Wenn man an die Weltspitze der KI denkt, denkt man an San Francisco. Vielleicht noch an London oder Peking. Woran man eher nicht denkt: Freiburg im Breisgau. Genau da sitzt aber das Unternehmen, das Ende Juli mit FLUX 3 eines der spannendsten KI-Modelle des Jahres vorgestellt hat — Black Forest Labs, benannt nach dem Schwarzwald vor der Haustür.
Und weil bei KI-Ankündigungen gern dick aufgetragen wird, habe ich mir das Ganze genauer angeschaut: Was ist FLUX 3 wirklich, was davon kannst du heute schon nutzen — und was ist erstmal nur Versprechen?
Die FLUX-3-Produktseite von Black Forest Labs (Quelle: bfl.ai)
Wer steckt dahinter?
Black Forest Labs ist kein Newcomer, auch wenn die Firma erst 2024 gegründet wurde. Die Gründer um Robin Rombach gehören zu den Köpfen hinter Stable Diffusion — dem Modell, das KI-Bildgenerierung überhaupt erst für alle zugänglich gemacht hat. Nach Stationen bei Stability AI haben sie sich in Freiburg selbstständig gemacht und mit den FLUX-Bildmodellen direkt wieder Maßstäbe gesetzt.
Das Ergebnis in Zahlen: Keine zwei Jahre nach Gründung wird das Unternehmen mit rund 3,25 Milliarden Dollar bewertet und ist damit die wertvollste KI-Firma Deutschlands. Unter den Investoren: der Venture-Arm von Salesforce. Das ist keine Förderprojekt-Romantik, das ist internationales Spitzenniveau — aus Baden-Württemberg.
Was ist FLUX 3?
Bisher galt: Ein Modell macht Bilder, ein anderes macht Videos, ein drittes macht Ton. FLUX 3 bricht mit dieser Trennung. Es ist ein einziges Modell, das auf Bildern, Videos, Audio und sogar Bewegungsdaten von Robotern gemeinsam trainiert wurde. Eine Architektur, vier Fähigkeiten.
Konkret kann die Video-Variante:
- Clips bis 20 Sekunden am Stück erzeugen — mit synchronem Ton direkt aus dem Modell, keine nachträgliche Vertonung
- Gesprochene Dialoge in mehreren Sprachen, lippensynchron
- Lesbare Schrift im Video — bisher eine der größten Schwächen von KI-Video
- Text-zu-Video, Bild-zu-Video und Video-zu-Video, inklusive Übergängen über Keyframes und dem Aneinanderreihen mehrerer Clips zu längeren Sequenzen
Und dann ist da noch der Teil, der mich am meisten überrascht hat: FLUX-mimic, ein Ableger für Robotik. Der läuft nicht in einer Forschungs-Demo, sondern wird bereits in Produktionstests bei Audi eingesetzt. Dasselbe Modell, das Marketing-Videos erzeugen kann, sagt Roboterarmen, wie sie greifen sollen. Das zeigt, wohin die Reise geht: KI, die nicht nur Medien produziert, sondern die physische Welt versteht.
Und seit diesem Wochenende kannst du es nutzen
Die Ankündigung Ende Juli war noch ein geschlossenes Early-Access-Programm mit Warteliste. Das hat sich gerade geändert: FLUX 3 Video ist jetzt für alle über das Dashboard und die API von Black Forest Labs verfügbar — pay-as-you-go, ohne Bewerbung.
Die Preise sind dabei erfreulich greifbar: Fünf Sekunden Text-zu-Video in HD kosten rund 85 Cent. In voller FHD-Qualität liegt die Sekunde bei 0,29 Dollar. Clever gelöst ist der Draft-Modus — man generiert erst einen schnellen, günstigen HD-Entwurf, und erst wenn die Richtung stimmt, wird daraus das Ergebnis in voller Qualität. Das spart genau da Geld, wo KI-Video bisher teuer war: beim Ausprobieren.
Zwei Dinge fehlen allerdings noch. Die offenen Modellgewichte — also die Version zum Selbst-Hosten, die Black Forest Labs bisher bei jeder Generation nachgeliefert hat — sind für das FLUX 3 Dev-Backbone offiziell angekündigt, aber Stand heute noch nicht erschienen. Wer auf Hugging Face oder GitHub danach sucht, findet dort bislang nur die FLUX.2-Modelle. Und FLUX 3 Image rollt ebenfalls erst schrittweise aus.
Auch bei den Benchmarks lohnt der zweite Blick: In frühen Vergleichen wird FLUX 3 in bis zu 77 Prozent der Fälle gegenüber Runway und in 93 Prozent gegenüber Luma bevorzugt. Klingt stark — stammt aber vom Hersteller selbst. Unabhängige Tests stehen noch aus. Ich bleibe da bei meiner Grundregel: beeindruckt sein ja, Entscheidungen treffen erst, wenn man es selbst ausprobiert hat.
Was heißt das für dich als Unternehmen?
Drei Gedanken, die ich aus dieser Ankündigung mitnehme:
1. KI-Video wird erwachsen. 20 Sekunden mit echtem Ton und lesbarer Schrift — das ist die Grenze zwischen Spielerei und produktionstauglichem Werkzeug. Und mit unter einem Euro für fünf Sekunden HD-Video ist der Einstieg so günstig wie nie. Social-Media-Clips, Produktvideos, Erklärformate: Die Produktionskosten für Bewegtbild fallen gerade deutlich.
2. Der Standort-Vorteil könnte real werden. Ein Weltklasse-Modell von einem deutschen Unternehmen — das ist perspektivisch auch für Datenschutz- und Compliance-Fragen interessant. Noch ist nichts zu europäischem Hosting oder Vertragskonstruktionen bekannt, aber die Ausgangslage ist eine andere als bei einem Anbieter aus Übersee.
3. Deutschland kann das. Stable Diffusion hatte deutsche Wurzeln, FLUX dominiert die Bildgenerierung, jetzt greift Freiburg bei Video und Robotik an. Die Erzählung „Innovation passiert woanders" stimmt so pauschal einfach nicht. Man muss nur hinschauen.
Mein Fazit
FLUX 3 ist seit diesem Wochenende ein Werkzeug, das du tatsächlich einsetzen kannst — und eine Wegmarke, die man kennen sollte. Wenn dann noch die offenen Modellgewichte nachkommen, wird das die Video-Produktion für Marken spürbar verändern. Wir testen es gerade selbst und behalten den Weights-Release im Auge.
Und wenn du jetzt schon wissen willst, wie KI-generierte Bilder und Videos in deine Content-Produktion passen — ohne dass es nach KI-Einheitsbrei aussieht: Genau dafür sind wir da. Sprich uns an.