KI-Modelle auf Ihre Daten trainieren
Wir trainieren KI-Modelle auf Ihre Daten, wenn ein Standardmodell nicht genau genug ist: bei Fachsprache, bei sehr ähnlichen Objekten oder einem festen Ausgabeformat. Gemeinsam legen wir vorher fest, woran wir den Erfolg messen.
- Einstieg
- Machbarkeits-Sprint, Festpreis ab 4.999 €
- Betrieb
- on premise oder in der EU
- Gemessen
- gegen das Standardmodell, am selben Testset
Braucht man dafür wirklich ein eigenes Modell?
Wer ein eigenes KI-Modell trainieren lassen will, hört oft: Das braucht es gar nicht. Oft stimmt das. Viele Aufgaben löst ein gutes Sprachmodell mit klaren Anweisungen und einer Wissensbasis aus Ihren Dokumenten. Das ist schneller und günstiger, und wenn es reicht, sagen wir Ihnen das.
Ein eigenes Modell lohnt sich, wenn das Standardmodell an seine Grenze kommt: wenn es fast gleiche Objekte verwechselt, Ihre Fachbegriffe nicht sicher trennt oder ein Format nicht zuverlässig einhält. Dann trainieren wir es auf Ihre Daten und zeigen an Zahlen, ob es besser geworden ist.
Fine-Tuning oder RAG?
Drei Wege, ein Modell an Ihr Unternehmen anzupassen. Sie schließen sich nicht aus.
| Weg | Was passiert | Passt, wenn |
|---|---|---|
| Prompting | Das Modell bekommt genaue Anweisungen und Beispiele mit jeder Anfrage. | die Aufgabe klar ist und das Modell das Wissen schon hat |
| RAG | Das Modell sucht vor jeder Antwort passende Stellen in Ihren Dokumenten und stützt sich darauf. | das Wissen in Ihren Dokumenten steckt und sich oft ändertWissensdatenbank mit RAG |
| Fine-Tuning | Das Modell wird mit Ihren Daten nachtrainiert und lernt eine Aufgabe, eine Fachsprache oder ein Format. | das Modell etwas können soll, das es mit Anweisungen und Dokumenten nicht sicher schafft |
Häufig ist die Antwort eine Kombination: RAG für das Wissen, ein angepasstes Modell für die Aufgabe. Welche, prüfen wir im Machbarkeits-Sprint an Ihren Daten.
Welche Modelle passen wir an?
Bildmodelle
Ein vortrainiertes Bildmodell bleibt, wie es ist. Ein kleiner Zusatz, der Kopf, lernt auf Ihren Daten die feinen Unterschiede. Das Training dauert Sekunden, der Betrieb läuft auf normalen Prozessoren.
Sprachmodelle mit LoRA
Mit LoRA, also dem Nachtrainieren weniger Zusatzgewichte statt des ganzen Modells, passen wir offene Sprachmodelle an Ihre Fachsprache oder ein festes Ausgabeformat an. Das braucht deutlich weniger Rechenleistung als ein vollständiges Training.
Embedding-Modelle
Für Suche und RAG trainieren wir die Modelle, die Texte oder Bilder in Vektoren übersetzen, damit Ihre Fachbegriffe richtig zueinander finden.
Woran sehen wir, dass es besser ist?
- Was soll das Modell besser können als heute?
- An welchen Beispielen prüfen wir das?
- Ab welchem Wert lohnt sich der Betrieb?
Vor dem Training legen wir gemeinsam ein Testset aus Ihren Daten fest und messen das Standardmodell daran. Danach messen wir das angepasste Modell am selben Testset, über mehrere Läufe gemittelt, weil einzelne Läufe schwanken. Sie sehen beide Zahlen nebeneinander.
Hat das schon funktioniert?
In einem großen Katalog von Sammlerobjekten hat ein zugekauftes Modell fast gleiche Teile verwechselt. Das eigene Modell trifft beim ersten Versuch deutlich öfter, auch bei Objekten, die im Training nie vorkamen. Den größten Sprung brachte am Ende eine korrigierte Schwelle, kein neues Modell.
Gemessen im Kundenprojekt aus der Fallstudie: gleicher Testaufbau, drei Verfahren. Angegeben ist die Trefferquote, also der Anteil der Fälle, in denen die richtige Zuordnung unter den ersten 1, 5 oder 12 Treffern liegt.
| Verfahren | Top-1 | Top-5 | Top-12 |
|---|---|---|---|
| Standard-API für Embeddings | 0,30 | 0,54 | 0,66 |
| Basismodell ohne Training | 0,39 | 0,62 | 0,73 |
| Basismodell mit eigenem Kopf | 0,53 | 0,75 | 0,84 |
Auf Objekten, die im Training nie vorkamen, stieg Top-12 auf 0,93. Das Modell hat also keine Beispiele auswendig gelernt, sondern gelernt, worin sich die Teile unterscheiden.
Was tun, wenn OpenAI-Fine-Tuning wegfällt?
OpenAI beendet das Fine-Tuning zum Selbstbedienen. Neue Organisationen können seit dem 7. Mai 2026 keine Trainingsjobs mehr anlegen. Bestehende Kunden können ab dem 6. Januar 2027 keine neuen Jobs mehr starten. Bereits trainierte Modelle laufen weiter, bis ihr Basismodell eingestellt wird.
Wer weiter eigene Modelle braucht, trainiert künftig auf offenen Modellen (Open-Weight, etwa Llama oder Mistral). Gemeinsam übertragen wir Ihre Trainingsdaten, trainieren ein offenes Modell und messen es am selben Testset gegen Ihr bisheriges Modell. Es läuft danach bei Ihnen oder in der EU, unabhängig von einem Anbieter.
Stand: September 2026. Quelle: OpenAI, Deprecations (developers.openai.com/api/docs/deprecations)
Wo läuft das Modell?
Das hängt von der Aufgabe ab. Bildmodelle wie in unserer Fallstudie laufen oft schon auf normalen Prozessoren. Größere Sprachmodelle brauchen Grafikkarten. Beides betreiben wir in Ihrem Rechenzentrum oder in der EU, und die Daten verlassen den vereinbarten Rahmen nicht.
Machbarkeits-Sprint (PoC)
- Testset gemeinsam mit Ihnen festgelegt
- Ein erster trainierter Stand, am selben Maßstab gemessen wie das Standardmodell
- Danach wissen Sie, ob sich Training und Betrieb lohnen und was sie kosten
ab 4.999 €
Festpreis zzgl. USt., Stand: September 2026
Machbarkeits-Sprint anfragenZum Machbarkeits-SprintHäufige Fragen
Wann lohnt sich Fine-Tuning statt RAG?
Wenn das Modell etwas können soll, das es mit Anweisungen und Dokumenten nicht sicher schafft: fast gleiche Objekte unterscheiden, eine Fachsprache sicher trennen oder ein festes Format einhalten. Steckt das nötige Wissen in Ihren Dokumenten, reicht oft RAG.
Wie viele Trainingsdaten braucht man?
Weniger, als oft angenommen. In unserer Fallstudie brachten mehr Trainingsdaten keine bessere Qualität. Entscheidend sind saubere Beispiele und ein Testset, an dem man misst. Die Beschriftungen lassen sich oft aus vorhandenen Metadaten gewinnen.
Was kostet es?
Das hängt vom Modell und von der Datenlage ab. Der übliche Einstieg ist der Machbarkeits-Sprint zum Festpreis ab 4.999 €: Danach wissen Sie, ob ein eigenes Modell messbar besser ist und was Training und Betrieb kosten.
Kann das Modell bei uns laufen?
Ja. Training und Betrieb sind in Ihrem Rechenzentrum oder in der EU möglich. Kleinere Modelle laufen oft ohne Grafikkarte.
Was tun, wenn OpenAI-Fine-Tuning wegfällt?
Ab dem 6. Januar 2027 können auch bestehende OpenAI-Kunden keine neuen Trainingsjobs mehr anlegen. Wir übertragen Ihre Trainingsdaten auf ein offenes Modell und messen es gegen Ihr bisheriges. Danach sind Sie nicht mehr von einem Anbieter abhängig.
Welche Aufgabe soll Ihr Modell besser können?
30 Minuten mit Daniel Neumann, kostenlos, per Video. Wir sprechen über Ihr Vorhaben und geben Ihnen Feedback, wie wir es lösen würden.
Nächste freie Termine mit Daniel