Fine-Tuning bezeichnet das Nachtrainieren eines bereits fertigen KI-Modells mit zusätzlichen, spezialisierten Daten. Man nimmt also ein grosses, allgemein trainiertes Modell und passt es gezielt an eine bestimmte Aufgabe, eine Branche oder einen Schreibstil an, ohne bei null anfangen zu müssen.
Das spart enorm viel Rechenaufwand gegenüber einem kompletten Training. Ein Unternehmen kann so etwa ein Modell auf den eigenen Fachjargon, auf juristische Texte oder auf den gewünschten Tonfall im Kundensupport trimmen. Fine-Tuning lohnt sich vor allem dann, wenn ein Verhalten immer wieder gleich gebraucht wird und sich mit blossen Prompts nicht zuverlässig erreichen lässt. Für viele Anwendungsfälle reichen aber gutes Prompting oder RAG bereits aus – Fine-Tuning ist der aufwendigere Weg.