{"id":3220,"date":"2025-10-27T06:58:11","date_gmt":"2025-10-27T06:58:11","guid":{"rendered":"https:\/\/www.markus-schall.de\/?p=3220"},"modified":"2025-12-08T17:28:38","modified_gmt":"2025-12-08T17:28:38","slug":"lora-training-come-filemaker-2025-semplifica-la-messa-a-punto-di-modelli-linguistici-di-grandi-dimensioni","status":"publish","type":"post","link":"https:\/\/www.markus-schall.de\/it\/2025\/10\/lora-training-wie-filemaker-2025-das-feintuning-grosser-sprachmodelle-vereinfacht\/","title":{"rendered":"Formazione LoRA: come FileMaker 2025 semplifica la messa a punto di modelli linguistici di grandi dimensioni"},"content":{"rendered":"\n
\n

Die Welt der k\u00fcnstlichen Intelligenz ist in Bewegung. Neue Modelle, neue Methoden und vor allem neue M\u00f6glichkeiten entstehen heute fast w\u00f6chentlich – und dennoch bleibt eine Erkenntnis konstant: Nicht jede technische Neuerung f\u00fchrt automatisch zu einem besseren Alltag. Vieles bleibt experimentell, komplex oder schlicht zu aufwendig f\u00fcr den produktiven Einsatz. Besonders deutlich zeigt sich das beim sogenannten Feintuning gro\u00dfer Sprachmodelle – einer Methode, um generative KI auf eigene Inhalte, Begriffe und Tonalit\u00e4ten zu spezialisieren.<\/p>\n\n\n\n

Ich habe diesen Prozess in den letzten Monaten intensiv begleitet – erst in klassischer Form, mit Python, Terminal, Fehlermeldungen und nervenaufreibenden Setup-Schleifen. Und dann: mit FileMaker 2025. Ein Schritt, der mich \u00fcberrascht hat – weil er nicht laut, aber klar war. Und weil er gezeigt hat, dass es auch anders geht.<\/p>\n<\/div>\n\n\n\n\n\n\n\n

\n

In einem ausf\u00fchrlichen Fachartikel auf gofilemaker.de<\/strong><\/a> habe ich genau diesen Wandel dokumentiert: den \u00dcbergang vom offenen, flexiblen, aber instabilen PEFT-LoRA-Training (z.\u202fB. mit Axolotl, LLaMA-Factory oder kohya_ss) hin zur integrierten L\u00f6sung von Claris – per Script, lokal, nachvollziehbar.<\/p>\n<\/div>\n\n\n\n

\n\n\n\n\t\t\t
\n\n\t\t\t\t\t\t\t