Evaluierungsdatensatz
Gemeinsam mit Ihren Fachleuten stellen wir Beispiele mit bekanntem richtigen Ergebnis zusammen. Dieser Datensatz ist der Maßstab für jede Modellvariante und bleibt Ihr Eigentum.
KI-Modelle anpassenKI-Modelle anpassen
KI-Modelle anpassen
nur dort, wo es sich lohnt.
Wir passen Sprachmodelle an Ihre Aufgaben an, per Fine-Tuning, mit eigenen kleinen Modellen oder über Prompting und strukturierte Ausgaben. Welcher Weg passt, entscheidet die Messung.
Kostenlosen KI-Potenzial-Check buchen
45 Minuten, unverbindlich. Als Ergebnis eine konkrete Potenzial-Übersicht.
Worum es geht
KI-Modelle anpassen
Viele Anfragen zu Fine-Tuning lassen sich ohne Fine-Tuning lösen. Gutes Prompting, Zugriff auf Ihre Dokumente per Retrieval und fest definierte Ausgabeformate bringen ein vorhandenes Modell oft auf das nötige Niveau. Das ist schneller, günstiger und leichter zu pflegen.
Fine-Tuning lohnt sich in klaren Fällen: wenn ein kleineres Modell eine eng umrissene Aufgabe so gut erledigen soll wie ein großes, wenn ein festes Format oder eine Fachsprache verlässlich sitzen muss oder wenn hohe Stückzahlen die Kosten pro Vorgang drücken sollen.
Grundlage jeder Entscheidung ist ein Evaluierungsdatensatz aus Ihren echten Fällen. Damit vergleichen wir die Varianten und sehen, ob eine Anpassung tatsächlich besser ist als der einfachere Weg.
Was wir bauen
Die Bausteine
API-Modelle auf Ihren Use Case umbauen
Prompting, Beispiele im Kontext, Retrieval und strukturierte Ausgaben nach festem Schema. So wird aus einem allgemeinen Modell ein Werkzeug für Ihre Aufgabe, ganz ohne Training.
Fine-Tuning von Open-Source-Modellen
Wenn die Messung es rechtfertigt, trainieren wir ein Open-Source-Modell mit Ihren Daten nach, meist mit ressourcenschonenden Verfahren wie LoRA. Das Ergebnis läuft auf Ihrer oder einer EU-Infrastruktur.
Kleine spezialisierte Modelle
Für Klassifikation und Extraktion reicht oft ein kleines Modell, das schnell und günstig im Betrieb ist. Etwa für das Zuordnen von Anfragen, das Erkennen von Dokumenttypen oder das Auslesen fester Felder.
Vergleich und Entscheidungsvorlage
Sie bekommen den Vergleich der Varianten nach Qualität, Antwortzeit und Kosten pro Vorgang. Daraus folgt eine begründete Empfehlung, die auch ein Nein zum Fine-Tuning sein kann.
Vorgehen
Vom ersten Gespräch bis zum Betrieb
- 01
Kostenloser KI-Potenzial-Check
In 45 Minuten klären wir, welche Aufgabe das Modell lösen soll und ob dafür eine Anpassung überhaupt in Frage kommt. Unverbindlich und ohne Kosten.
- 02
Basislinie messen
Wir bauen den Evaluierungsdatensatz auf und messen, wie gut vorhandene Modelle ohne Training abschneiden. Diese Basislinie muss jede Anpassung schlagen.
- 03
Anpassung zum Festpreis
Prompting, Fine-Tuning oder ein eigenes kleines Modell: Das gewählte Vorgehen liefern wir als Paket mit Festpreis und Akzeptanzkriterien, gemessen am Datensatz.
- 04
Betrieb und Nachtraining
Ändern sich Ihre Daten oder erscheinen bessere Basismodelle, prüfen wir erneut. Nachtrainiert wird nur, wenn die Messung eine Verbesserung zeigt.
Einsatz nach Branche
Wo das in der Praxis ansetzt
Konkrete Anwendungsfälle mit Ausgangslage, Lösung und Einstieg finden Sie auf den Branchenseiten.
- MaschinenbauAnwendungsfälle: Technische Dokumentation
- Logistik und SpeditionAnwendungsfälle: Frachtdokumente auslesen und prüfen
- Arztpraxen und MVZAnwendungsfälle: Dokumentationsentwürfe zur ärztlichen Freigabe
- Immobilien und HausverwaltungAnwendungsfälle: Exposé-Texte
- Handel und E-CommerceAnwendungsfälle: Produkttexte und Datenpflege im PIM
- Industrie und Produktion
- Energieversorger und StadtwerkeAnwendungsfälle: Klärfälle der Marktkommunikation vorsortieren
- VersicherungsmaklerAnwendungsfälle: Beratungsdokumentation nach IDD und VVG als Entwurf
- Bau und ArchitekturAnwendungsfälle: LV- und GAEB-Auswertung für die Angebotskalkulation
- PersonaldienstleisterAnwendungsfälle: Stellenanzeigen-Entwürfe
- Hotellerie und GastgewerbeAnwendungsfälle: Bewertungen auswerten und Antworten entwerfen
- Agrar- und LebensmittelwirtschaftAnwendungsfälle: Etiketten- und Allergenangaben gegen die Rezeptur prüfen
Verwandte Leistungen
Was oft dazugehört
- LLM on-premiseWir richten Open-Source-Sprachmodelle so ein, dass Ihre Daten Ihr Haus oder die EU nicht verlassen. Mit Rechten, Protokollierung und geregelten Updates.
- RAG-WissensassistentIhre Mitarbeitenden stellen Fragen in normaler Sprache und bekommen Antworten aus Ihren eigenen Dokumenten. Jede Antwort nennt die Stelle, aus der sie stammt.
- Dokumenten-KIWir automatisieren Ihren Posteingang: Dokumente werden erkannt, ausgelesen, geprüft und an Ihre Systeme übergeben. Unsichere Fälle landen bei einem Menschen zur Freigabe.
Häufige Fragen
Fragen zu KI-Modelle anpassen
Wann lohnt sich LLM Fine-Tuning?
Wenn eine eng umrissene Aufgabe sehr häufig anfällt, ein festes Format oder eine Fachsprache verlässlich sitzen muss oder ein kleineres Modell aus Kosten- oder Datenschutzgründen ein großes ersetzen soll. Für Fragen zu eigenen Dokumenten ist Retrieval meist der bessere Weg.
Fine-Tuning oder RAG: was ist besser?
Das sind verschiedene Werkzeuge. RAG gibt dem Modell Zugriff auf aktuelles Wissen aus Ihren Dokumenten, mit Quellenangabe. Fine-Tuning verändert Verhalten, Stil oder Format des Modells. Für Wissensfragen ist RAG fast immer die erste Wahl, Fine-Tuning ergänzt es bei Bedarf.
Wie viele Daten braucht man, um ein KI-Modell zu trainieren?
Für das Nachtrainieren eines vorhandenen Modells genügen je nach Aufgabe oft einige hundert bis einige tausend gute Beispiele. Qualität zählt mehr als Menge. Wie viel es für Ihren Fall braucht, zeigt die Messung am Evaluierungsdatensatz.
Können wir ein eigenes KI-Modell trainieren lassen?
Ja, im Sinne eines angepassten Open-Source-Modells oder eines kleinen spezialisierten Modells für Klassifikation oder Extraktion. Ein großes Sprachmodell von Grund auf neu zu trainieren, empfehlen wir dem Mittelstand nicht.
Gehört uns das angepasste Modell?
Ja. Die trainierten Gewichte, die Trainingsdaten und der Evaluierungsdatensatz gehören Ihnen. Zu beachten ist die Lizenz des Basismodells, die wir bei der Auswahl prüfen und dokumentieren.
Was kostet es, ein Sprachmodell anzupassen?
Das hängt davon ab, ob Prompting genügt oder trainiert werden muss, und vom Aufwand für die Beispieldaten. Rechenkosten für das Training sind bei Verfahren wie LoRA meist der kleinere Teil. Nach der Basislinienmessung nennen wir einen Festpreis je Paket.
KI-Modelle anpassen: Finden wir in 45 Minuten heraus, ob es sich bei Ihnen lohnt.
Kostenlosen KI-Potenzial-Check buchen
45 Minuten, unverbindlich. Als Ergebnis eine konkrete Potenzial-Übersicht.