Beim Fine-Tuning wird ein bereits trainiertes Modell mit einem kleineren, aufgabenspezifischen Datensatz weitertrainiert. So lernt es zum Beispiel den Tonfall einer Marke oder das Format spezieller Fachberichte. Fine-Tuning lohnt sich, wenn Prompt-Engineering allein nicht ausreicht und konsistentes Verhalten ueber viele Anfragen noetig ist. Als Alternative bietet sich oft RAG an, das Wissen ueber externe Datenquellen einbindet, ohne das Modell zu veraendern.
