Flux Pro: Brand-Styleguide-Compliance mit LoRA-Training

Voraussetzungen

• 20–40 hochwertige Brand-Beispielbilder (eigene Produktion oder lizensierte Stocks)
• Replicate-Account oder lokale GPU mit 24GB+ VRAM (RTX 4090, A6000)
• 3–5 Stunden Zeit für den ersten Trainings-Durchlauf
• Verständnis von Captioning (wir gehen darauf ein)

Schritt 1: Trainings-Set kuratieren

Das ist der wichtigste Schritt, nicht das Training selbst. Regeln:

• Konsistenz vor Vielfalt: 25 sehr ähnliche Bilder schlagen 60 zufällige
• Auflösung mindestens 1024×1024: Flux trainiert in 1024px-Buckets
• Klarer Look: Was definiert deine Brand? Farbpalette? Komposition? Licht? Markiere die 3 wichtigsten Faktoren und stelle sicher, dass jedes Trainings-Bild ALLE drei zeigt
• Diversität in Motiven: Wenn alle 25 Bilder Outdoor-Lifestyle zeigen, lernt das LoRA "Outdoor-Lifestyle" statt deines Brand-Stils

Schritt 2: Captions schreiben

Jedes Trainings-Bild braucht eine Caption (txt-Datei mit gleichem Namen). Best Practice:

BILD: brand_001.jpg
CAPTION (brand_001.txt):
"a woman in her 30s walking through a coastal city, soft morning light, muted earth tones, shallow depth of field, [BRAND_STYLE]"

Das Token [BRAND_STYLE] ist dein "Trigger Word". Es kommt in JEDER Caption vor. Später beim Generieren prompttest du mit diesem Trigger.

Wichtig: Beschreibe NICHT, was du als Brand-Stil erhalten willst. Beschreibe, was im Bild ZU SEHEN ist. Das LoRA lernt selbst, welche visuellen Patterns mit dem Trigger-Wort verknüpft sind.

Schritt 3: Training auf Replicate

Wir nutzen ostris/flux-dev-lora-trainer. Kosten: ~$3–5 pro Training.

Settings:

steps

1000 (für 25 Bilder); 1500 (für 40 Bilder)

learning_rate

0.0004 (Standard, gut für die meisten Cases)

lora_rank

16 (32 für komplexere Looks, kostet mehr VRAM beim Inferieren)

resolution

1024 (nicht hochstellen — Flux ist für 1024 trainiert)

trigger_word

"BRAND_STYLE" (oder dein gewähltes Token)

Schritt 4: Training starten

Bilder + Captions als ZIP hochladen. Training läuft ~30–45 Minuten. Während du wartest: Test-Prompts vorbereiten.

Schritt 5: Test-Generierung

Nach Abschluss bekommst du eine LoRA-Datei (.safetensors). Lade sie in ComfyUI, Forge, oder nutze sie direkt über Replicate.

Erster Test:

"a businesswoman presenting in a boardroom, BRAND_STYLE"

Vergleiche mit:

"a businesswoman presenting in a boardroom"

Der Unterschied sollte klar erkennbar sein. Wenn nicht: zu kurz trainiert, oder Captions waren inkonsistent.

Schritt 6: Strength tunen

LoRA-Strength steuert, wie stark der Brand-Stil dominiert:

• 0.5–0.7: Subtil. Gut für Generierungen, die "im Geist" der Brand sein sollen, aber nicht zu offensichtlich
• 0.8–1.0: Stark. Standard für Marketing-Content
• 1.0+: Über-Sättigung. Wirkt oft unnatürlich; nur in Ausnahmen einsetzen

Schritt 7: DSGVO-konformer Workflow

Mit selbst gehostetem Flux.1 dev + eigenem LoRA hast du eine Pipeline, die nirgendwo Trainings- oder Generierungsdaten an Dritte schickt. Voraussetzung: lokale Inferenz oder dedizierter EU-Server (z.B. RunPod EU, Hetzner GPU).

Replicate selbst ist NICHT DSGVO-konform (US-Hosting), daher: für sensible Brand-Daten Replicate nur für das Training nutzen, nicht für laufende Inferenz.

Typische Fehler

• Zu kleine Trainings-Sets (<15 Bilder) → Overfitting, LoRA reproduziert nur die exakten Trainings-Bilder
• Zu generische Captions ("a beautiful woman") → LoRA lernt nichts Spezifisches
• Stil-Inkonsistenz im Set → unpredictable Outputs
• Trigger-Word vergessen beim Generieren → LoRA wird nicht aktiviert

Verwandte

• Flux 1.1 Pro — Detailliertes Review
• Stable Diffusion 3 als Open-Source-Alternative