Fine-Tuning, RAG oder besserer Prompt? Die klare Entscheidungsregel

Das Meeting, in dem Fine-Tuning fällt

Ein Produktteam sitzt zusammen, die Demo des internen Chatbots stockt: Die AI kennt die neue Preisliste nicht, verwechselt zwei Produktlinien und zitiert eine Garantiefrist, die seit drei Monaten nicht mehr gilt. Jemand sagt den Satz, der in solchen Meetings fast reflexhaft fällt: „Wir müssen das Modell fine-tunen, damit es unsere Daten kennt.“ Alle nicken, ein Trainingslauf wird budgetiert, jemand exportiert Support-Tickets als Trainingsdaten. Das Problem: Was hier beschrieben wird, ist gar kein Verhaltens- oder Stilproblem, sondern ein Wissensproblem. Das Modell kennt die aktuelle Preisliste nicht, weil sie nirgendwo in seinem Kontext steht, nicht weil es „falsch trainiert“ wurde. Und ein Wissensproblem löst du fast nie mit Fine-Tuning. Du löst es mit RAG. Dieser Verwechslung begegnen wir bei praktisch jedem zweiten Kundengespräch, und sie kostet Teams Wochen und Budget, das an der falschen Stelle landet.

Drei Werkzeuge, drei völlig verschiedene Probleme

Der Grund für die ständige Verwechslung ist, dass alle drei Werkzeuge irgendwie „das Modell besser machen“, aber eben an völlig unterschiedlichen Stellen ansetzen. Wer sie nicht sauber trennt, wählt zwangsläufig das falsche.

Prompting und Few-Shot verändern nichts am Modell selbst, sondern nur, was du ihm bei jedem Aufruf mitgibst. Du gibst klare Anweisungen, zeigst zwei oder drei Beispiele für das gewünschte Format, und das reicht überraschend oft, um Ton, Struktur und einfache Verhaltensregeln zuverlässig zu steuern. Kein Training, keine Infrastruktur, Ergebnis in Minuten sichtbar. Das macht Prompting zur immer ersten Stufe, bevor du auch nur über Alternativen nachdenkst.

RAG (Retrieval-Augmented Generation) holt zur Laufzeit relevante Informationen aus deinen eigenen Quellen, etwa einer Wissensdatenbank oder einem Dokumentenindex, und packt sie in den Kontext des Prompts. Das Modell selbst bleibt unverändert, es bekommt nur bei jeder Anfrage frisches Material zum Nachschlagen. Genau deshalb ist RAG das richtige Werkzeug für aktuelles, faktisches oder unternehmensspezifisches Wissen: Preislisten, Vertragsklauseln, Produktdaten, interne Prozesse. Ändert sich die Preisliste, aktualisierst du den Index, nicht das Modell.

Fine-Tuning verändert dagegen die Gewichte des Modells selbst, durch zusätzliches Training auf eigenen Beispielen. Es prägt, wie das Modell antwortet, nicht was es weiss: Stil, Ton, Format-Treue, Fachjargon einer Domäne, konsistentes Verhalten über hunderte ähnliche Anfragen hinweg. Fine-Tuning ist damit ein Werkzeug für Verhalten, nicht für Fakten. Und genau diese Verwechslung ist der teuerste Fehler, den Teams in diesem Feld machen.

Warum Fakten nicht ins Gewicht gehören

Der technische Grund, warum Fine-Tuning für Faktenwissen fast immer die falsche Wahl ist, liegt in der Natur des Verfahrens. Wenn du ein Modell auf einem Datensatz feintunst, werden die Fakten darin in den Gewichten des Modells eingebrannt, verteilt über Millionen von Parametern, ohne dass du im Nachhinein gezielt „diese eine Zahl“ ändern oder zurückverfolgen kannst, woher eine Antwort kommt. Ändert sich die Realität, veraltet das Wissen im Modell stillschweigend, und du merkst es erst, wenn ein Kunde eine falsche Garantiefrist genannt bekommt. Es gibt keinen Mechanismus, mit dem du „nur die Preisliste“ aktualisierst, du müsstest komplett neu trainieren.

RAG hat dieses Problem grundsätzlich nicht, weil das Wissen ausserhalb des Modells liegt und bei jedem Aufruf frisch gezogen wird. Zusätzlich bekommst du bei RAG etwas, das Fine-Tuning dir strukturell nicht geben kann: Nachvollziehbarkeit. Du kannst zeigen, aus welchem Dokument eine Antwort stammt, und dieses Dokument gezielt korrigieren. Bei einem feingetunten Modell ist die Antwort ein Destillat aus dem gesamten Trainingsdatensatz, es gibt keine Quellenangabe, die du nachträglich reparieren könntest. Wer sein Wissensproblem trotzdem mit Fine-Tuning angehen will, kauft sich also nicht nur unnötigen Aufwand ein, sondern auch ein System, das schlechter wartbar ist als die Alternative. Die Grundüberlegung, welches Setup für dein konkretes Problem angemessen ist, deckt sich übrigens mit der Frage, ob du überhaupt einen Agenten oder nur einen Endpoint brauchst: In beiden Fällen zahlst du für Komplexität, die dein Problem oft gar nicht verlangt.

Was Fine-Tuning tatsächlich kann

Das heisst nicht, dass Fine-Tuning nutzlos ist, im Gegenteil: Für die richtige Aufgabe ist es unersetzbar. Konsistenter Stil und Ton über tausende Antworten lässt sich mit Prompting allein selten stabil halten, ein Modell driftet über lange Sessions oder bei Edge Cases ab. Fine-Tuning prägt dieses Verhalten strukturell ins Modell ein, statt es bei jedem Aufruf neu zu erbitten. Ähnlich bei striktem Ausgabeformat: Wenn dein System auf ein exaktes JSON-Schema oder ein bestimmtes Dokumentenformat angewiesen ist und Prompting trotz sorgfältiger Anweisungen gelegentlich abweicht, kann ein feingetuntes Modell diese Formattreue deutlich zuverlässiger liefern. Auch hohe Domänensprache, etwa Rechts- oder Medizinjargon mit sehr spezifischer Terminologie und Argumentationsstruktur, lässt sich über viele kuratierte Beispiele besser einprägen als über einen noch so langen Prompt.

Technisch läuft heute kaum noch jemand ein Full-Fine-Tuning, bei dem alle Milliarden Parameter neu trainiert werden. LoRA und QLoRA trainieren stattdessen nur kleine, zusätzliche Adapter-Gewichte und lassen den Rest des Modells eingefroren, das senkt Rechenaufwand und Speicherbedarf drastisch und macht Fine-Tuning für weit mehr Teams praktisch machbar. Das ändert aber nichts an der Grundfrage: Ob Fine-Tuning überhaupt das richtige Werkzeug für dein Problem ist, entscheidet sich vorher, nicht durch die Wahl der Trainingsmethode. Als Faustregel für die Datenmenge gilt: Rechne eher mit hunderten bis niedrigen tausenden sauber kuratierten Beispielen statt mit ein paar Dutzend Zeilen aus einer Excel-Tabelle, denn zu wenige oder inkonsistente Beispiele bringen dir oft weniger als ein guter Prompt.

Die versteckten Kosten, die niemand einplant

Wer Fine-Tuning budgetiert, kalkuliert meistens die GPU-Stunden und vergisst den Rest. Datenaufbereitung ist in der Praxis der grösste Aufwand, nicht das Training selbst: Beispiele sammeln, bereinigen, konsistent formatieren, doppelte oder widersprüchliche Fälle rauswerfen, das frisst oft mehr Personentage als der eigentliche Trainingslauf. Dazu kommt, dass ein feingetuntes Modell an ein bestimmtes Basismodell gebunden ist. Wechselst du auf eine neuere, bessere Basisversion, wovon es inzwischen mehrmals im Jahr eine gibt, musst du den gesamten Prozess wiederholen. Fine-Tuning ist damit kein einmaliges Projekt, sondern eine wiederkehrende Betriebskosten-Position, die du in deine Gesamtrechnung einplanen musst, wie wir sie in den Kosten eigener LLMs im Detail durchrechnen.

Zwei weitere Risiken tauchen erst spät auf, wenn sie schon teuer sind: Overfitting, wenn das Modell die Trainingsbeispiele fast auswendig lernt statt zu generalisieren, und catastrophic forgetting, wenn das Modell durch das Fine-Tuning Fähigkeiten verliert, die es vorher problemlos beherrschte, etwa allgemeines Sprachverständnis oder Reasoning ausserhalb der Trainingsdomäne. Beides zeigt sich nicht im Trainingsloss, sondern erst in echter Nutzung, wenn Kunden auf einmal seltsame Antworten bekommen. Deshalb braucht jedes Fine-Tuning eine echte Evaluation gegen einen Testdatensatz und im besten Fall gegen das ursprüngliche Basismodell, sonst merkst du Regressionen erst, wenn Nutzer sich beschweren. All das ist Arbeit, die weit über den eigentlichen Trainingslauf hinausgeht, und die in vielen Angeboten stillschweigend unter den Tisch fällt.

Die Eskalationsleiter: Nimm immer die niedrigste Stufe, die reicht

Statt dich zu fragen „Prompting, RAG oder Fine-Tuning?“, denk in einer Leiter und steig nur eine Stufe höher, wenn die darunterliegende nachweislich nicht reicht:

1. Besserer Prompt / Few-Shot: klare Instruktionen, zwei bis drei Beispiele. Löst Format- und einfache Verhaltensfragen fast immer, ohne einen einzigen Trainingslauf.
2. RAG: Wissen zur Laufzeit ergänzen. Löst „das Modell kennt unsere Fakten nicht“, egal ob Preise, Verträge oder Produktdaten, ohne dass du je wieder trainieren musst, wenn sich diese Fakten ändern.
3. Fine-Tuning: Verhalten, Stil und Format über viele Beispiele hinweg prägen. Erst hier, wenn Stufe eins und zwei ausprobiert und dokumentiert an ihre Grenzen gestossen sind.

Der Punkt, den keiner gern hört: Rund 90 Prozent der Fälle, in denen Teams „wir brauchen Fine-Tuning“ sagen, sind bei genauerem Hinsehen RAG- oder Prompt-Fälle. Wer dennoch zurecht bei Fine-Tuning landet, kombiniert es meistens ohnehin mit RAG, ein feingetuntes Modell für Ton und Format, gespeist mit aktuellem Wissen aus deinem Index; die beiden Stufen schliessen sich nicht aus, sie ergänzen sich. Auch ein legitimer, oft unterschätzter Grund für Fine-Tuning ist Latenz- und Kostenoptimierung: Ein kleines, feingetuntes Modell ersetzt ein grosses generisches Modell für eine eng umrissene Aufgabe, günstiger im Betrieb und schneller in der Antwort. Wenn du an dem Punkt bist, dass diese Rechnung für dich aufgeht, lohnt sich ein Blick auf die passende Auswahl offener Basismodelle für dein Vorhaben, und wer erste Trainingsläufe lokal testen will, bevor er in produktive Infrastruktur investiert, findet in unserem Erfahrungsbericht zum DGX Spark einen guten Ausgangspunkt.

Wo du wirklich anfangen solltest

Fang unten an, nicht oben. Bevor irgendjemand in deinem Team „Fine-Tuning“ sagt, prüf zuerst, ob ein besserer Prompt mit ein paar Beispielen reicht, und wenn das Problem eigentlich heisst „das Modell kennt unsere Daten nicht“, ist die Antwort so gut wie immer RAG, nicht Training. Fine-Tuning ist ein mächtiges, aber teures Werkzeug für Stil, Format und konsistentes Verhalten, mit echten Vorlaufkosten in der Datenaufbereitung und wiederkehrendem Aufwand bei jedem Modellwechsel. Wenn du an diesem Punkt wirklich angekommen bist, lohnt es sich, das Training souverän auf eigener Infrastruktur in der Schweiz durchzuführen, mit voller Kontrolle über deine Trainingsdaten und ohne dass sie je ein Rechenzentrum im Ausland durchlaufen. Wir sagen dir vorher klar, auf welcher Stufe der Leiter dein Problem wirklich liegt, und begleiten dich über Managed Inference von der ersten RAG-Pipeline bis zum sauber evaluierten, feingetunten Modell, wenn es tatsächlich so weit ist.