Ein einziges Modell erzeugt Bilder, Videoclips mit Ton und die Greifbewegung eines Roboterarms. Black Forest Labs aus Freiburg hat mit Flux 3 den Bildgenerator zum multimodalen Modell ausgebaut. Für Unternehmen zählt allerdings ein Detail, das in der Ankündigung weit hinten steht.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Flux 3 ist am 23. Juli erschienen, und die interessanteste Zahl der Ankündigung betrifft keine Bildqualität: 30 Minuten Roboterdaten genügen, damit das Modell eine neue Greifaufgabe ausführt.[1] Bislang braucht ein Roboter dafür mehr als 30 Stunden Aufnahmen. Damit rückt ein Bildmodell plötzlich in die Fabrikhalle.
Das Wichtigste in Kürze
- Flux 3 lernt Bild, Video, Ton und Roboteraktion in einer gemeinsamen Architektur statt in vier getrennten Modellen.
- Videoclips laufen bis zu 20 Sekunden mit nativem Ton, geprüft in 720p.
- Das Audi Production Lab erprobt die Robotik-Variante Flux-mimic bereits in der Fertigung.
- Die offenen Gewichte (Flux 3 Dev) folgen erst später im Jahr, zuerst startet die Schnittstelle.
Was unterscheidet Flux 3 von einem Bildgenerator?
Gemeinsame Gewichte. Bild, Video, Ton und Aktion entstehen bei Flux 3 aus einem einzigen Satz Gewichte, nicht aus vier getrennten Spezialmodellen. Das Freiburger Labor nennt diesen Ansatz Self-Flow.[1]
Physik als Nebenprodukt. Der eigentliche Hebel steckt in der Vorhersage. Ein Modell, das den nächsten Videoframe samt Geräusch treffen muss, lernt zwangsläufig, wie Dinge fallen, sich verformen und klingen. Genau diese Vorhersage leistet auch ein Roboterarm, der seinen nächsten Griff plant.
Klare Ansage. „Man kann die Realität nicht überlisten. Ein Modell, das nur Bilder lernt, kann auch nur Bilder erzeugen“, sagt Robin Rombach, Mitgründer und Geschäftsführer von Black Forest Labs.
Vorläufige Werte. In eigenen Präferenztests mit Zehn-Sekunden-Clips liegt Flux 3 gegen Luma Ray 3.2 bei 93 Prozent und gegen Runway Gen-4.5 bei 77 Prozent.[1] Unabhängige Prüfungen stehen aus, das Unternehmen nennt die Ergebnisse selbst vorläufig. Wie schnell solche Vergleiche kippen, hat der Kostentest zwischen Claude Fable 5 und GPT-5.6 Sol gezeigt.
Warum testet Audi ein Videomodell in der Produktion?
Anlernzeit als Engpass. Gemeinsam mit mimic robotics ist die Variante Flux-mimic entstanden, die das Audi Production Lab in der Fertigung erprobt.[1]
Minuten statt Tage. „Eine neue Aufgabe bedeutet normalerweise Stunden, in denen ein Roboter sich selbst wiederholt. Flux-mimic lernt eine neue Aufgabe in Minuten statt in Tagen“, sagt Elvis Nava, Technikchef von mimic robotics.
Weiche Bauteile. Christoph Schneider vom Audi Production Lab sagt dazu: „Wir haben gesehen, wie diese Roboter komplexe Arbeiten an weichen Bauteilen lösen, die mit konventioneller Robotik schlicht unmöglich gewesen wären.“ Kabelbäume, Dichtungen, Schläuche und Textilien gelten in der Endmontage seit Jahrzehnten als Handarbeit.
Anlernzeit für eine neue Greifaufgabe
Der Sprung von der Bildausgabe zur Roboterbewegung ist kein Marketing, sondern dieselbe Rechenaufgabe. Deutsche Fertiger sollten das Thema deshalb nicht in der Kreativabteilung parken.
— Markus Seyfferth, Chefredakteur Dr. Web
Was bedeutet das für europäische Anbieter?
Schnittstelle zuerst. Die offene Backbone-Variante Flux 3 Dev folgt erst später im Jahr, zunächst gibt es Zugang über die Schnittstelle und über private Gewichte.[1] Dieses Muster wiederholt sich in der generativen KI: Alibaba hat sein Bildmodell Qwen-Image 3.0 ebenfalls ohne Gewichte gezeigt, und in den USA streiten fast 200 Startups über den Zugang zu offenen Modellgewichten.
Frist am 2. August. Ab dem 2. August 2026 greifen die Transparenzpflichten aus Artikel 50 der KI-Verordnung.[2] Synthetische Bilder, Videos und Tonspuren brauchen dann eine maschinenlesbare Kennzeichnung, und zwar auch bei Unternehmen, die solche Inhalte nur einsetzen. Wie holprig das in der Praxis läuft, zeigt Metas eigener Detektor, der am Industriestandard vorbeiarbeitet.
Kurze Frist. Klären Sie deshalb in den nächsten Tagen, welche Ihrer Marketing- und Produktionsprozesse synthetische Medien ausliefern, und lassen Sie sich die maschinenlesbare Markierung vom Anbieter schriftlich bestätigen. Fertigungsbetriebe schauen zusätzlich auf die Anlernzeit, denn dort entscheidet sich die Projektdauer.
Quellen
[1] Black Forest Labs: „FLUX 3“
[2] Europäische Kommission: „Guidelines on Transparency of AI-Generated Content“
Mehr Newshunger?
- Qwen-Image 3.0: Alibaba zeigt sein neues Bildmodell ohne Gewichte und ohne Benchmarks
- Microsoft ersetzt OpenAIs Bildmodelle in PowerPoint und Bing durch eigene KI
- Kimi K3: Chinas offenes KI-Modell erreicht die Weltspitze zu einem Bruchteil der Kosten
- KI im abgeschotteten Rechenzentrum: Microsoft und Mistral zielen auf Europas regulierte Branchen
- Veo in Google Ads: So verwandeln Sie Bilder in Videos
- Metas KI-Detektor ignoriert den Industriestandard, kurz vor der EU-Kennzeichnungspflicht
