KI-Glossar › Grundlagen

Fine-Tuning

Ein fertiges Modell mit eigenen Beispielen nachschärfen – für Tonfall, Format oder Spezialaufgaben.

Beim Fine-Tuning wird ein bereits trainiertes Modell mit einer vergleichsweise kleinen Menge eigener Beispiele weitertrainiert. Es lernt dadurch einen bestimmten Stil, ein festes Ausgabeformat oder eine eng umrissene Aufgabe besser.

Fine-Tuning oder RAG?

Fine-Tuning verändert, wie ein Modell antwortet – Ton, Struktur, Verhalten.
RAG verändert, was ein Modell weiß – indem es bei jeder Anfrage aktuelle Dokumente bekommt.

Für Firmenwissen, das sich ständig ändert, ist RAG meist die bessere und günstigere Wahl. Fine-Tuning lohnt sich, wenn ein Verhalten sehr konstant und massenhaft gebraucht wird.

Hängt zusammen mit

RAG (Retrieval-Augmented Generation)

Die KI schlägt erst in passenden Dokumenten nach und antwortet dann – die Basis vieler Firmen-Chatbots.

Training & Inferenz

Einmal lernen, millionenfach anwenden – die zwei Phasen im Leben eines KI-Modells.

Open-Weight-Modell

Ein KI-Modell, dessen Gewichte frei herunterladbar sind – und das man selbst betreiben kann.