remove.bg macht dicht: Sieben Gratis-Freisteller für den eigenen Rechner im Lizenz-Check

Darum geht es

Am 1. Dezember 2026 um 9 Uhr MEZ ist remove.bg Geschichte. Laut der offiziellen FAQ, wie sie mehrere Seiten wörtlich zitieren, ist die Website ab dann nicht mehr erreichbar. Die Self-Serve-API zieht laut der API-Seite von remove.bg zu Leonardo.Ai um, das wie remove.bg zu Canva gehört. Nicht verbrauchte Pay-as-you-go-Guthaben verfallen am selben Tag, laut den Nutzungsbedingungen ohne Erstattung. Für Jahresabos soll es eine anteilige Rückzahlung geben. Rechnungen und Nutzungsberichte solltest du vorher im Konto herunterladen, danach geht das nicht mehr. Enterprise-Verträge sind laut FAQ nicht betroffen.

Wir haben eine einfache Frage gestellt: Was kann man kostenlos auf dem eigenen Rechner laufen lassen, und was darf man damit gewerblich machen? Eine wichtige Einschränkung vorweg: Wir haben keine eigenen Messungen durchgeführt. Wir haben veröffentlichte Benchmarks, unabhängige Praxistests und die Lizenztexte der Modelle ausgewertet und nachgerechnet. Wo Zahlen nur vom Hersteller stammen, sagen wir das dazu.

Was der Umzug kostet

Wer bleibt, zahlt drauf oder bekommt weniger. Die Migrationsanleitung von Leonardo.Ai nennt 0,1047 US-Dollar pro Bild. Für 1.000 Produktfotos im Monat sind das rund 105 Dollar. Zum Vergleich nennt ein Bericht auf dev.to für remove.bg etwa 9 Dollar im Monat für 40 Bilder, also gut 22 Cent pro Bild. Leonardo ist pro Bild also billiger. Dafür brauchst du ein neues Konto und einen neuen Schlüssel, und dein Code muss umgebaut werden: Die Anmeldung läuft über ein Bearer-Token statt über den Header X-Api-Key, und die Antwort kommt als JSON statt als Bilddatei. Ergebnisse landen standardmäßig in der Leonardo-Bibliothek, es sei denn, man setzt ephemeral: true.

Wer über die Website gearbeitet hat, landet bei Canva. Dort ist das Freistellen im Editor laut Canva-Hilfe auf Fotos unter 9 MB beschränkt. Bilder über 10 Megapixel werden nach dem Freistellen verkleinert. Nachgerechnet heißt das: Ein 24-Megapixel-Foto (6000×4000) kommt mit rund 3870×2580 Pixeln zurück. Mehrere Quellen nennen das Werkzeug zudem eine Funktion der bezahlten Tarife.

Die Kandidaten und ihre Lizenzen

Fast alle ernsthaften offenen Freisteller bauen auf BiRefNet auf, einem Modell für „dichotome Bildsegmentierung“: Jedes Pixel wird entweder dem Motiv oder dem Hintergrund zugeordnet, auch bei hoher Auflösung. Die meisten Varianten erzeugen trotzdem eine weiche Alpha-Maske, also eine Transparenzkarte mit Zwischenstufen.

Drei Punkte fallen beim Lesen der Lizenzen auf.

Die rembg-Falle. Das beliebte Kommandozeilen-Werkzeug rembg ist selbst MIT-lizenziert. Seit einem Commit vom 17. August 2026 („make bria-rmbg the default model“) ist das Standardmodell aber RMBG-2.0. Im Quellcode steht new_session(model_name: str = "bria-rmbg"). Wer also einfach rembg i foto.jpg foto.png tippt, nutzt ein Modell, das laut Model Card nur „for non-commercial use“ freigegeben ist. Die README weist selbst darauf hin, ältere Anleitungen und Tests nennen aber noch u2net als Standard. Für Shops heißt das: Immer -m birefnet-general oder -m isnet-general-use angeben. Außerdem hat rembg inzwischen zwei Cloud-Backends (withoutbg und atlascloud). Wer sie auswählt, schickt seine Bilder doch wieder ins Netz.

withoutbg ist nicht „einfach Apache“. Die Model Card nennt eine eigene „withoutBG Open Weights“-Lizenz. Die Bestandteile aus Metas DINOv3, einem vortrainierten Bildverständnis-Modell, das hier als Rückgrat dient, unterliegen der DINOv3-Lizenz. Die schließt gewerbliche Nutzung nicht aus. Sie verbietet aber unter anderem militärische Zwecke, verpflichtet dazu, die Lizenz bei Weitergabe beizulegen, und Meta darf sie bei Verstößen kündigen. Für Entwickler, die das Modell in eigene Produkte einbauen, ist das deutlich mehr Papierkram als bei MIT. Die Bildkanten-Nachbearbeitung (Edge Refiner) gibt es nur in der Cloud-API.

Die Grauzone Trainingsdaten. Auch MIT-Gewichte wurden oft mit Datensätzen trainiert, die nur für die Forschung freigegeben sind. Die Lucida-README sagt das offen über DIS5K, COD10K oder P3M-10k und schreibt: „Gewerbliche Nutzer sollten ihre eigene Einschätzung vornehmen.“ Ob das die Gewichte rechtlich „ansteckt“, ist ungeklärt. Wir sind keine Juristen.

Was die Tests zu Haaren, Glas, Speichen und Text sagen

Den einzigen öffentlichen Benchmark mit getrennten Kategorien liefert Lucida. Das ist eine MIT-lizenzierte Feinabstimmung von BiRefNet-HR, also ein auf Spezialfälle nachtrainiertes BiRefNet. Gemessen wird der mittlere Fehler gegenüber einer von Hand erstellten Alpha-Maske (MAE, kleiner ist besser), über 203 Bilder. Achtung: Der Benchmark stammt vom Lucida-Autor selbst.

Nachgerechnet liegt das freie BiRefNet-HR insgesamt rund 14 Prozent vor dem nicht-kommerziellen RMBG-2.0. Bei Haaren sind beide praktisch gleichauf.

Haare: Hier widersprechen sich die Praxistests. Ein ComfyUI-Test auf Medium sah BiRefNet-HR vorn, der Autor bevorzugt aber BEN2. Invideo nennt BEN2 als Spitzenreiter, Fuser lobt RMBG-2.0 bei Gegenlicht-Locken. Ein CPU-Test auf dev.to mit der kleinen BiRefNet-Variante (Swin-Tiny) verlor feine Einzelhaare und ließ blaue Farbsäume vom alten Hintergrund stehen. Gegen solche Säume hat rembg inzwischen die Option -dc zur Farbbereinigung.

Glas: Das ist die Schwachstelle aller Modelle. Fuser stellte fest, dass RMBG-2.0 eine Parfümflasche zwar vollständig behält, das Glas aber wie einen festen Körper behandelt: Der Café-Hintergrund scheint auf neuem Untergrund weiter durch. Im Test von aireiter überlebte ein Eisteeglas bei BiRefNet und ISNet, u2net löschte Glas und Hand. „Behalten“ heißt also noch nicht „richtig durchsichtig“.

Speichen und Gitter: Ein öffentliches Issue im Browser-Projekt nukebg nutzt ausgerechnet Motorradspeichen als Prüfstein. Die kleinen INT8-Exporte von BiRefNet-lite, also auf 8-Bit-Ganzzahlen verkleinerte Versionen, zeigen dort einen ungelösten „Sägezahn“-Fehler. ISNet und MVANet sollen erst noch getestet werden.

Produkte: Mit u2net auf der CPU kam ein Schuh im dev.to-Test sauber heraus, nach 8,2 Sekunden in voller Auflösung. Bei Fuser verlor rembg dagegen den goldenen Verschluss einer Flasche komplett.

Text-Screenshots: Dazu haben wir keinen einzigen Test gefunden. Unsere Einschätzung: Bei Screenshots mit einfarbigem Hintergrund ist ein klassischer Zauberstab meist zuverlässiger als ein Segmentierungsmodell, das auf Fotos trainiert wurde.

FeyNoBg: stark auf dem Papier, unabhängig ungeprüft

FeyNoBg von Feyn erschien Ende Juli 2026. Es ist ein BiRefNet mit tieferer dritter Stufe (24 statt 18 Blöcke, 263 statt 222 Mio. Parameter) und steht unter Apache 2.0. Laut Hersteller erreicht es zum Beispiel ein S-Measure (ein Maß für die Formtreue der Maske) von 0,961 auf DIS5K und 0,981 auf UHRSD-TE. Auf CAMO-TE liegt es 1,9 Prozent hinter BiRefNet. Verglichen wird allerdings mit den „besten veröffentlichten“ Werten aus fremden Papern, nicht in einem einheitlichen eigenen Lauf. Feyn räumt selbst ein, dass die Matting-Daten zu harten Schwarz-Weiß-Masken umgewandelt wurden. Das Modell hat also keine weichen Transparenzwerte gelernt, was bei Glas und Haaren kritisch sein kann. Kompozy, ein Konkurrent, der das offenlegt, bewertet FeyNoBg als „bestes Matting-Modell zum Selbsthosten, aber kein fertiges Produkt“. Es gibt keine Kommandozeile, nur Python über das Paket nobg. Das Plugin ComfyUI-RMBG unterstützt FeyNoBg seit Version 3.3.0 vom 20. Oktober 2026.

Tempo: CPU oder Grafikkarte

• GPU: BiRefNet braucht laut Entwickler bei 1024×1024 Pixeln in FP16 etwa 3,5 GB Grafikspeicher und 57,7 ms pro Bild auf einer RTX 4090. Feyn misst für seine Bibliothek rund 3 GB Spitzenbedarf und 878 ms pro Bild, gibt die Hardware aber nicht an.
• CPU: BiRefNet Swin-Tiny brauchte auf einem M1 Max im Schnitt 4,3 Sekunden. BiRefNet-general über rembg kam bei aireiter auf 15,2 Sekunden, ISNet auf 1,1 und u2net auf 0,4 Sekunden. Nachgerechnet dauern 40 Produktfotos mit BiRefNet auf der CPU also rund 10 Minuten. Für gelegentliche Stapel reicht das, für Tausende Bilder nicht.

Die eingebauten Werkzeuge im Betriebssystem

macOS kann Hintergründe in Vorschau über „Werkzeuge → Hintergrund entfernen“, per Schnellaktion im Finder und mit „Motiv freistellen“ entfernen, laut MacMost per On-Device-Machine-Learning. Windows 11 bietet einen Ein-Klick-Freisteller in Paint und in der Fotos-App. Ob die Verarbeitung lokal läuft, geht aus unseren Quellen nicht hervor. Samsung-Galaxy-Geräte haben den Image Clipper. Google Fotos für Android erstellt seit Anfang 2026 Sticker, laut Berichten per On-Device-Machine-Learning und ab 4 GB RAM. Alle diese Werkzeuge kosten nichts und stellen Einzelbilder bequem frei. Stapelverarbeitung, Auflösungskontrolle und Feinschliff an den Kanten fehlen weitgehend. Laut MacMost erwischt Vorschau oft etwas zu viel Hintergrund.

Unser Fazit

Unsere Einschätzung: Für die meisten Shops ist BiRefNet der naheliegende Ersatz. Es ist frei lizenziert, ohne Umwege über rembg erreichbar, und im einzigen Kategorie-Benchmark liegt es insgesamt vor RMBG-2.0. Die größte Gefahr ist nicht die Qualität, sondern die Bequemlichkeit: Wer rembg ohne -m aufruft, nutzt seit August ein nicht-kommerzielles Modell. Offen bleibt, ob FeyNoBg seine Herstellerzahlen in unabhängigen Tests hält. Ehrlich gesagt hat kein Modell das Glasproblem gelöst. Bei Flaschen und Gläsern bleibt Handarbeit nötig, egal ob lokal oder in der Cloud.