.ai

die besten Open-Source-KI-Modelle

Suchen

ComfyUI-Fehler und wie man sie behebt: rote Knoten, fehlende Modelle, CUDA-Speicher voll

Thema: Fehler & Lösungen

Von Captain

Veröffentlicht am 2026-05-12

Überblick

ComfyUI

meldet Probleme an zwei Stellen: rote Knoten auf der Arbeitsfläche vor dem Start und ein rotes Fehlermeldungsfenster (mit langer Rückverfolgung im Terminal), wenn ein Knoten während des Laufs fehlschlägt. Rote Knoten sind fast immer fehlende benutzerdefinierte Knoten oder fehlende Dateien. Laufzeitfehler sind meistens Speicherprobleme, ein Modell im falschen Loader oder ein Python-Paket, das nicht zur installierten torch-Version passt. Diese Anleitung listet die Meldungen in der Reihenfolge auf, wie man ihnen begegnet, mit Ursache und der kürzesten Lösung.

Jede unten stehende Lösung geht vom portablen Windows-Build oder einer Standard-Git-Installation mit ComfyUI Manager aus. Wenn ein Schritt „update“ sagt, nutze den Update-All-Button im Manager oder git pull im ComfyUI-Ordner, gefolgt von pip install -r requirements.txt in der gleichen Python-Umgebung, in der ComfyUI läuft (python_embeded\python.exe -m pip beim portablen Build).

Wenn ein Workflow mehr GPU braucht, als du hast, ist die Alternative zum Fehlerkämpfen, den gleichen Graph auf einer gehosteten GPU laufen zu lassen:

BitVector

hat hunderte ComfyUI-Workflows mit Modellen und Knoten vorinstalliert, und

PirateDiffusion

führt gehostete Workflows über Telegram mit /wf /run:name aus. Beide sind auf der Apps-Seite dieser Seite gelistet.

Referenz

Name	Typ	Bedeutung
Roter Knoten mit rotem Titel	symptom	Ein benutzerdefinierter Knoten, den der Workflow nutzt, ist nicht installiert. Manager > Install Missing Custom Nodes findet ihn anhand der Workflow-JSON.
Prompt outputs failed validation	error	Ein Loader verweist auf einen Dateinamen, der in deinem Modelle-Ordner nicht existiert, oder ein Widget-Wert liegt außerhalb des erlaubten Bereichs. Öffne den im Fehler genannten Knoten und wähle eine Datei aus der Liste.
torch.cuda.OutOfMemoryError / Allocation on device	error	Das Modell, der latente Raum und die Aktivierungen passen nicht in den VRAM . Reduziere Auflösung oder Batch, nutze eine kleinere Präzision (fp8, GGUF) oder füge --lowvram hinzu.
mat1 and mat2 shapes cannot be multiplied	error	Der falsche Modelltyp im Loader: ein SDXL LoRA auf einem SD 1.5 Checkpoint , ein Flux VAE auf einem SDXL-Graph oder ein Textencoder aus der falschen Familie.
Error while deserializing header: HeaderTooLarge / MetadataIncompleteBuffer	error	Die .safetensors-Datei ist unvollständig oder beschädigt. Lade sie neu herunter und vergleiche Größe oder Hash mit der Quellseite.
ERROR: Could not detect model type	error	Ein LoRA, VAE oder ControlNet wurde mit Load Checkpoint geladen, oder die Datei ist gar kein Diffusionsmodell. Nutze den Loader, der zum Dateityp passt.
xformers / torch version mismatch, DLL load failed	error	Ein Paket wurde für eine andere torch-Version installiert. Installiere torch, torchvision und xformers zusammen für dieselbe CUDA-Version neu, oder entferne xformers.
CLIPTextEncode: expected ... got ...	error	Der Textencoder passt nicht zum Modell (Flux braucht clip_l plus t5xxl, SDXL hat zwei eigene Encoder, Qwen und Wan liefern eigene mit).
Value not in list: ckpt_name	error	Der Workflow wurde mit Dateinamen einer anderen Person gespeichert. Wähle deine eigene Datei im Pulldown; der Manager kann auch gängige Namen zuordnen.
Server disconnected / reconnecting	symptom	Der Python-Prozess ist abgestürzt, meist weil der Systemspeicher beim Laden eines großen Modells voll war. Schau ins Terminal und beobachte den Task-Manager während des Ladens.

Keine Installation nötig – KI-Modelle in der Cloud ausführen

BitVector Prism ist der einfachste Einstieg: Modell wählen, Prompt eingeben und in einer übersichtlichen Web-App generieren, ohne etwas einzurichten. BitVector gibt es auch auf Discord und im Web (SpyGlass).

BitVector ausprobieren

Schritt für Schritt

Lies das Terminal, nicht nur das Dialogfenster. Die letzten Zeilen vor dem Traceback nennen den Knoten und die Datei; die erste Zeile im Traceback, die einen custom_nodes-Ordner erwähnt, zeigt, welche Erweiterung fehlgeschlagen ist.
Rote Knoten zuerst: öffne den Manager, klicke auf Install Missing Custom Nodes, installiere alles, was gelistet ist, und starte neu. Aktualisiere den Browser-Tab nach dem Neustart.
Fehlende Dateien als Nächstes: Für jeden Loader mit rotem Rand oder einer "Value not in list"-Meldung öffne das Pulldown und wähle eine Datei, die du wirklich hast, oder lade die vom Workflow geforderte Datei in den richtigen Ordner (models/checkpoints, models/loras, models/vae, models/clip, models/unet oder diffusion_models, models/controlnet).
Prüfe die Familie jeder Datei im Graph: Checkpoint, LoRA, VAE, Textencoder und ControlNet müssen alle zur gleichen Familie gehören. Die Modellseite auf dieser Seite nennt die Familie oben; ein Mix führt zu Formfehlern.
Speicherfehler: halbiere die Batch-Größe, reduziere die Auflösung auf die native Größe der Familie (512 für SD 1.5, 1024 für SDXL und Flux), wechsle das Modell auf eine fp8- oder GGUF-Version und starte ComfyUI mit --lowvram oder --novram, wenn es immer noch nicht klappt. Tiled VAE Decode ersetzt das normale Decoding bei großen Bildern.
Paketfehler: führe das Update-Skript deines Builds aus (update_comfyui_and_python_dependencies.bat beim portablen Build) oder pip install -r requirements.txt in der richtigen Umgebung. Wenn xformers genannt wird, deinstalliere es; ComfyUI nutzt PyTorch-Attention auch ohne xformers.
Immer noch kaputt: starte ComfyUI mit --disable-all-custom-nodes. Wenn der Workflow läuft, aktiviere die Erweiterungen im Manager halbiert wieder, um die Konfliktquelle zu finden.
Wenn die Hardware das Limit ist, nutze den Workflow gehostet: öffne denselben Workflow auf BitVector oder auf PirateDiffusion mit /workflow /show:name und /wf /run:name und behalte dein lokales Setup für das, was passt.

Beispiele

Low-VRAM-Start beim portablen Build

.\python_embeded\python.exe -s ComfyUI\main.py --windows-standalone-build --lowvram --use-pytorch-cross-attention

Torch für CUDA 12.4 im eingebetteten Python neu installieren

.\python_embeded\python.exe -m pip uninstall -y torch torchvision torchaudio xformers

.\python_embeded\python.exe -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

Die Erweiterung finden, die einen Absturz verursacht

python main.py --disable-all-custom-nodes

# runs? then re-enable extensions in Manager, half at a time

Tipps

Behalte einen Ordner für Modelle und verweise jede UI mit extra_model_paths.yaml darauf, so teilen sich ComfyUI,
Forge
und A1111 die Dateien und du lädst jeden Checkpoint nur einmal.
Benenne Dateien nach der Familie, wenn du sie speicherst (flux-, sdxl-, sd15-), so sieht man im Pulldown sofort, wenn etwas nicht passt.
Die Manager-Funktion "Fix node (recreate)" bei roten Knoten repariert oft Workflows, die mit einer älteren Erweiterungsversion gespeichert wurden.
Eine GGUF-Version von Flux, Wan oder Qwen (der Unet-Loader aus ComfyUI-GGUF) läuft auf 8 bis 12 GB Karten mit fast keinem Qualitätsverlust bei Q8 und kleinem Verlust bei Q5.
Setze die Windows-Auslagerungsdatei auf systemverwaltet auf einer SSD mit 40 GB frei: Beim Laden großer Modelle steigt der Systemspeicherbedarf stark an, eine kleine Auslagerungsdatei lässt den Server still abstürzen.
Update ComfyUI vor den benutzerdefinierten Knoten, nie umgekehrt; der Kern wird zuerst aktualisiert, die Erweiterungen folgen.
Workflows aus den Anleitungen dieser Seite listen die benötigten Dateien unter Inputs; lade sie herunter, bevor du die JSON lädst.

Fehlerbehebung

Nach dem Laden eines heruntergeladenen Workflows überall rote Kästen

Warum es passiert

Der Workflow nutzt benutzerdefinierte Knoten, die du nicht hast.

So behebst du es

Manager > Install Missing Custom Nodes, alles installieren, neu starten, Browser-Tab neu laden.

Prompt outputs failed validation: ckpt_name nicht in der Liste

Warum es passiert

Der Checkpoint-Dateiname im Workflow ist nicht in deinem Ordner.

So behebst du es

Wähle deine eigene Datei im Load Checkpoint-Pulldown oder lade die vom Guide genannte Datei in models/checkpoints und drücke R, um die Listen zu aktualisieren.

CUDA-Speicher voll bei KSampler

Warum es passiert

Auflösung, Batch-Größe oder Modellpräzision überschreiten die Karte.

So behebst du es

Native Auflösung, Batch 1, fp8- oder GGUF-Gewichte, --lowvram. Für Video zuerst weniger Frames, dann mehr Schritte.

CUDA-Speicher voll bei VAE Decode

Warum es passiert

Das Decodieren eines großen latenten Raums braucht mehr Speicher als das Sampling.

So behebst du es

Ersetze VAE Decode durch VAE Decode (Tiled), Kachelgröße 512, oder füge --fp16-vae / --bf16-vae hinzu.

mat1 und mat2 Formen können nicht multipliziert werden (2x2048 und 768x320)

Warum es passiert

Ein SDXL LoRA oder Encoder in einem SD 1.5 Graph, oder umgekehrt.

So behebst du es

Passe jeden LoRA, VAE und Encoder an die Familie des Checkpoints an. Prüfe die Familie auf der Modellseite vor dem Download.

Fehler beim Deserialisieren des Headers

Warum es passiert

Ein Download wurde vorzeitig abgebrochen oder die Datei ist keine safetensors-Datei.

So behebst du es

Lösche und lade neu; vergleiche die Dateigröße mit der Quellseite. Nutze einen Download-Manager für Dateien über 5 GB.

ImportError / DLL-Load fehlgeschlagen nach Update

Warum es passiert

torch, torchvision oder xformers wurden auf nicht passende Versionen aktualisiert.

So behebst du es

Deinstalliere alle drei und installiere sie zusammen aus dem PyTorch-Index für deine CUDA-Version; entferne xformers, wenn es weiter Probleme macht.

Flux oder Wan lädt minutenlang, dann stürzt der Server ab

Warum es passiert

Der Systemspeicher, nicht der VRAM, war beim Laden der Gewichte voll.

So behebst du es

Schließe andere Programme, vergrößere die Auslagerungsdatei, lade die fp8- oder GGUF-Version oder nutze die gehostete Version auf BitVector oder PirateDiffusion.

Keine Installation nötig – KI-Modelle in der Cloud ausführen

PirateDiffusion gibt es nur auf Telegram und richtet sich an Profis: tausende Modelle, LoRAs und Workflows per Chat-Befehl, mit unbegrenzter Generierung zum Festpreis.

PirateDiffusion ausprobieren

Fragen

In welchen Ordner kommt welche Datei?

Checkpoints in models/checkpoints, LoRAs in models/loras, VAEs in models/vae, Textencoder in models/clip (oder models/text_encoders), reine Diffusionsmodelle wie

Flux dev

in models/unet oder models/diffusion_models, ControlNets in models/controlnet,

Upscaler

in models/upscale_models.

Wie viel VRAM brauche ich?

SD 1.5 läuft mit 4 GB, SDXL mit 8 GB, Flux dev fp8 mit 12 GB (GGUF Q5 mit 8 GB),

Qwen-Image

und

Wan 2.2

14B mit 16 bis 24 GB bei fp8 oder GGUF,

HunyuanVideo

mit 24 GB. Die VRAM-Anleitung auf dieser Seite hat die Tabelle.

Kann ich einen Workflow komplett ohne GPU laufen lassen?

Ja, auf einem gehosteten Dienst: BitVector führt die ComfyUI-Workflows dieser Seite vorinstalliert auf Cloud-GPUs aus, und PirateDiffusion führt gehostete Workflows über Telegram. Für beides ist keine Installation nötig.

Warum funktioniert derselbe Workflow bei jemand anderem?

Andere Dateinamen, andere Versionen der benutzerdefinierten Knoten oder eine größere Karte. Vergleiche zuerst die Inputs-Liste des Guides mit deinen Ordnern.

Verlangsamt --lowvram die Abläufe?

Ja, mäßig: Es verschiebt Teile des Modells zwischen Systemspeicher und VRAM. Es ist aber immer noch viel besser als ein Absturz. --novram ist noch langsamer und für 4-GB-Karten gedacht.