Update Pipeline-Orchestrator.py

Pipeline-Orchestrator.py

@@ -13,11 +13,10 @@
 # optimieren die Eingabe, Parallel-Pipelines erzeugen Varianten in Stil oder Auflösung, und Post-Processing-Pipelines wie Quality-Assessment,
 # Upscaling oder Artifact-Removal sichern die finale Bildqualität.
 
-# Eine Umstellung auf andere Stable Diffusion-Modelle (z. B. SDXL, Flux, SD 3.5, Wan 2.2) erfordert in der Regel spezifische Pipeline-Anpassungen, 
+# Eine Umstellung auf andere Diffusionsmodelle (z. B. SDXL, Flux, Wan 2.2) erfordert in der Regel spezifische Pipeline-Anpassungen, 
 # da unterschiedliche Architekturen, Tokenizer, VAE-Modelle und Optimierungen mitwirken. Die Wahl des Basismodells sollte daher strategisch 
 # früh getroffen werden – auf Basis von Anforderungen an Qualität, Geschwindigkeit, Lizenzierung und Hardware-Kompatibilität –, da spätere 
-# Wechsel lange Abhängigkeiten (z. B. in ControlNet-Modulen, LoRAs, Embeddings) berühren und erhebliche Umstellungs- und Testkosten verursachen
-# können.
+# Wechsel lange Abhängigkeiten berühren und erhebliche Umstellungs- und Testkosten verursachen können.
 
 # Technische Updates zu Pipelines, Modellen und Breaking Changes werden kontinuierlich über die offiziellen Diffusers Releases auf GitHub 
 # https://github.com/huggingface/diffusers/releases veröffentlicht. Diese Quelle bietet Echtzeit-Transparenz, detaillierte Changelogs und