---
titel: "Ein datenschutzkonformes Nano Banana? MiniMax H3-Image im Praxistest"
seo_title: "MiniMax H3-Image im Praxistest: lokale Bild-KI und Lizenz"
teaser: "Warum lokale Bild-KI für sensible Daten so wichtig ist, was das neue Open-Weight-Modell kann und wo der Haken liegt."
seo_description: "MiniMax H3-Image ist das bisher stärkste Open-Weight-Bildmodell für die lokale Nutzung. Praxistest mit Workflow, Hardware-Anforderungen und dem wichtigsten Punkt: der Lizenz, die die EU ausschließt."
rubrik: usecases
datum: 2026-11-17
aktualisiert: 2026-11-17
autor: "Georg Neumann"
hero_bild: ./hero.webp
hero_bild_alt: "Durchsichtiges Vorhängeschloss aus Glas vor orangefarbenem Hintergrund, links eine Wand aus Riffelglas"
titelbild_pur: true
wichtigste_kuerze: "Sobald Datenschutz oder Geheimhaltung im Spiel sind, dürfen Referenzbilder nicht einfach in die Cloud, lokale Bild-KI ist dann der Workaround. MiniMax H3-Image ist seit dem 10. November 2026 als Open-Weight-Modell verfügbar: Generieren und Bearbeiten in einem Modell, bis zu 16 Referenzbilder, rund 16 Megapixel nativ. Es braucht ordentlich Hardware: 36 bis 44 GB VRAM, etwa 3 Minuten pro 4K-Bild auf einer RTX 6000 Ada, unoptimiert. Der Haken: Die Community-Lizenz schließt die EU aus. In Deutschland braucht ihr eine gesonderte Lizenz von MiniMax."
lesezeit: 5
tags: ["Bild-KI", "Open Weight", "Datenschutz", "ComfyUI", "MiniMax"]
youtube_id: oRVgYfoc2wk
entwurf: false
---

Ein Modell, das sich anfühlt wie Nano Banana oder GPT Image, aber komplett auf eigener Hardware läuft. Ohne dass ein einziges Referenzbild das Haus verlässt. Mit MiniMax H3-Image kommen wir dem gerade so nah wie noch nie.

In diesem Beitrag zeige ich, warum das für viele Unternehmen so wichtig ist, was das Modell im Praxistest kann, welche Hardware es braucht und warum ihr vor dem ersten Einsatz unbedingt die Lizenz lesen solltet.

## 1. Warum lokale Bild-KI so wichtig ist

Die stärksten Bildmodelle sind aktuell proprietär. Nano Banana, GPT Image und Co. laufen in der Cloud der jeweiligen Anbieter. Für viele Aufgaben ist das völlig in Ordnung.

Sobald es aber um Datenschutz oder Geheimhaltung geht, wird es schwierig. Dann kann man nicht jedes Bild als Referenz hochladen:

- Unveröffentlichte Produkte, die noch unter Verschluss sind
- Fotos von Mitarbeitenden oder Kundinnen und Kunden
- Entwürfe und Kampagnen, die unter NDA stehen

Echte Datenschutzkonformität lässt sich mit den großen proprietären Modellen kaum umsetzen, und schon gar nicht skalierbar. Ein wichtiger Grund dafür: In Europa fehlt schlicht die Rechenkapazität, um diese Modelle hier zu betreiben.

Der Workaround ist einfach: lokal arbeiten. Mit einem Open-Weight-Modell auf eigener Hardware bleibt jedes Bild im Haus. Das Problem war bisher nur, dass die offenen Modelle qualitativ nicht mithalten konnten. Genau das ändert sich gerade.

## 2. Was MiniMax H3-Image kann

MiniMax hat die Gewichte von H3-Image am 10. November 2026 veröffentlicht. Die wichtigsten Eckdaten:

| | MiniMax H3-Image |
|---|---|
| Funktionen | Generieren und Bearbeiten in einem Modell |
| Referenzbilder | bis zu 16 |
| Auflösung | rund 16 Megapixel nativ, von 4096 × 4096 (1:1) bis 6272 × 2688 (21:9), ohne Upscaler |
| Rechenschritte | 6 pro Bild |
| Modellgröße | 33 Milliarden Parameter |
| Download | rund 135 GB inklusive Text-Encoder |
| Lizenz | MiniMax-H3-Image Community License (dazu mehr in Abschnitt 5) |

Für mich ist das der größte Sprung bei offenen Bildmodellen seit Langem. Auch größer als Flux 3, das zwar ebenfalls mit offenen Gewichten veröffentlicht wurde, aber deutlich beschnittener daherkommt.

Besonders spannend für die Praxis sind die 16 Referenzbilder. Damit lassen sich Personen, Produkte und Umgebungen in einer Szene kombinieren, und genau das ist der Use Case, bei dem bisher fast immer die Cloud ins Spiel kam.

## 3. Praxistest: Person und Produkt in einer Szene

Für den Test habe ich eine typische Aufgabe aus dem Marketing nachgestellt: eine Person mit einem bestimmten Produkt in einer neuen Szene. Konkret: ich mit einer Uhr, an einem Café-Tisch in einem italienischen Hafenort. Gebaut habe ich das als Workflow in ComfyUI, komplett lokal.

![Der komplette Workflow in ComfyUI: links die beiden Referenzbilder, unten die Prompt-Erstellung, rechts das Ergebnis](./workflow-comfyui-uebersicht.webp)

*Der Workflow in ComfyUI: Produktfoto und Charakter-Sheet als Referenzen, darunter die automatische Prompt-Erstellung, rechts das fertige Bild.*

### Schritt 1: Die Referenzen

Zwei Bilder gehen in den Workflow:

1. **Das Produktfoto der Uhr.** Im Workflow wird es noch um 180 Grad gedreht.
2. **Ein Charakter-Sheet von mir.** Vier Ganzkörperansichten aus verschiedenen Winkeln plus zwei Nahaufnahmen vom Gesicht.

<figure class="bildpaar referenzen">
<img src="./referenz-produktfoto-uhr.webp" alt="Produktfoto der Uhr von oben: blaues Zifferblatt, Datumsfenster bei 6 Uhr, blau-silberne Drehlünette und Milanaise-Armband auf weißem Hintergrund">
<span class="ki-bild ki-bild--dunkel"><img src="./referenz-charakter-sheet.webp" alt="Charakter-Sheet: ein Mann in weißem Leinenhemd und beiger Hose in Front-, Seiten- und Rückansicht vor grauem Hintergrund, rechts zwei Gesichtsporträts"><span class="ai-kennzeichnung" role="img" aria-label="KI-generiertes Bild" title="KI-generiertes Bild">AI</span></span>
<figcaption>Die beiden Referenzbilder: links das Produktfoto der Uhr, rechts das Charakter-Sheet (KI-generiert).</figcaption>
</figure>

### Schritt 2: Der Prompt schreibt sich selbst

Statt den Prompt von Hand zu schreiben, bekommt ein lokales Sprachmodell die Referenzbilder und eine kurze Anweisung. Daraus formuliert es eine ausführliche Bildbeschreibung. Das Entscheidende dabei: Es ordnet die Referenzen sauber zu, welches Bild ist die Person, welches das Produkt. Ein Auszug:

```text
The man in the white linen shirt and beige trousers in <Picture 2> is <Subject 1>.
The silver wristwatch with the blue dial in <Picture 1> is <Subject 2>.
The target image presents a candid shot of <Subject 1> seated at a rustic table
in a sunlit Italian cafe on a cobblestone village street near the Cinque Terre harbor.
```

Auch Bildgestaltung steckt mit drin: Drittelregel, die Person außerhalb der Bildmitte, warmes Color Grading im Stil einer Fujifilm X100, geringe Schärfentiefe.

### Schritt 3: Generieren

H3-Image setzt das in sechs Rechenschritten um. Heraus kommt ein Bild mit 3536 × 4720 Pixeln, also rund 16,7 Megapixel, ohne Upscaler.

### Schritt 4: Das Produkt nachschärfen

Bei Produkten zählt jedes Detail. Deshalb gibt es einen zweiten Durchgang nur für die Uhr: Sie wird per Bounding Box markiert, daraus entsteht eine Maske, und mit dem Originalfoto als Referenz wird nur dieser Bereich neu aufgebaut. Der Rest des Bildes bleibt unangetastet.

![Zweiter Durchgang in ComfyUI: Um die Uhr ist eine Bounding Box gezogen, daraus wird eine Maske für die gezielte Nachbearbeitung](./workflow-refinement-bounding-box.webp)

*Der Refinement-Schritt: Bounding Box um die Uhr, daraus eine Maske, dann gezielte Nachbearbeitung mit dem Produktfoto als Referenz.*

Der Unterschied ist vor allem an Zifferblatt und Lünette zu sehen. Zum Vergrößern einfach anklicken:

<figure class="bildpaar">
<span class="ki-bild"><img src="./ergebnis-ohne-refinement.webp" alt="Ergebnis vor dem Refinement: Mann im Leinenhemd im italienischen Hafenort, die Uhr am Handgelenk weicht im Detail vom Original ab"><span class="ai-kennzeichnung" role="img" aria-label="KI-generiertes Bild" title="KI-generiertes Bild">AI</span></span>
<span class="ki-bild"><img src="./ergebnis-mit-refinement.webp" alt="Ergebnis nach dem Refinement: dieselbe Szene, die Uhr ist im Detail deutlich näher am Originalprodukt"><span class="ai-kennzeichnung" role="img" aria-label="KI-generiertes Bild" title="KI-generiertes Bild">AI</span></span>
<figcaption>Links vorher, das Bild direkt aus dem ersten Durchgang. Rechts nachher, die Uhr nach dem zweiten Durchgang. Beide KI-generiert.</figcaption>
</figure>

Noch deutlicher wird es im Ausschnitt. Zieht den Regler hin und her:

<figure data-vergleich>
<div class="vergleich">
<img src="./uhr-nachher.webp" alt="Ausschnitt nach dem Refinement: Die Uhr am Handgelenk mit Datumsfenster, Lünettenzahlen und Milanaise-Armband wie im Produktfoto">
<img src="./uhr-vorher.webp" alt="Ausschnitt vor dem Refinement: Die Uhr am Handgelenk mit abweichendem Zifferblatt, anderer Lünette und seitlichen Drückern">
<span class="vergleich__label vergleich__label--vorher">Vorher</span>
<span class="vergleich__label vergleich__label--nachher">Nachher</span>
<input type="range" min="0" max="100" value="58" aria-label="Regler zwischen Vorher und Nachher">
</div>
<figcaption>Vorher und Nachher im Detail: Zifferblatt, Lünette und Armband. KI-generiert.</figcaption>
</figure>

## 4. Hardware und Geschwindigkeit

Ganz ohne ist das Modell nicht. 33 Milliarden Parameter plus Text-Encoder ergeben einen Speicherbedarf von 36 bis 44 GB VRAM. Das läuft nicht auf dem Laptop.

Zur Einordnung: Auf einer RTX 6000 Ada braucht ein 4K-Bild bei mir etwa 3 Minuten. Und das ist noch komplett unoptimiert.

Wer weniger Grafikspeicher hat, kann auf quantisierte Versionen des Modells ausweichen. Die brauchen deutlich weniger VRAM, meist auf Kosten von etwas Qualität.

## 5. Der Haken: die Lizenz

Open Weight heißt nicht automatisch frei nutzbar. Und bei H3-Image steckt der wichtigste Punkt im Kleingedruckten.

Die MiniMax-H3-Image Community License gilt nur außerhalb bestimmter Länder. Ausgeschlossen sind ausgerechnet:

- die Europäische Union
- Großbritannien
- Südkorea
- die USA

Und das gilt ausdrücklich auch für die generierten Bilder. Dazu kommen zwei weitere Bedingungen: Ab einem Jahresumsatz von 1 Million US-Dollar braucht ihr eine schriftliche Freigabe von MiniMax. Und wer das Modell als Dienst für andere anbietet, etwa über eine API oder eine Web-Oberfläche, braucht sie ebenfalls.

Für uns in Deutschland heißt das: Ohne gesonderte Lizenz von MiniMax geht es nicht. Die lässt sich über die Lizenzseite von MiniMax beantragen. Wir haben unsere Lizenz für FLAIC und für Kundenprojekte beantragt und halten euch auf dem Laufenden.

*Hinweis: Das ist keine Rechtsberatung. Lest den Lizenztext selbst und klärt die Nutzung für euren Fall, bevor ihr das Modell produktiv einsetzt.*

## 6. Für wen sich das lohnt

Lokale Bild-KI mit H3-Image ist vor allem dann interessant, wenn Referenzbilder das Haus nicht verlassen dürfen:

- Unternehmen mit Produkten, die noch nicht veröffentlicht sind
- Marken, die mit Fotos von echten Mitarbeitenden arbeiten
- Agenturen, die vertrauliches Material ihrer Kunden verarbeiten
- Branchen mit besonders strengen Vorgaben zum Datenschutz

Wer dagegen nur gelegentlich ein Bild braucht und keine sensiblen Referenzen hochlädt, ist mit den Cloud-Modellen weiterhin gut bedient. Der Aufwand für Hardware und Setup lohnt sich erst, wenn Datenschutz oder Geheimhaltung wirklich eine Rolle spielen.

## Fazit

MiniMax H3-Image ist für mich der bisher größte Schritt hin zu einer Bild-KI, die mit Nano Banana und GPT Image mithalten kann und trotzdem komplett lokal läuft. Für alle, die mit sensiblen Bilddaten arbeiten, ist das eine echte Chance.

Auf Basis von H3-Image habe ich deshalb unsere FLAIC-Pipeline neu entwickelt, damit wir sie künftig datenschutzkonform anbieten können.

Aber: Lest vorher das Kleingedruckte. Ohne passende Lizenz ist das schönste lokale Setup in der EU nicht nutzbar.

**Quellen**

- [MiniMax-H3-Image auf GitHub (Modellkarte und Lizenz)](https://github.com/MiniMax-AI/MiniMax-H3-Image)
- [CASRAI: MiniMax H3-Image licence – US, EU, UK excluded](https://casrai.org/news/minimax-h3-image-model-release-2026)
