Technique Aktualisiert 2026-04
LoRA
Low-Rank Adaptation
Definition
LoRA ist eine effiziente Fine-Tuning-Technik, die ein KI-Modell anpasst, indem nur ein Bruchteil seiner Parameter verändert wird – und so die Kosten drastisch senkt.
Siehe auch im Glossar
F
Fine-tuning
Fine-tuning bezeichnet den Prozess, ein bestehendes KI-Modell auf einem spezifischen Datensatz weiterzutrainieren, um es an eine bestimmte Domäne oder Aufgabe anzupassen.
L
LLM (Large Language Model)
Ein LLM ist ein KI-Modell, das auf Milliarden von Texten trainiert wurde und in der Lage ist, menschliche Sprache zu verstehen und zu generieren.
F
Foundation Model
Ein Foundation Model ist ein großes KI-Modell, das auf umfangreichen Daten vortrainiert wurde und für verschiedene Aufgaben anpassbar ist.
T
Text-to-Image
Text-to-Image bezeichnet die Erzeugung von Bildern aus Textbeschreibungen mithilfe generativer KI-Modelle.
Tools, die lora verwenden
Häufig gestellte Fragen
Warum LoRA statt klassischem Fine-Tuning?
Klassisches Fine-Tuning passt alle Modellparameter an (Milliarden davon). LoRA hingegen optimiert nur eine kleine Low-Rank-Matrix – das erfordert 100- bis 1000-mal weniger Rechenleistung und ist damit auch für Consumer-GPUs geeignet.
Funktioniert LoRA nur für Bilder?
Nein. LoRA lässt sich sowohl auf LLMs (Text) als auch auf Diffusionsmodelle (Bilder) anwenden. Bei Stable Diffusion sind LoRAs besonders beliebt, um bestimmte Stile oder Charaktere zu erlernen.
