Fine-Tuning vs. Prompting
von Nicole Angela Buck
Wann Du eine KI wirklich neu trainieren musst, und wann gutes Prompten reicht
contao--scroll-offset#store" data-contao--scroll-offset-target="autoFocus">
Es gibt im KI-Bereich eine Frage, die regelmäßig gestellt wird, oft falsch beantwortet wird, und die für viele Selbstständige relevant ist, sobald sie ernsthaft mit KI arbeiten. Sie lautet: Brauche ich eine eigene, speziell trainierte KI, oder reicht es, eine bestehende KI klug zu nutzen? Die meisten Menschen meinen „ich brauch eine eigene", und in 95 Prozent der Fälle stimmt das nicht. Hier ist, wie Du den Unterschied verstehst.
Was ist Fine-Tuning, was ist Prompting?
Prompting kennst Du schon. Du schreibst der KI, was Du willst, und sie antwortet. Du kannst das verfeinern (siehe Prompt Engineering), Du kannst Dokumente mitgeben (siehe RAG), Du kannst dauerhafte Anweisungen hinterlegen (siehe System-Prompt). Aber das Modell bleibt das gleiche. Du nutzt eine bestehende KI in einer cleveren Art.
Fine-Tuning hingegen heißt: Du veränderst das KI-Modell selbst. Du nimmst eine bestehende KI, zeigst ihr tausende oder zehntausende Beispiele von „so soll Deine Antwort aussehen", und das Modell lernt dauerhaft, in einer bestimmten Art zu antworten. Das ist nicht mehr Werkzeug-Nutzung. Das ist Werkzeug-Veränderung.
Ein konkretes Beispiel macht den Unterschied klar. Du willst, dass die KI Deine Newsletter im Deinem Stil schreibt.
Mit Prompting: Du legst ein Claude-Projekt an, lädst zehn Deiner besten Newsletter hoch, gibst einen System-Prompt mit Hinweisen zu Deinem Stil und schreibst dann jede Woche eine Anfrage wie „Schreib mir einen Newsletter zum Thema X im Stil meiner bisherigen Newsletter."
Mit Fine-Tuning: Du nimmst tausende Deiner Newsletter, gibst sie einem Anbieter, der ein Modell speziell für Deinen Stil trainiert. Ab dann schreibt das Modell automatisch in Deinem Stil, ohne dass Du den Stil jedes Mal erklären musst.
Klingt erstmal nach „Fine-Tuning ist besser". Ist es meistens aber nicht.
Was Du wirklich wissen musst
Drei Sachen sind hier entscheidend.
Erstens, Fine-Tuning ist teuer und aufwendig. Du brauchst viele saubere Trainingsdaten, technische Kompetenz oder einen Anbieter, der das für Dich macht. Du musst das Modell hosten oder einen Service bezahlen, der es hostet. Und wenn das Basis-Modell weiterentwickelt wird (was alle paar Monate passiert), musst Du Dein Fine-Tuning oft neu machen, weil es sonst veraltet ist.
Zweitens, modernes Prompting kann sehr viel. Was vor zwei Jahren noch ein Fall für Fine-Tuning war, lässt sich heute mit gutem Prompting und RAG erreichen. Die Modelle sind so gut geworden, dass sie aus wenigen Beispielen sehr viel ableiten können. Die meisten Aufgaben, die im Geschäftsalltag von Selbstständigen vorkommen, sind keine Fine-Tuning-Fälle, sondern Prompting-Fälle.
Drittens, Fine-Tuning ist nur dann sinnvoll, wenn es einen guten Grund gibt. Solche Gründe können sein: Du hast eine sehr spezielle Sprache oder Terminologie, die das Basis-Modell nicht beherrscht (etwa juristische Fachsprache in einem sehr speziellen Bereich). Du musst sehr viele Anfragen sehr schnell verarbeiten und willst die Geschwindigkeit erhöhen. Du hast spezifische Sicherheits- oder Datenschutzanforderungen, die ein eigenes Modell verlangen.
Was aber meistens nicht reicht als Grund: „Ich will, dass die KI meinen Stil schreibt." Das geht mit Prompting plus RAG hervorragend. „Ich will, dass die KI meine Branche kennt." Auch das geht meistens mit gutem Prompting und Wissens-Bereitstellung. „Ich will eine KI, die nur über meine Themen spricht." Auch das ist Prompting plus System-Prompt.
Eine Daumenregel hat sich bewährt: Wenn Du Dich fragst, ob Du Fine-Tuning brauchst, brauchst Du es vermutlich nicht. Wenn Du es brauchst, weißt Du es genau, weil Du auf konkrete Grenzen von Prompting gestoßen bist.
Was Du damit machst
Sehr konkret: Wenn Du gerade anfängst mit KI, dann interessieren Dich Fine-Tunings noch nicht. Du arbeitest mit Prompting, mit System-Prompts, mit Projekten, mit Custom GPTs. Das ist Dein Werkzeugkasten.
Wenn Du fortgeschritten bist und das Gefühl hast, „Prompting reicht für meine Anwendung nicht mehr", dann ist die erste Frage: Liegt das wirklich am Modell, oder liegt es an Deinem Prompting? In 80 Prozent der Fälle lässt sich das Problem durch besseres Prompting, klareren System-Prompt oder besser aufbereitete Daten in einem Projekt lösen. Wer sofort an Fine-Tuning denkt, geht meistens den falschen Weg.
Wenn Du tatsächlich Fine-Tuning brauchst (etwa weil Du ein sehr spezifisches Business-Anliegen hast, das nicht anders zu lösen ist), suchst Du Dir eine erfahrene Entwickler:in oder eine spezialisierte Agentur. Das ist kein Do-it-yourself-Bereich, sondern technische Spezialarbeit.
Mein Tipp ist klar: Lerne erstmal gut zu prompten. Bau gute Projekte oder Custom GPTs. Nutze RAG mit hochwertigen Daten. Wenn Du nach zwei Jahren intensivem Arbeiten damit immer noch auf Wände stößt, dann ist es Zeit, über Fine-Tuning nachzudenken. Bis dahin ist es meistens eine teure Lösung für ein Problem, das gar keins war.
Verwandte Begriffe: Prompt, Prompt Engineering, RAG, System-Prompt
Stand: Mai 2026