Fine-Tuning

Fine-Tuning beschreibt die Anpassung eines bereits trainierten Modells an spezielle Aufgaben, Branchen oder Inhalte. Dabei wird vorhandenes Wissen nicht von Grund auf neu aufgebaut, sondern gezielt weiterentwickelt.

Wann Fine-Tuning sinnvoll ist

Es eignet sich vor allem dann, wenn ein Modell dauerhaft bestimmte Anforderungen erfüllen soll, etwa eine besondere Fachsprache, feste Aufgabenlogik oder unternehmensspezifische Muster.

Abgrenzung zu Prompting und RAG

Im Unterschied zum Prompting verändert Fine-Tuning das Modell selbst. Anders als bei RAG werden Informationen nicht nur bei der Anfrage hinzugezogen, sondern als dauerhafte Spezialisierung in das Modell eingebunden.

KI-Glossar