Der Schwarzwald ist bekannt für seine dichten Nadelwälder, Kuckucksuhren oder kulinarische Spezialitäten wie die Schwarzwälder Kirschtorte. Seit 2024 könnte man die Liste um eines der erfolgreichsten Deeptech-Unternehmen Europas ergänzen: Black Forest Labs, ein Start-up, das an hoch entwickelter künstlicher In­telligenz für die Generierung von Bildern und Videos arbeitet.

Wir treffen Andreas Blattmann, Mitgründer und einer der führenden KI-Forscher bei Black Forest Labs, zum Gespräch im Firmensitz in Freiburg im Breisgau. Blattmann trägt „The Länd“-Socken (Slogan des Standort­marketings von Baden-Württemberg) – ein Bekenntnis zum Standort. Denn während die KI-Welt gewöhnlich nach San Francisco blickt, wollen er und seine Mit­gründer zeigen, dass sich auch aus dem Schwarzwald ein globales Technologieunternehmen aufbauen lässt. „Für uns war von vornherein klar, dass wir hier unser Headquarter haben. Zu zeigen, dass man hier ein Tech-Unternehmen aufbauen kann, das mit den Riesen in den USA und in China mithält und sie auch über­flügeln kann, ist ganz wichtig. Wir wollen zeigen, was aus Europa möglich ist“, so Blattmann.

Dass sie ganz vorne mitspielen können, haben sie bereits bewiesen: 2024 mit insgesamt 14 Mitgründern gestartet, darunter Robin Rombach, Patrick Esser sowie Andreas Blattmann, ist Black Forest Labs mit einer Bewertung von 3,25 Mrd. US-$ (2,85 Mrd. €) eines der wertvollsten KI-Start-ups in Europa. Das Unternehmen beschäftigt mittlerweile rund 90 Mitarbeiter an den Standorten Freiburg und San Francisco. Während das Büro in den USA den Zugang zum amerikanischen Technologiemarkt, zu Softwaretalenten und zum KI-Ökosystem des Silicon Valleys sichern soll, bleibt Freiburg das wissenschaftliche Zentrum, in dem die mathematischen Modelle entstehen. „Der überwiegende Teil, rund 69 % unserer Forschungsabteilung, sitzt hier“, sagt Blattmann.

Im Zentrum von Black Forest Labs steht die ­Modellfamilie „Flux“, mit der sich Bilder erzeugen, bearbeiten und anhand mehrerer visueller Vorlagen weiter­entwickeln lassen. Damit tritt Black Forest Labs gegen die Bildmodelle von Open AI, Google, Mid­journey und weiteren milliardenschweren Technologie­unternehmen an und liefert sich mit ihnen laut der Benchmark-Plattform Artificial Analysis ein Kopf-an-Kopf-Rennen.

Die offenen Flux-Modelle verzeichnen bereits millionenfache Downloads auf der Entwicklerplattform Hugging Face. Kunden können kommerzielle Varianten über spezialisierte KI-Plattformen direkt in ihre Anwendungen einbinden, ohne dafür eine eigene Recheninfrastruktur betreiben zu müssen. In der Praxis reicht das Einsatzspektrum von Bildbearbeitung und Design über Marketing und Produktvisualisierung bis hin zu Film, Storyboarding und redaktionellen Anwendungen. Mittlerweile zählt Black Forest Labs zahlreiche bekannte Unternehmen zu seinen Kunden: Adobe bietet Flux unter anderem in Firefly, Photoshop und Adobe Express an und auch Unternehmen wie Meta und Microsoft setzen auf die Modelle des Freiburger Einhorns. Dass Black Forest Labs trotz der Konkurrenz durch deutlich größere Technologie­konzerne solche Partner gewinnt, zeigt, wie stark sich das Freiburger Unternehmen mit seinem Fokus auf visuelle generative KI im Markt positioniert hat: „Wir können mit Forschungsteams mithalten, die zwei ­Größenordnungen größer sind und natürlich deutlich mehr Ressourcen haben“, sagt Blattmann.

Black Forest Labs bewegt sich damit in einem noch vergleichsweise jungen, aber schnell wachsenden Markt. Laut dem Marktforscher Grand View Research wurde der weltweite Markt für KI-Bildgeneratoren 2023 auf rund 350 Mio. US-$ geschätzt; bis 2030 soll er auf etwa 1,1 Mrd. US-$ wachsen. Finanziert wird dieser Anspruch von einigen der einflussreichsten Investoren der Technologiebranche. Black Forest Labs sammelte zuletzt 300 Mio. US-$ ein, zu den Kapitalgebern zählen unter anderem die US-Tech-Investoren Andreessen Horowitz und General Catalyst sowie der KI-Chip-­Konzern Nvidia. Mit der nächsten Modellgeneration will Black Forest Labs nun über klassische Bild­generatoren hinausgehen: Bilder, Videos und weitere visuelle Informationen sollen in einer umfassenderen „Visual Intelligence“ zusammengeführt werden.

Andreas Blattmann wuchs in Waldkirch nahe Freiburg auf und besuchte dort das Geschwister-Scholl-Gym­nasium, in dem er 2012 sein Abitur absolvierte. Damals bestimmte vor allem Musik seinen Alltag. „Ich habe Musik­abitur gemacht, in verschiedenen Bands gespielt und lange überlegt, ob ich Musik studiere“, erzählt er. Zugleich war er an technisch-naturwissenschaftlichen Fragestellungen interessiert. Schließlich entschied er sich auf Anraten seines Vaters für ein Maschinenbau­studium am Karlsruher Institut für Technologie (KIT). Dort stieß er auf eine studentische Gruppe, die an autonomen Fahrzeugen forschte. Während viele seiner Kommilitonen an der Hardware der Modell­fahrzeuge arbeiteten, landete er in der Bildverarbeitung (sie ermöglicht es den Fahrzeugen, ihre Umgebung zu ­erfassen und sich darin zu orientieren). „Ich weiß bis heute nicht genau, warum ich in dieses Team gegangen bin“, sagt Blattmann. Dort begann er zu programmieren, besuchte zunehmend Informatikvorlesungen und ent­wickelte ­Algorithmen, mit denen Kamerabilder autonom fahrender Modellautos ausgewertet wurden.

Der entscheidende Moment war für Blattmann ein Forschungsprojekt, das fotorealistische Porträts künstlich erzeugen konnte. „Als ich das gesehen hatte, war ich total hin und weg. Ich wusste, dass ich irgendwie ver­suchen musste, mit Computern Bilder zu generieren“, erzählt er. Wenig später besuchte er in Heidelberg einen Vortrag des KI-Forschers und Professors Björn Ommer, der dort eine Forschungsgruppe für Computer Vision leitete. „Da habe ich gesehen: Die machen genau die ­Forschung, in der ich mich auch sehe“, sagt Blattmann.

Er bewarb sich für eine Doktorandenstelle in ­Ommers Forschungsgruppe, wo er Rombach und Esser kennenlernte. Aus der ­gemeinsamen Arbeit entwickelte sich über die Jahre ein enges wissenschaft­liches Team. Als Ommer 2021 an die Ludwig-Maxi­milians-­Universität München wechselte, folgten ihm die jungen Forscher. Im neuen Umfeld entstand die wissenschaftliche Arbeit zu „Latent Diffusion“. Die zen­trale Idee dahinter war, Bilder nicht direkt auf Pixelebene zu verarbeiten, sondern zunächst in eine stark komprimierte mathe­matische Darstellung, den sogenannten latenten Raum, zu übersetzen. Sowohl beim Training als auch bei der späteren Generierung arbeitet das Modell zunächst in diesem komprimierten Raum; erst am Ende wird daraus wieder ein sichtbares Bild erzeugt. „Der Kern von Latent Diffusion ist, Rechenleistung zu sparen. Das Modell fokussiert sich nur auf das, was wirklich wichtig ist. Details im Bild, die wir nicht wahrnehmen, werden weggelassen“, erklärt Blattmann. Dadurch ließen sich leistungsfähige Bild­modelle deutlich effizienter trai­nieren und betreiben.

Auf diesem wissenschaftlichen Prinzip basierte später „Stable Diffusion“, ein KI-Modell, das aus Texteingaben Bilder erzeugen kann. Während dieser Zeit arbeitete das Forschungsteam mit dem britischen KI-Unter­nehmen Stability AI zusammen. Schließlich wechselten Blattmann, Rombach und Esser zu Stability AI, um dort ein eigenes Forschungsteam auf­zubauen und die Technologie weiterzuentwickeln.

Innerhalb kurzer Zeit nutzten Designer, Werbe­agenturen, Künstler und Unternehmen das von ihnen ­geschaffene Modell, um aus wenigen Worten eigene ­Bilder zu erzeugen. „Wir wussten, dass der Algo­rithmus gut ist“, sagt Blattmann, „aber wie viel Kreativität dadurch freigesetzt wurde, war auch für uns unerwartet.“ Rückblickend bezeichnet er Stable Diffusion als einen der bedeutendsten Modelldurchbrüche der bisherigen Dekade. „Irgendwann wurde uns klar: Die Technologien, die wir bauen, werden wahrscheinlich die Welt ver­ändern“, so Blattmann.

Ein wesentlicher Grund für die rasche Verbreitung war, dass Stable Diffusion nicht nur über eine geschlossene Plattform angeboten wurde. Entwickler konnten auf das Modell zugreifen, es selbst betreiben und an eigene Anwendungen anpassen. Für Blattmann war diese Offenheit von Beginn an eng mit seinem Selbstverständnis als Forscher verbunden: „Forschung muss offen sein, sonst kann ich sie nicht unabhängig betreiben“, sagt er. Zugleich will das Unternehmen zentrale Teile seiner Technologie aber auch schützen und ein tragfähiges Geschäftsmodell entwickeln: „Wir würden der Community gerne alles zur Verfügung stellen, aber wir müssen natürlich schauen, dass wir gewisse Core-IP (kurz für „Intellectual Property“, also geistiges Eigentum, Anm.) behalten, um im Markt kompetitiv zu bleiben und zu schauen, was wir monetarisieren können.“

Mit dem wachsenden Einfluss ihrer Technologie entstand auch der Wunsch, sich selbstständig zu ­machen: „Wir hatten ein sehr starkes Team und wollten die Forschung weiter vorantreiben, aber auch die Geschäfts­entscheidungen stärker kontrollieren und dieses aufregende Ding namens Start-up-Gründung einmal selbst durchmachen“, erzählt Blattmann. 2024 folgte deshalb die Gründung von Black Forest Labs.

Derzeit arbeiten die Gründer an „Visual Intelligence“: Modelle sollen Bilder und Videos künftig nicht nur erzeugen, sondern auch deren räumliche, zeitliche und physikalische Zusammenhänge besser erfassen. Dafür trainiert Black Forest Labs Systeme nicht länger ausschließlich auf einzelnen Medienformen, sondern verbindet Bilder, Videos und Audio miteinander. So soll ein Modell etwa lernen, dass ein Schlag auf einen Tisch zugleich eine sichtbare Bewegung und ein bestimmtes Geräusch erzeugt. „Wenn wir über höhere Formen von Intelligenz nachdenken, sollten wir damit anfangen, das nachzubilden, womit auch Menschen lernen“, sagt Blattmann.

Je leistungsfähiger solche Systeme werden, desto dringlicher werden jedoch auch die Fragen, die sie aufwerfen. Viele Kreative fürchten um ihre Aufträge und darum, dass ihre Werke ohne Zustimmung als Trainingsmaterial verwendet werden. Black Forest Labs behandelt die genaue Herkunft und Zusammensetzung seiner Trainingsdaten als geschützte Unternehmensinformation. In einem Statement erklärt das Unternehmen, seine FLUX-Modelle mit einer proprietären Mischung aus Text- und Bilddaten zu trainieren. Die Datensätze enthalten unter anderem von Drittanbietern erworbene Daten, synthetische Daten sowie Inhalte, die das Unternehmen selbst erzeugt. Nach eigenen Angaben entfernt das Unternehmen Duplikate, filtert schädliche und illegale Inhalte heraus und versucht, die Erhebung personenbezogener Daten unter anderem durch De-Identifizierung zu minimieren. Branchenberichte wie der „Piracy Monitor“ kritisierten 2024 die mangelnde Nachvollziehbarkeit der Trainingsgrundlage. Das Fotofachmagazin „Docma“ beanstandete darüber hinaus kürzlich die weitreichenden Nutzungsrechte, die sich das Unternehmen für über seine Schnittstelle hochgeladene Bilder einräumt. Blattmann verweist dagegen auf lizenzierte Quellen: „Generell haben wir sehr viele Datenpartnerschaften, etwa mit Shutterstock und weiteren namhaften Partnern. Wir verfolgen da einen sehr nachhaltigen Ansatz.“

Hinzu kommt Sorge vor wirtschaftlichen Folgen: In einer Umfrage der britischen Society of Authors gab bereits gut ein Viertel der befragten Illustratoren an, durch generative KI Arbeit verloren zu haben; 37 % berichteten von sinkenden Einkommen. Blattmann hält generative KI dennoch nicht primär für einen Ersatz ­menschlicher Kreativität, sondern für ein neues Werkzeug. „Die Kamera war wahrscheinlich zunächst ein Risiko für viele Porträtmaler. Trotzdem gibt es heute noch Maler, und die Fotografie hat sich als eigene Kunstform etabliert“, sagt er.

Noch grundsätzlicher ist die Frage, was geschieht, wenn sich künstlich erzeugte Bilder kaum noch von realen ­Aufnahmen unterscheiden lassen – sogenannte Deepfakes können Personen Handlungen oder Aussagen zuschreiben, die nie stattgefunden haben (siehe S. 174). In einer repräsentativen britischen Studie mit mehr als 1.400 Befragten zeigten sich 90 % über die Verbreitung von Deepfakes besorgt. Black Forest Labs kennzeichnet Bilder, die über die eigene Benutzeroberfläche oder API generiert werden, in den Metadaten als KI-erstellt. ­Das Unternehmen arbeitet zudem an robusteren Verfahren, um die Ausgaben seiner Modelle eindeutig zu markieren. Blattmann sieht die Verantwortung ­jedoch nicht allein bei den Entwicklern; neben besseren ­tech­nischen Schutzmechanismen nimmt er auch die Kon­sumenten in die Pflicht: „Wir müssen den Menschen ­beibringen, nicht alles, was sie im Internet sehen, direkt als gegeben an­zunehmen, sondern es noch einmal kritisch zu prüfen.“

Anfang Juni gab das Freiburger Start-up bekannt, dass Regisseur Martin Scorsese künftig als Berater an der Weiterentwicklung seiner visuellen KI mitwirkt. In einer gemeinsamen Arbeitssitzung nutzte der Filmemacher Flux, um seine Vorstellungen für eine Szene in Storyboards zu übersetzen. Die Technologie soll ihm dabei helfen, Bilder aus seinem Kopf klarer an Szenenbildner, Art Director und Kamerateam zu vermitteln. Black Forest Labs wiederum erhofft sich von Scorsese Einblicke darin, welche Werkzeuge Filmschaffende tatsächlich benötigen.

„Der Kontakt wurde schon sehr früh über einen ­unserer Investoren und unseren Berater Michael Ovitz hergestellt“, erzählt CEO Robin Rombach über das Kennen­lernen mit Martin Scorsese; Rombach gesellt sich wenige Minuten vor Ende des Gesprächs zu uns an den Tisch. „Irgendwann sind wir nach New York in Scorseses Büro geflogen und haben gemeinsam ausgelotet, was sich mit der Tech­nologie machen lässt“, erzählt er weiter.

Dass er und Andreas Blattmann längst dabei sind, die Zukunft von Bildern und Filmen weltweit mitzuprägen, ist ihnen im Freiburger Büro kaum anzumerken – wohl aber, dass aus den Forschern passionierte Unternehmer geworden sind. „Es ist ein unglaublich erfüllendes Gefühl, zu sehen: Es hat sich etwas verändert, wir haben einen Impact“, sagt Blattmann und führt weiter aus: „Ich kann jedem, der die Chance dazu hat, nur ans Herz legen, etwas Ähnliches zu versuchen. Es ist in vielerlei Hinsicht herausfordernd und man muss viel arbeiten – aber es macht unglaublich viel Spaß und gibt einem wirklich enorm viel zurück.“

Fotos: Felix Groteloh