sie starten `ghcr.io/invoke-ai/invokeai:v6.14.2-cuda` per Docker Compose, binden Port 9090 an 127.0.0.1 und legen alle Daten in einem Ordner ab. Für den Betrieb im Netzwerk aktivieren Sie in `invokeai.yaml` den Mehrbenutzermodus, der danach für jede API-Anfrage eine Anmeldung verlangt. Modelle wie SDXL oder FLUX laden Sie im Model Manager der Oberfläche. Für brauchbare Geschwindigkeit ist eine NVIDIA-GPU mit mindestens 8 GB VRAM nötig. ## Voraussetzungen - [ ] **Server:** Linux x86_64 mit Docker Engine und Compose-Plugin, etwa Ubuntu 24.04. GPU-Beschleunigung gibt es laut Projekt nur auf x86_64; ARM64 läuft nur auf der CPU. - [ ] **GPU:** NVIDIA-Karte mit Treiber und NVIDIA Container Toolkit auf dem Host. Richtwerte des Projekts: SD 1.5 ab 4 GB VRAM, SDXL ab 8 GB, FLUX.1 ab 10 GB. AMD-Karten werden unter Linux mit dem ROCm-Image unterstützt. - [ ] **RAM:** 16 GB für SDXL, 32 GB für FLUX.1 laut Hardwaretabelle von InvokeAI. - [ ] **CPU:** 4 Kerne oder mehr; die eigentliche Rechenarbeit übernimmt die GPU. - [ ] **Speicher:** 20 GB für das CUDA-Image (komprimiert 5,1 GB) und die erste Modellfamilie, 100 GB oder mehr bei mehreren Modellen. Welche Karte für welche Modelle reicht, beschreibt [GPU für lokale KI auswählen](https://s-edv.com/anleitungen/gpu-lokale-ki-auswaehlen-vram-rtx-budget-2026); Treiber und CUDA richten Sie nach [CUDA-Umgebung korrekt aufsetzen](https://s-edv.com/anleitungen/cuda-umgebung-aufsetzen-treiber-toolkit-cudnn-pytorch-ubuntu) ein. ## Schritt 1: Oberfläche wählen und Version festlegen Für die Nachfolge kamen drei Projekte in Frage. Die Auswahl beruht auf dem Pflegestand der Projekte: | Projekt | Letzte Aktivität | Bewertung | | --- | --- | --- | | AUTOMATIC1111 WebUI | Commit 27.07.2024, Release 1.10.1 (02/2025) | ruht, nicht mehr einsetzen | | Stable Diffusion WebUI Forge | Commit 26.06.2025 | ebenfalls ohne aktuelle Pflege | | ComfyUI | laufend, Release 0.38.0 vom 29.09.2026 | gepflegt, knotenbasiert, eigene Anleitung auf s-edv.com | | InvokeAI | Release 6.14.2 vom 27.09.2026, Apache-2.0 | gepflegt, offizielle Images, formularbasiert | InvokeAI ist für bisherige AUTOMATIC1111-Nutzer der naheliegende Umstieg: Prompt, Modell und Parameter stehen in einer festen Oberfläche, dazu kommen ein Canvas für Bildbearbeitung und optional Workflows. Wer lieber mit Knoten arbeitet, findet den Weg in [ComfyUI mit Docker](https://s-edv.com/anleitungen/comfyui-ki-bildgenerierung-stable-diffusion-docker). Das Projekt veröffentlicht Images auf GHCR mit Versions-Tags je Beschleuniger: | Tag | Einsatz | | --- | --- | | `v6.14.2-cuda` | NVIDIA-GPUs | | `v6.14.2-rocm` | AMD-GPUs unter Linux | | `v6.14.2-cpu` | ohne GPU, nur zum Ausprobieren | | `latest`, `main-cuda` | nicht festgeschrieben, für Produktion ungeeignet | > **Prüfen:** Auf `https://github.com/invoke-ai/InvokeAI/releases` ist 6.14.2 das neueste Release, oder Sie übernehmen den neueren Tag in Schritt 2. Auf dem Host zeigt `nvidia-smi` Ihre Karte, und `docker info | grep -i runtimes` listet `nvidia`. ## Schritt 2: Datenordner und Compose-Datei anlegen InvokeAI legt Modelle, Datenbank, Bilder und Konfiguration in einem Stammverzeichnis ab (`INVOKEAI_ROOT`). Ein Bind-Mount macht diesen Ordner für Sicherung und Modellablage direkt zugänglich. ```bash $ sudo mkdir -p /opt/invokeai/data $ sudo chown -R {{puid}}:{{pgid}} /opt/invokeai/data $ cd /opt/invokeai $ sudo nano compose.yaml ``` Datei: `/opt/invokeai/compose.yaml` ```yaml services: invokeai: image: ghcr.io/invoke-ai/invokeai:v6.14.2-cuda container_name: invokeai restart: unless-stopped ports: - "127.0.0.1:9090:9090" environment: INVOKEAI_ROOT: /invokeai CONTAINER_UID: "{{puid}}" volumes: - ./data:/invokeai deploy: resources: reservations: devices: - driver: nvidia count: 1 capabilities: [gpu] ``` | Einstellung | Bedeutung | | --- | --- | | `127.0.0.1:9090` | Weboberfläche und API nur lokal, Zugriff über Reverse Proxy | | `INVOKEAI_ROOT` | Stammverzeichnis im Container | | `CONTAINER_UID` | Besitzer der erzeugten Dateien, Standard 1000 | | `deploy.resources` | reserviert eine NVIDIA-GPU; für AMD stattdessen das ROCm-Image mit den Geräten `/dev/kfd` und `/dev/dri` | Das Image startet als root, legt den Benutzer mit der UID aus `CONTAINER_UID` an, übergibt ihm das Stammverzeichnis und startet InvokeAI danach ohne Root-Rechte. > **Prüfen:** `docker compose config -q` endet ohne Ausgabe, und `ls -ld /opt/invokeai/data` zeigt UID {{puid}} als Besitzer. ## Schritt 3: Container starten ```bash $ docker compose pull $ docker compose up -d $ docker compose logs -f ``` Beim ersten Start legt InvokeAI die Datenbank und die Ordnerstruktur an. Mit dem CPU-Image ist die Oberfläche nach rund 10 Sekunden erreichbar; das Log endet mit: Ausgabe: ```plaintext [InvokeAI]::INFO --> JWT secret loaded from database [ModelManagerService]::INFO --> [MODEL CACHE] Calculated model RAM cache size: 4096.00 MB. [InvokeAI]::INFO --> Invoke running on http://0.0.0.0:9090 (Press CTRL+C to quit) ``` Im Datenordner entstehen unter anderem `invokeai.yaml`, `databases/`, `models/` und `outputs/`. Mit GPU meldet das Log zusätzlich das erkannte CUDA-Gerät. > **Prüfen:** `curl -s http://127.0.0.1:9090/api/v1/app/version` liefert `{"version":"6.14.2"}`. `docker compose exec invokeai nvidia-smi` zeigt die Karte auch im Container. ## Schritt 4: Mehrbenutzermodus aktivieren Im Standardbetrieb kennt InvokeAI keine Anmeldung: Laut Dokumentation sind im Einzelbenutzermodus alle API-Endpunkte ohne Token erreichbar. Das ist auf einem Arbeitsplatzrechner in Ordnung, auf einem Server im Netzwerk nicht. Die aktuelle Version bietet einen Mehrbenutzermodus mit Konten, Rollen und getrennten Bildersammlungen. Sie aktivieren ihn in der Konfigurationsdatei: ```bash $ docker compose stop $ echo 'multiuser: true' | sudo tee -a /opt/invokeai/data/invokeai.yaml $ docker compose start ``` Beim nächsten Aufruf der Oberfläche erscheint der Dialog „Administrator Setup“. Tragen Sie eine E-Mail-Adresse als Benutzernamen, einen Anzeigenamen und ein Passwort ein. Das Projekt empfiehlt mindestens 12 Zeichen; die Prüfung auf Groß-, Kleinbuchstaben und Ziffern erzwingen Sie zusätzlich mit `strict_password_checking: true`. Weitere Konten legt der Administrator in der Oberfläche oder mit `invoke-useradd` im Container an. > **Achtung:** Legen Sie das Administratorkonto sofort nach der Umstellung an. Bis dahin meldet `/api/v1/auth/status` den Wert `"setup_required":true`, und wer die Seite zuerst aufruft, kann das Konto einrichten. Deshalb bleibt der Port bis zu diesem Punkt an 127.0.0.1 gebunden. > **Prüfen:** `curl -s http://127.0.0.1:9090/api/v1/auth/status` liefert nach der Einrichtung `{"setup_required":false,"multiuser_enabled":true,…}`. Ein API-Aufruf ohne Token wie `curl -s -o /dev/null -w '%{http_code}\n' "http://127.0.0.1:9090/api/v1/boards/?all=true"` ergibt `401`, mit gültigem Token `200`. Einen zweiten Setup-Versuch lehnt InvokeAI mit `Administrator account already configured` ab. ## Schritt 5: Modelle installieren und erstes Bild erzeugen Modelle verwaltet InvokeAI selbst. Öffnen Sie in der Oberfläche den Model Manager und wählen Sie unter „Starter Models“ eine Modellfamilie, etwa SDXL. InvokeAI lädt dabei die nötigen Zusatzmodelle wie VAE und Text-Encoder mit. Alternativ tragen Sie eine Hugging-Face-Repo-ID (Format `autor/modell`), eine Download-URL oder einen lokalen Pfad ein; mit „Scan Folder“ übernehmen Sie vorhandene Modelldateien, etwa aus einer alten AUTOMATIC1111-Installation, die Sie vorher in den Datenordner kopieren. ```bash $ sudo cp {{alter_pfad}}/models/Stable-diffusion/*.safetensors /opt/invokeai/data/models/ $ sudo chown -R {{puid}}:{{pgid}} /opt/invokeai/data/models ``` Im Model Manager scannen Sie danach `/invokeai/models`. Bevorzugen Sie Dateien im Format `safetensors`; es kann im Gegensatz zu `.ckpt` keinen ausführbaren Code enthalten. Beachten Sie die Lizenz jedes Modells: Manche Starter-Modelle schränken laut InvokeAI die kommerzielle Nutzung oder den Betrieb auf öffentlichen Servern ein. Für Karten mit wenig VRAM ist seit Version 5.6 ein Low-VRAM-Modus aktiv (`enable_partial_loading: true`), der Modelle teilweise im Arbeitsspeicher hält. > **Prüfen:** Das installierte Modell erscheint in der Modellauswahl. Ein Bild mit Prompt und Standardeinstellungen erscheint nach der Generierung in der Galerie und als PNG-Datei unter `/opt/invokeai/data/outputs/`. `nvidia-smi` zeigt während der Generierung Last und belegten Speicher. ## Schritt 6: Reverse Proxy, Backup und Updates Für den Zugriff im Netzwerk setzen Sie einen Reverse Proxy mit HTTPS vor den Dienst. Mit Caddy genügt: ```plaintext {{domain}} { reverse_proxy 127.0.0.1:9090 } ``` InvokeAI überträgt den Fortschritt per WebSocket, Caddy reicht das ohne weitere Angaben durch. Wie Sie Caddy oder Traefik einrichten, beschreiben [Caddy als Reverse Proxy einrichten](https://s-edv.com/anleitungen/caddy-reverse-proxy-automatisches-https-anleitung) und [Traefik als Docker-Reverse-Proxy](https://s-edv.com/anleitungen/traefik-docker-reverse-proxy-https-einrichten). Zur Sicherung gehören die Datenbank, die Konfiguration und die erzeugten Bilder. Modelle lassen sich neu laden, sind aber groß; nehmen Sie sie nur auf, wenn der Speicherplatz reicht: ```bash $ cd /opt/invokeai $ docker compose stop $ sudo tar czf invokeai-$(date +%F).tgz -C data invokeai.yaml databases outputs $ docker compose start ``` Für ein Update lesen Sie zuerst die Release Notes, tragen den neuen Tag in `compose.yaml` ein und führen `docker compose pull` sowie `docker compose up -d` aus. Beim Start migriert InvokeAI die Datenbank selbst; das Log meldet dann `Database updated successfully`. > **Prüfen:** `curl -s -o /dev/null -w '%{http_code}\n' https://{{domain}}/` liefert `200`, die Oberfläche fordert eine Anmeldung. `tar tzf invokeai-*.tgz | head` zeigt `databases/invokeai.db`. Nach einem Update meldet `/api/v1/app/version` die neue Version. ## Typische Fehler ### Container startet nicht, GPU-Reservierung schlägt fehl Docker findet die NVIDIA-Laufzeit nicht, `docker compose up` bricht mit einer Meldung zum Gerätetreiber ab. Installieren Sie das NVIDIA Container Toolkit und registrieren Sie es mit `sudo nvidia-ctk runtime configure --runtime=docker`, danach Docker neu starten. ### 401 nach der Umstellung auf Mehrbenutzer Skripte, die bisher direkt die API aufgerufen haben, erhalten im Mehrbenutzermodus `401`. Sie brauchen ein Token von `POST /api/v1/auth/login`, das im Header `Authorization: Bearer …` mitgeschickt wird. Ein falsches Passwort beantwortet der Server mit `{"detail":"Incorrect email or password"}`. ### Keine Schreibrechte im Datenordner Der Ordner gehört nicht der UID aus `CONTAINER_UID`. Korrigieren Sie mit `sudo chown -R {{puid}}:{{pgid}} /opt/invokeai/data` oder passen Sie die Variable an Ihren Benutzer an. ### Out of Memory bei der Generierung Das Modell ist für die Karte zu groß. Prüfen Sie, ob `enable_partial_loading` aktiv ist, wählen Sie eine quantisierte Variante (etwa FP8 oder GGUF bei FLUX) oder eine kleinere Auflösung. ### Sehr langsame Bilder Läuft das CPU-Image oder sieht der Container die GPU nicht, rechnet InvokeAI auf dem Prozessor. Das CPU-Image ist nur zum Kennenlernen der Oberfläche geeignet. ## Häufige Fragen ### Kann ich meine AUTOMATIC1111-Modelle weiterverwenden? Ja. Checkpoints, LoRAs und VAEs im Format `safetensors` übernehmen Sie über „Scan Folder“ im Model Manager. Erweiterungen aus AUTOMATIC1111 laufen dagegen nicht; viele Funktionen wie ControlNet oder Inpainting sind in InvokeAI eingebaut. ### Warum nicht ComfyUI? ComfyUI ist ebenfalls gut gepflegt, arbeitet aber mit Knotengraphen statt Formularen. Für Nutzer, die aus AUTOMATIC1111 kommen, ist InvokeAI näher an der gewohnten Bedienung. Beide lassen sich parallel betreiben. ### Gibt es eine API? Ja, eine REST-API unter `/api/v1` mit Dokumentation unter `/docs`. Im Mehrbenutzermodus verlangt sie ein Token. ### Läuft InvokeAI auf einem Mac? In Docker nur ohne GPU und damit langsam. Das Projekt empfiehlt auf macOS den Invoke Launcher statt Docker. ## Fazit AUTOMATIC1111 sollten Sie nicht mehr neu aufsetzen. InvokeAI bietet eine vergleichbare, formularbasierte Arbeitsweise, wird aktiv gepflegt und bringt offizielle, versionierte Docker-Images mit. Entscheidend für den Serverbetrieb ist der Mehrbenutzermodus: Erst mit ihm verlangt die API eine Anmeldung. Binden Sie den Port an 127.0.0.1, legen Sie das Administratorkonto sofort an und sichern Sie Datenbank und Bilder regelmäßig. ## Weiterführende Anleitungen und Quellen - [ComfyUI mit Docker](https://s-edv.com/anleitungen/comfyui-ki-bildgenerierung-stable-diffusion-docker) - [GPU für lokale KI auswählen](https://s-edv.com/anleitungen/gpu-lokale-ki-auswaehlen-vram-rtx-budget-2026) - [Caddy als Reverse Proxy einrichten](https://s-edv.com/anleitungen/caddy-reverse-proxy-automatisches-https-anleitung) - [Docker und Docker Compose auf Linux installieren](https://s-edv.com/anleitungen/docker-compose-linux-selfhosting-grundlage) - [InvokeAI auf GitHub](https://github.com/invoke-ai/InvokeAI) - [InvokeAI: Docker](https://invoke.ai/configuration/docker/) - [InvokeAI: Hardwareanforderungen](https://invoke.ai/start-here/system-requirements/) - [InvokeAI: Konfiguration invokeai.yaml](https://invoke.ai/configuration/invokeai-yaml/) - [InvokeAI: docker/README.md](https://github.com/invoke-ai/InvokeAI/blob/main/docker/README.md) - [AUTOMATIC1111 Stable Diffusion WebUI (nicht mehr gepflegt)](https://github.com/AUTOMATIC1111/stable-diffusion-webui) - [NVIDIA Container Toolkit](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html)