Was das in der Praxis bedeutet
Ein Anzug von der Stange passt meistens ganz ordentlich. Soll er perfekt sitzen, gehen Sie zum Schneider, der ihn anpasst.
Genau das ist Fine-Tuning. Sie nehmen ein fertiges, leistungsfähiges LLM und zeigen ihm Tausende Beispiele aus Ihrem Unternehmen. Etwa fünftausend alte Kunden-E-Mails, damit es lernt, in welchem Ton Ihr Haus schreibt, welche Fachbegriffe Sie verwenden und wie Sie Antworten formatieren.
Warum Unternehmen das wissen sollten
Das häufigste Missverständnis, das uns in Geschäftsführungen begegnet, lautet: “Die KI soll unsere internen Richtlinien kennen, also müssen wir sie darauf trainieren.” Das ist ein Irrtum.
- Für Fakten nehmen Sie RAG. Wenn die KI Ihre Preise, Ihre Rückgabebedingungen oder den Inhalt des jüngsten Vertrags kennen soll, ist Fine-Tuning der falsche und teure Weg. Modelle lernen Fakten schlecht und verlernen sie noch schlechter, wenn sich diese Fakten ändern. Für Fakten und Dokumentensuche gibt es RAG.
- Für Stil und Ton nehmen Sie Fine-Tuning. Es ist ideal, wenn Sie ändern wollen, wie die KI spricht. Sind Sie eine Kanzlei und wollen Verträge in Ihrem eigenen juristischen Stil, ist Fine-Tuning auf Ihren alten Verträgen der richtige Weg.
- Kosten und Daten. Fine-Tuning ist nicht billig. Es braucht Hunderte oder Tausende gute Beispiele, einen sauberen Datensatz. Wer Unsinn hineingibt, bekommt ein Modell, das Unsinn produziert.
Ein Beispiel aus der Praxis
Ein E-Commerce-Unternehmen wollte Produktbeschreibungen in seinem eigenen, leicht frechen und witzigen Ton schreiben lassen.
Zuerst versuchte es lange Anweisungen, doch die KI klang weiterhin hölzern. Also nahm es tausend seiner besten vorhandenen Beschreibungen und machte damit Fine-Tuning auf einem kleineren, günstigeren Modell. Das Ergebnis: Das Modell lernte die genaue Stimme des Unternehmens und liefert heute Texte, die die Redaktion kaum noch anfassen muss.
In unseren KI-Workshops für Unternehmen helfen wir zu entscheiden, ob ein guter Prompt das Problem löst, ob es RAG für die Dokumentensuche braucht oder ob sich Fine-Tuning wirklich rechnet.