FLUX 3 von Black Forest Labs: Ein KI-Modell für Bild, Video, Audio und Roboteraktion

Am 23. Juli 2026 hat Black Forest Labs — das deutsche Labor hinter den weit verbreiteten FLUX-Bildmodellen — FLUX 3 veröffentlicht, und es ist nicht einfach ein weiterer Bildgenerator. FLUX 3 ist ein einziges multimodales Modell, das Bilder erzeugt, Videos von bis zu 20 Sekunden mit eigenem synchronisiertem Ton produziert und sogar die physischen Bewegungen eines Roboterarms vorhersagt — alles aus einem einzigen, einheitlichen Satz von Gewichten. Kurz gesagt: ein Modell, das die Arbeit von vier separaten Werkzeugen erledigt. Für jedes Unternehmen, das visuelle Inhalte erstellt oder den Aufstieg der physischen Automatisierung beobachtet, ist das ein Signal, das man genau lesen sollte.

Was an FLUX 3 wirklich neu ist

Frühere KI-Systeme waren Spezialisten: Ein Modell machte Bilder, ein anderes Videos, ein drittes erzeugte Sprache, und die Robotik lebte in einer völlig anderen Welt. FLUX 3 führt all das in einer einzigen Architektur zusammen, die Black Forest Labs gemeinsam auf Bildern, Video, Audio und Aktion trainiert hat. Das Unternehmen bezeichnet dies als "visuelle Intelligenz" — dieselbe Kernfähigkeit, die visuelle Welt zu verstehen und zu erzeugen, angewandt auf kreative Arbeit, Simulation, Computerbedienung und Robotik. Seine erklärte Wette lautet, in den Worten von CEO Robin Rombach, dass gemeinsames Training innerhalb einer einheitlichen Architektur jede Fähigkeit die anderen stärken lässt, statt vier voneinander getrennte Produkte zu bauen.

Videos bis zu 20 Sekunden — mit integriertem Ton

Das kreative Hauptmerkmal ist Video. FLUX 3 kann einen einzelnen Clip von bis zu 20 Sekunden mit nativem, synchronisiertem Ton erzeugen: Dialoge, Soundeffekte und Umgebungsgeräusche entstehen zusammen mit dem Bild und werden nicht nachträglich angefügt. Es unterstützt Text-zu-Video, Bild-zu-Video, Video-zu-Video-Bearbeitung und Keyframe-zu-Video und kann mehrere Einstellungen zu einer längeren Sequenz verketten. Ein ehrlicher Vorbehalt: Die eigenen Qualitätsvergleiche des Labors wurden mit kürzeren Clips von 10 Sekunden in 720p durchgeführt, und die bisherigen Benchmarks stammen vom Hersteller selbst, ohne unabhängige Rangliste — betrachten Sie die Zahlen also als vielversprechend, nicht als bewiesen.

Vom Bildschirm in die Fabrikhalle

Der überraschendste Teil der Ankündigung findet gar nicht auf einem Bildschirm statt. Zusammen mit FLUX 3 hat Black Forest Labs FLUX-mimic vorgestellt, ein Robotikmodell auf derselben Architektur, entwickelt gemeinsam mit dem Zürcher Unternehmen mimic robotics. Es wird bereits an echten Audi-Produktionslinien getestet und übernimmt dort die Handhabung "weicher Körper" — das Einsetzen flexibler Türdichtungen, den Umgang mit Kabeln und verformbaren Teilen —, also genau die Art feinfühliger Arbeit, an der starre Industrieroboter bisher gescheitert sind. Das Unternehmen gibt eine Reaktionszeit von rund 101 Millisekunden an. Die eigentliche Geschichte ist die Vorstellung, dass dieselbe Modellfamilie, die Ihr Marketingbild zeichnet, auch einen Roboterarm an einer Fertigungslinie führen kann: Generierung und Aktion werden zu einem einzigen Problem.

Was das für Ihr Unternehmen bedeutet

Es gibt zwei Horizonte, über die man nachdenken sollte. Der nahe ist Content. Ein Modell, das aus einem einzigen Prompt ein 20-sekündiges Produktvideo mit Sprecherstimme, Ton und markenkonformer Optik erzeugt, verdichtet eine Aufgabe, für die man früher einen Videografen, einen Cutter und einen Sounddesigner brauchte. Für den E-Commerce bedeutet das Produktclips, Anzeigen und Social-Media-Inhalte zu einem Bruchteil der heutigen Kosten und Zeit. Der fernere Horizont ist physisch: Wenn visuelle KI nun Roboter bei feinfühligen Montageaufgaben steuern kann, dann steuern Fertigung, Logistik und Lagerhaltung im Königreich — Sektoren, die für die industriellen Ambitionen der Vision 2030 zentral sind — auf eine ganz andere Kostenstruktur zu. Keiner der beiden Horizonte verlangt, dass Sie heute handeln, aber beide belohnen Unternehmen, die jetzt mit der Planung beginnen.

Bevor Sie sich mitreißen lassen: die Grenzen

FLUX 3 ist nichts, was Sie diese Woche einfach anschließen können. Zum Start sind nur FLUX 3 Video und Action live, und das ausschließlich über ein geschlossenes "Early Access"-Programm, bei dem Black Forest Labs jeden Fall einzeln freigibt. FLUX 3 Image ist "in den kommenden Wochen" angekündigt, und die Open-Weight-Version FLUX 3 Dev — die, die die meisten Teams selbst hosten könnten — ist für "später im Jahr 2026" geplant. Entscheidend: Es gibt noch keine öffentliche API, weder von Black Forest Labs noch von seinen Partnern, und es wurden keine Preise angekündigt. Die frühe Integration läuft über Kreativplattformen wie Canva, Krea, Magnific, Picsart und Burda, nicht über ein Anmeldeformular. Der richtige Schritt für die meisten Unternehmen ist daher, sich vorzubereiten — und Kunden keine FLUX-3-Funktion zu versprechen, auf die noch niemand zugreifen kann.

Die Sicht von Origami

Als Technologieunternehmen ist es nicht unsere Aufgabe, jeder Neuerscheinung hinterherzulaufen, sondern Ihnen zu sagen, welche davon verändern, was möglich ist — und diese gehört dazu. Wir beobachten FLUX 3 an zwei Fronten: als Content-Engine, die wir in Ihre Marketing- und E-Commerce-Pipelines einbinden können, sobald eine stabile API verfügbar ist, und als frühes Signal dafür, wohin sich die physische Automatisierung für Industriekunden entwickelt. Der praktische Schritt heute ist architektonisch: Bauen Sie Ihre Content- und Mediensysteme so, dass ein neues Modell hinter einer sauberen Schnittstelle ausgetauscht werden kann, statt einen einzelnen Anbieter fest zu verdrahten, den Sie später wieder herausreißen müssen. So können Sie FLUX 3 in Tagen statt Monaten übernehmen, sobald seine API öffnet.

Das Fazit

FLUX 3 ist ein echter Meilenstein: der Punkt, an dem Bild, Video, Audio und physische Aktion aufhören, getrennte KI-Probleme zu sein, und zu einem einzigen werden. Es ist noch früh, der Zugang ist beschränkt und es gibt keine Preise — also kein Grund zur Eile —, aber die Richtung ist klar. Gewinnen werden die Unternehmen, deren Systeme bereit sind, es am Tag der Öffnung anzuschließen, und die bereits verstehen, was ein einziges Modell, das zugleich vorstellt und handelt, für ihre Arbeit leisten könnte.

Quellen