Feintuning ist kein Ersatz für RAG – sondern etwas anderes
Feintuning bedeutet, ein bestehendes Sprachmodell mit eigenen Beispielen nachzutrainieren, bis es sich das gewünschte Verhalten „angewöhnt“. Anders als RAG geht es dabei nicht darum, dem Modell Wissen nachzuliefern, sondern ihm eine bestimmte Arbeitsweise beizubringen.
Die drei Fälle, in denen Feintuning wirklich hilft
Fester Stil oder festes Format
Antworten sollen zuverlässig in einem bestimmten Tonfall oder Format ausfallen – etwa immer als strukturierte Antwort in festem Aufbau statt als freier Fließtext.
Spezialisierter Fachjargon
Ein sehr enges Fachgebiet mit eigener Terminologie, bei dem Prompting allein an Grenzen stößt.
Sehr hohes Anfragevolumen mit engem Muster
Bei Millionen gleichartiger Anfragen kann ein kleineres, feingetuntes Modell günstiger und schneller sein als ein großes Modell mit langem RAG-Kontext bei jeder einzelnen Anfrage.
Wo Feintuning NICHT die Antwort ist
„Die AI soll unser Firmenwissen kennen“ ist mit Feintuning fast immer die falsche, weil zu teure und zu starre Lösung (siehe Modul 15): Neues Wissen bedeutet erneutes Training, und das Modell „vergisst“ nicht selektiv, was veraltet ist.
Warum das für dich als Entscheider zählt
Wenn ein Anbieter Feintuning vorschlägt, lohnt zuerst die Frage: Geht es um Wissen (dann RAG) oder um Stil, Format oder sehr hohes, standardisiertes Volumen (dann eventuell Feintuning)? Diese Verwechslung kostet in der Praxis am häufigsten Zeit und Budget.