Kinact
Zurück zum Glossar

Modelle & LLMs

Fine-Tuning

Nachtraining eines vortrainierten Modells auf eigenen Daten, um Stil oder Aufgabe zu spezialisieren.

Beim Fine-Tuning wird ein Basis-LLM mit kuratierten Beispielen weitertrainiert, sodass es Stil, Format oder Domäne der eigenen Anwendung übernimmt. Heute meist als LoRA / QLoRA umgesetzt — nur ein kleiner Adapter wird trainiert, das Basismodell bleibt eingefroren. Das spart Compute drastisch. Fine-Tuning lohnt selten für Wissens-Vermittlung (dafür ist RAG besser), wohl aber für konsistenten Output (z.B. JSON-Strukturen, Tonalität, Klassifikations-Kategorien) oder Latenz-Optimierung bei kleinen Modellen.

Verwandte Begriffe

LLM (Large Language Model)RAG (Retrieval-Augmented Generation)

Fine-Tuning im eigenen Unternehmen einsetzen?

Wir matchen Sie mit einem Senior-Berater, der genau das schon produktiv gebaut hat.

Projekt starten