Post-Training
KI-Glossar
Post-Training bezeichnet alle Trainingsschritte, die nach dem initialen Pretraining eines KI-Modells stattfinden — insbesondere Fine-Tuning, Alignment-Verfahren und die Anpassung an nützliches, sicheres Verhalten.
Kurzdefinition
Post-Training (auch: Post-Pretraining) umfasst die Phasen der Modellentwicklung, die nach dem Pretraining stattfinden. Dazu gehören Supervised Fine-Tuning (SFT), bei dem das Modell auf Beispieldaten für erwünschtes Verhalten trainiert wird, sowie Reinforcement Learning from Human Feedback (RLHF) und weitere Alignment-Verfahren, die das Modell hilfreich, harmlos und ehrlich machen sollen. Post-Training verwandelt ein rohes Sprachmodell in einen nützlichen Assistenten.
Einfach erklärt
Nach dem Pretraining kann ein Modell Sprache, aber es ist noch kein nützlicher Assistent. Post-Training ist die Phase, in der das Modell lernt, wie es sich verhalten soll: auf Fragen antworten statt sie nur weiterzuführen, schädliche Inhalte ablehnen, präzise und hilfreich sein. Dieser Schritt ist der Grund, warum ChatGPT, Claude oder Gemini sich wie Assistenten verhalten und nicht wie rohe Textvervollständiger.
Post-Training erklärt auch, warum Modelle desselben Anbieters in verschiedenen „Varianten“ existieren können: Ein Basis-Modell (nur Pretraining) verhält sich fundamental anders als ein Chat-Modell (mit Post-Training). Für Unternehmensanwendungen ist in der Regel das post-trainierte Modell relevant.
Beispiel aus dem Arbeitsalltag
Ein Softwareunternehmen nutzt ein vortrainiertes Open-Source-Modell als Basis für einen internen HR-Assistenten. Im Post-Training-Schritt wird das Modell auf Beispieldialogen aus dem HR-Kontext trainiert: Wie antwortet es auf Urlaubsanfragen? Wie geht es mit sensiblen Themen um? Das Ergebnis ist ein spezialisierter Assistent mit klarem Verhaltensrahmen.
Warum ist der Begriff wichtig?
Post-Training macht den praktischen Unterschied zwischen einem Rohmodell und einem einsetzbaren Assistenten. Das Verständnis erklärt, warum Qualität und Sicherheit von KI-Modellen nicht allein vom Pretraining abhängen.
Für Unternehmen, die eigene Modelle aufbauen oder anpassen, ist Post-Training der Schritt, bei dem Nutzungsrichtlinien und Verhaltenserwartungen technisch verankert werden können.
Chancen
- Modellverhalten gezielt auf Unternehmenskontext ausrichten
- Sicherheitsregeln und Tonalität durch Post-Training verankern
- Open-Source-Basismodelle durch Post-Training zur Assistenten-Qualität bringen
- Deutlich günstiger als eigenes Pretraining
Risiken und typische Fehler
- Post-Training kann Fähigkeiten des Basismodells unbeabsichtigt verschlechtern
- Qualität hängt stark von der Güte der Trainingsdaten ab
- Alignment-Verfahren können Modell zu „übervorsichtigem“ Verhalten verleiten
- Eigenes Post-Training erfordert ML-Expertise und Infrastruktur
Verwandte Begriffe
Passende Inhalte im KI College
Lernen Sie Schritt für Schritt, wie Sie KI im Arbeitsalltag sinnvoll nutzen.
Use CasesKI im Arbeitsalltag anwenden
Entdecken Sie praktische Beispiele für typische Aufgaben im Beruf.
ToolsKI-Tools im Überblick
Finden Sie heraus, welche Tools zu welchen Aufgaben passen.