Glossar

Fine-Tuning

Fine-Tuning ist das Nachtrainieren eines vorhandenen Modells mit eigenen Beispielen, um Stil, Format oder Fachsprache anzupassen. Es verändert das Modell selbst — und ist deshalb der falsche Weg, um aktuelles Wissen einzubringen: Was heute nachtrainiert wurde, ist bei der nächsten Dokumentenänderung wieder veraltet. Für Unternehmensinhalte ist RAG fast immer die richtige Wahl.

Wofür lohnt sich Fine-Tuning tatsächlich?

Für Form statt Inhalt: ein bestimmtes Ausgabeformat, ein Hausstil, eine Fachsprache mit eigenen Konventionen, eine wiederkehrende Klassifikationsaufgabe mit klaren Kategorien. Immer dann, wenn die Aufgabe stabil ist und die richtige Antwort nicht von sich ändernden Dokumenten abhängt.

Der praktische Test: Ändert sich die richtige Antwort, wenn ein Dokument aktualisiert wird? Wenn ja, ist Fine-Tuning das falsche Werkzeug — egal wie gut es im ersten Test aussieht.

Warum wird es trotzdem so oft vorgeschlagen?

Weil es nach der gründlicheren Lösung klingt: das Modell «lernt unser Unternehmen». Tatsächlich lernt es Muster, nicht Fakten — und es kann anschließend nicht sagen, woher eine Aussage stammt.

Genau das ist der Ausschlussgrund für regulierte Bereiche. Ein nachtrainiertes Modell antwortet aus dem Gedächtnis, ohne Fundstelle. Damit fehlt die Eigenschaft, die eine Antwort im Prüfungsfall überhaupt erst brauchbar macht.

Was kostet es wirklich?

Nicht nur den einmaligen Trainingslauf, sondern die Wiederholung. Jede nennenswerte Änderung der Inhalte bedeutet neues Training, neue Bewertung, neue Freigabe — ein dauerhafter Posten, der in Erstangeboten selten auftaucht.

Dazu kommt die Bindung: Ein nachtrainiertes Modell lässt sich nicht ohne Weiteres gegen ein anderes tauschen. Was als Qualitätsmaßnahme beginnt, wird zu einem Wechselhindernis.

Wovon ist das zu unterscheiden?

RAG

RAG lässt das Modell unverändert und schlägt im aktuellen Bestand nach. Fine-Tuning verändert das Modell. Die Faustregel: Wissen über RAG, Verhalten über Fine-Tuning.

Prompt

Vieles, wofür Fine-Tuning vorgeschlagen wird, lässt sich über klare Anweisungen und Beispiele im Prompt erreichen — ohne Trainingslauf, ohne Bindung und mit sofort sichtbarem Ergebnis.

Häufige Fragen

Können wir unser eigenes Modell trainieren lassen?+

Technisch ja. Die brauchbarere Frage ist, ob Sie es wollen: Ein eigenes Modell bindet Sie an eine Momentaufnahme und muss bei jeder inhaltlichen Änderung nachgeführt werden. Für fast alle Unternehmensanwendungen ist der Bestand das, was gepflegt gehört — nicht das Modell.

Wie viele Beispiele braucht Fine-Tuning?+

Für Format- und Stilaufgaben oft einige hundert saubere Beispiele. Der Aufwand liegt nicht im Training, sondern im Erstellen und Prüfen dieser Beispiele — und diese Arbeit fällt bei jeder Wiederholung erneut an.

Verlassen unsere Daten dabei das Haus?+

Beim Training werden die Beispieldaten verarbeitet — wo das geschieht, ist dieselbe Frage wie bei der Inferenz und gehört genauso geklärt. Bei einem externen Anbieter kommt hinzu, ob das Ergebnis exklusiv Ihnen gehört.

Am eigenen Dokument statt an Definitionen

Begriffe helfen bei der Einordnung, nicht bei der Entscheidung. Schicken Sie uns ein typisches Dokument und drei Fragen dazu — Sie sehen das Ergebnis an Ihrem eigenen Material, bevor über Budget gesprochen wird.

Test anfragen