Fine-Tuning (Feinjustierung)
Kategorie: KI-Grundlagen
Nachtrainieren eines vortrainierten Modells auf eigene Daten — passt Sprachstil, Wissen oder Format an.
Definition
Fine-Tuning ist das gezielte Nachtrainieren eines bereits vortrainierten Sprachmodells mit unternehmensspezifischen Daten. Ziel ist es, dem Modell einen bestimmten Sprachstil, ein Spezialvokabular oder ein bestimmtes Antwortformat dauerhaft beizubringen.
Bedeutung im Unternehmenskontext
Fine-Tuning ist nicht das richtige Werkzeug, um einem Modell aktuelles Faktenwissen beizubringen — dafür ist Retrieval-Augmented Generation besser geeignet. Sinnvoll wird es bei wiederkehrenden Mustern: standardisierte Antwortformate, branchenspezifischer Tonfall, sehr enge Klassifikationsaufgaben oder spezielle Fachsprache (Recht, Medizin, Maschinenbau). Praktisch erfordert Fine-Tuning eine sorgfältig kuratierte Datensammlung mit hunderten bis tausenden Beispielen sowie GPU-Ressourcen. Eine schlanke Variante ist LoRA (Low-Rank Adaptation), bei der nur kleine zusätzliche Parameter trainiert werden — deutlich günstiger und schneller als Full Fine-Tuning, mit ähnlicher Qualität für viele Anwendungsfälle.
