Feinjustierung (Fine-Tuning) Feinjustierung passt ein bereits trainiertes Modell mit eigenen Beispielen an eine bestimmte Aufgabe an. Verändert wird dabei das Verhalten – Tonfall, Ausgabeformat, Umgang mit Fachsprache –, nicht das Faktenwissen des Modells. Wer will, dass ein System die eigenen Unterlagen kennt, braucht Retrieval statt Feinjustierung.
Kurz-Fakten
Braucht meist einige hundert bis wenige tausend Beispielpaare
Sparsame Verfahren wie LoRA senken den Rechenaufwand erheblich
Ändert das Verhalten, nicht den Wissensstand
Muss nach jedem Wechsel des Grundmodells wiederholt werden
Bedeutung in der Praxis
Die Verwechslung von Verhalten und Wissen ist der häufigste teure Irrtum in KI-Projekten. Ein Modell, das mit Handbüchern feinjustiert wurde, gibt danach den Tonfall der Handbücher wieder – und erfindet die Inhalte trotzdem.
Vor jeder Feinjustierung lohnt der Test, ob Prompting und Retrieval nicht ausreichen. In den meisten Fällen tun sie es.
Inhaber von SEO NW in Bertingen. Arbeitet an der Schnittstelle von Suchmaschinenoptimierung und angewandter künstlicher Intelligenz: Prompt Engineering, Retrieval-Augmented Generation und die Frage, unter welchen Bedingungen ein Sprachmodell einen Inhalt übernimmt und der richtigen Quelle zuschreibt.