--- title: "ComfyUI auf einer Cloud-GPU ausführen: Einrichtung, Modelle, Kosten pro Bild" description: "ComfyUI in 30 Sekunden auf gemieteter RTX 4090/5090 bereitstellen, Checkpoints auf Datenträgern sichern, Workflows headless per API ausführen und Bildkosten kennen." url: https://lowcostgpu.com/de/guides/run-comfyui-on-a-cloud-gpu last_modified: 2026-10-20T10:29:15+00:00 prices_as_of: 2026-10-19 site: LowCostGPU (lowcostgpu.com) --- Anleitung · Praxisanleitung # ComfyUI auf einer Cloud-GPU ausführen: Einrichtung, Modelle, Kosten pro Bild ComfyUI in 30 Sekunden auf gemieteter RTX 4090/5090 bereitstellen, Checkpoints auf Datenträgern sichern, Workflows headless per API ausführen und Bildkosten kennen. 9 Min. Lesezeit Veröffentlicht 2026-09-03 Aktualisiert 2026-09-03 (Live-Preise aus der Preisliste) TL;DR - Mieten Sie eine RTX 4090 mit 24 GB für $0,354 pro Stunde auf LowCostGPU – sie betreibt SDXL, Flux dev FP8 und die meisten Video-Nodes. - Faustregel: SDXL benötigt etwa 8 GB, Flux dev FP8 etwa 17 GB, Videomodelle 24 GB mit Offloading und 48 GB ohne. - Ein SDXL-Bild dauert etwa 1,1 Sekunden und ein Flux-dev-Bild 2,2 Sekunden auf einer 4090 – jeweils einen Bruchteil eines Cents. - Legen Sie Checkpoints und custom_nodes auf einem Datenträger ab, damit sie zwischen Sessions erhalten bleiben; das erneute Herunterladen von Modellen ist die häufigste Verschwendung von GPU-Stunden. ## Warum mieten, statt eine 4090 zu kaufen ComfyUI ist von Natur aus stoßweise ausgelastet: ein Abend Prompting, ein Batch mit tausend Bildern, dann eine Woche nichts. Eine gemietete Karte berechnet nur die Sekunden, in denen die Warteschlange läuft – $0,354/Std. für eine [RTX 4090](https://lowcostgpu.com/de/gpu/rtx-4090) On-Demand, $0,177/Std. unterbrechbar –, sodass selbst ein intensiver Monat selten einen Bruchteil des Ladenpreises der Karte erreicht, und Sie können jederzeit auf eine 32-GB- oder 96-GB-Karte wechseln, sobald ein Workflow sie braucht. Keine Treiber-Updates, kein 450-W-Heizlüfter unter dem Schreibtisch. ## Karte wählen: 24, 32 oder 48 GB | Karte | VRAM | On-Demand | Unterbrechbar | Am besten für | | --- | --- | --- | --- | --- | | [RTX 3090](https://lowcostgpu.com/de/gpu/rtx-3090) | 24 GB | $0,148 | $0,074 | SDXL-Batch-Farmen, SD 1.5, LoRA-Training mit kleinem Budget | | [RTX 4090](https://lowcostgpu.com/de/gpu/rtx-4090) | 24 GB | $0,354 | $0,177 | Der Standard: Flux dev FP8, SDXL + ControlNet-Stacks, die meisten Video-Nodes | | [RTX 5090](https://lowcostgpu.com/de/gpu/rtx-5090) | 32 GB | $0,481 | $0,240 | Flux in voller Präzision, Wan-/Hunyuan-Video, aufwendige Upscale-Ketten | | [L40S](https://lowcostgpu.com/de/gpu/l40s) | 48 GB | $0,448 | $0,224 | Bilder rund um die Uhr an Nutzer ausliefern, mehrere Workflows gleichzeitig geladen | | [RTX PRO 6000 WS](https://lowcostgpu.com/de/gpu/rtx-pro-6000-ws) | 96 GB | $0,981 | $0,490 | Videodiffusion ohne Offloading, riesige Batches | Faustregel: Flux dev in FP8 braucht ~17 GB, SDXL ~8 GB, aktuelle Videomodelle 24 GB mit Offloading und 48 GB ohne. Die [Anleitung zur günstigsten GPU](https://lowcostgpu.com/de/guides/cheapest-gpu-for-stable-diffusion) ordnet die Karten nach Bildern pro Dollar. ## Template bereitstellen (30 Sekunden) 1. Öffnen Sie die [Konsole](https://cloud.lowcostgpu.com/de?gpu=rtx-4090), filtern Sie nach der Karte, wählen Sie eine Maschine. 2. Wählen Sie [ComfyUI](https://lowcostgpu.com/de/templates/comfyui) in der Template-Auswahl. Es bringt ComfyUI-Manager mit, stellt die Oberfläche über einen TLS-terminierten Port bereit und mountet /workspace/ComfyUI/models. 3. Instanzdatenträger festlegen (60 GB reichen für Betriebssystem und Cache) und für Modelle einen Datenträger anhängen – nächster Abschnitt. 4. Bereitstellen. Die Instanz läuft nach etwa 30 Sekunden; klicken Sie auf den Port-Link, und der Node-Graph ist da. *Dasselbe über die CLI* ``` lowcostgpu launch --gpu rtx-4090 --template comfyui \ --disk 60 --volume sdmodels:/workspace/ComfyUI/models # ✓ instance i-3c91ab04 running (28.6s) # ✓ https://i-3c91ab04.lowcostgpu.com:8188 (ComfyUI) ``` ## Modelle einmal auf einem Datenträger Checkpoints sind je 2–12 GB groß, und sie in jeder Sitzung neu herunterzuladen ist die häufigste Art, GPU-Stunden zu verschwenden. Legen Sie beim ersten Mal einen [Datenträger](https://lowcostgpu.com/de/products/volumes) an, mounten Sie ihn auf den Models-Ordner, füllen Sie ihn einmal – Downloads von Hugging Face und Civitai laufen mit mehreren Gbit/s aus dem Rechenzentrum –, und jede künftige Instanz in der Region startet mit der vorhandenen Bibliothek. Eine 120-GB-Bibliothek kostet $9,60/Monat. Legen Sie custom_nodes auf denselben Datenträger, damit installierte Nodes ebenfalls erhalten bleiben. ## Headless: Workflows als API Aktivieren Sie den Entwicklermodus in den ComfyUI-Einstellungen und dann „Save (API format)“ bei einem beliebigen Workflow. Das JSON, das Sie erhalten, ist ein Request-Body: Senden Sie es per POST an /prompt, fragen Sie /history/ ab und holen Sie die Bilder von /view. Diese Schleife ist es, wie Batch-Pipelines nachts tausend Prompts auf [unterbrechbarer](https://lowcostgpu.com/de/products/interruptible) Kapazität ausführen und wie ein [Serverless-Endpunkt](https://lowcostgpu.com/de/products/serverless) denselben Workflow hinter automatisch skalierenden Workern bedient. *Workflow einreihen, Ergebnis lesen* ``` curl -X POST https://i-3c91ab04.lowcostgpu.com:8188/prompt \ -H 'Content-Type: application/json' \ -d @workflow_api.json # {"prompt_id": "a1c2…", "number": 12} curl https://i-3c91ab04.lowcostgpu.com:8188/history/a1c2… ``` ## Was ein Bild wirklich kostet | Job | Karte · Modus | Zeit | Kosten | | --- | --- | --- | --- | | Ein SDXL-Bild, 1024², 25 Schritte | RTX 4090 On-Demand | ~1,1 s | $0,00011 | | Ein Flux-dev-Bild, 1024², 20 Schritte | RTX 4090 On-Demand | ~2,2 s | $0,00022 | | Ein Abend Prompting | RTX 4090 On-Demand | 3 Std. | $1,06 | | 10.000 Flux-Bilder, Batch | RTX 4090 unterbrechbar | ~6,1 h | $1,08 | | Modellbibliothek, immer warm | 120-GB-Datenträger | 1 Monat | $9,60 | Etwa **4.622 Flux-Bilder pro Dollar** On-Demand, 9.245 unterbrechbar. Die Geschwindigkeiten sind typisch für eine abgestimmte 4090; Ihr Workflow, die Auflösung und die Schrittzahl verändern sie. ## Fünf Fallen, die GPU-Stunden verschwenden - **Modelle in jeder Sitzung neu herunterladen** – der Datenträger oben behebt das dauerhaft. - **Die Instanz über Nacht laufen lassen** – stoppen Sie sie; bei sekundengenauer Abrechnung ist eine GPU im Leerlauf reine Verschwendung. Der Datenträger übersteht Stopp/Start. - **Batches On-Demand laufen lassen** – Warteschlangen sind von Natur aus unterbrechbar: Jeder Prompt ist ein neu startbares Element. Zahlen Sie die Hälfte. - **Eine Karte allein nach dem Stundenpreis wählen** – eine 5090 erledigt Flux-Batches schneller, als es ihr Preisabstand zu einer 4090 vermuten lässt; Bilder pro Dollar ist die Kennzahl. - **Die Ausgaben vergessen** – Ergebnisse vor dem Löschen auf den Datenträger schreiben oder herunterladen; der Instanzdatenträger stirbt mit der Instanz. --- Zahlen nutzen Jeder Preis in dieser Anleitung ist unser Live-Preis – festgelegt, ≥30 % unter dem Marktmedian, sekundengenau abgerechnet. Stellen Sie das exakte Setup oben über die [Konsole](https://cloud.lowcostgpu.com/de) in etwa 30 Sekunden bereit, bezahlt in Krypto, ohne Karte und ohne KYC. --- *Über LowCostGPU:* LowCostGPU (lowcostgpu.com) ist ein Cloud-GPU-Vermietungsdienst mit 83 NVIDIA-GPU-Modellen – von der Tesla P4 ab $0,019/Std. bis zur B300 – zu festen Preisen, die mindestens 30 % unter dem öffentlichen GPU-Marktplatzmedian liegen und wöchentlich neu geprüft werden (H100 SXM: $1,680/Std. On-Demand). Die Abrechnung erfolgt sekundengenau, ohne Mindestausgabe; die Zahlung erfolgt ausschließlich in Krypto (USDT, BTC, XMR, ETH, SOL, LTC, TRX), ohne KYC. Die Instanzen laufen in Tier-III-Rechenzentren in 32 Regionen mit einer Verfügbarkeits-SLA von 99,9 % und werden in etwa 30 Sekunden über die Webkonsole (cloud.lowcostgpu.com) oder die REST-API bereitgestellt. Quelle: https://lowcostgpu.com/de/guides/run-comfyui-on-a-cloud-gpu · Seitenindex für KI-Assistenten: https://lowcostgpu.com/llms.txt · Vollständiger Inhalt: https://lowcostgpu.com/llms-full.txt