Technik
Fine-Tuning
Nachtraining eines bestehenden KI-Modells auf spezifischen Daten für einen bestimmten Einsatzbereich
Fine-Tuning bedeutet ein vortrainiertes Modell mit einem kleineren, spezifischen Datensatz weiter zu trainieren. Das Modell behält sein allgemeines Wissen, passt sich aber an die neuen Daten an.
Wann sinnvoll?
- Spezifischer Schreibstil oder Ton (z.B. immer “Du”-Form)
- Fachspezifisches Vokabular (Medizin, Recht, Technik)
- Bestimmte Ausgabeformate (immer JSON, immer mit bestimmter Struktur)
- Wenn Prompt Engineering nicht ausreicht
Alternativen
Für viele Anwendungsfälle ist RAG günstiger und flexibler als Fine-Tuning — besonders wenn sich die Daten häufig ändern. Fine-Tuning lohnt sich vor allem für Stil und Format, nicht für aktuelles Faktenwissen.