Merge

An einem größeren Software-Projekt arbeiten selten alle Leute an derselben Datei. Stattdessen legt jeder eine eigene Kopie des Projekts an und ändert darin, was er ändern will. Irgendwann müssen diese Kopien wieder zu einer einzigen Fassung zusammenfließen. Genau dieses Zusammenführen heißt Merge. Ein Programm vergleicht dabei die verschiedenen Fassungen Zeile für Zeile und baut daraus eine gemeinsame. Der Begriff wird heute auch außerhalb der Programmierung benutzt, etwa wenn zwei fertig trainierte KI-Systeme zu einem verschmolzen werden.

Warum Teams überhaupt getrennt arbeiten

Ohne Merge müsste jede Änderung sofort für alle gelten. Ein halbfertiges Feature würde dann die Arbeit aller Kolleginnen und Kollegen blockieren. Deshalb arbeitet man in Entwicklungssträngen, die im Englischen Branch heißen, also Zweig. Jeder Zweig ist eine eigene Baustelle. Erst wenn die Arbeit dort fertig und getestet ist, wandert sie per Merge zurück in die Hauptversion.

Dieses Vorgehen ist der Grund, warum Tausende Menschen gleichzeitig am selben Projekt schreiben können. Große Open-Source-Projekte wie der Linux-Kernel bekommen pro Version mehrere tausend Beiträge von Hunderten Beteiligten. Ohne ein sauberes Verfahren zum Zusammenführen wäre das schlicht unmöglich. Der Merge ist damit weniger ein technisches Detail als die organisatorische Grundlage moderner Softwareentwicklung.

Auch bei KI-Modellen hat das Zusammenführen einen praktischen Grund: Ein Modell neu zu trainieren kostet oft Millionen. Zwei vorhandene Modelle zu verschmelzen kostet dagegen wenige Stunden Rechenzeit.

Was beim Zusammenführen wirklich passiert

Bei Software vergleicht das Werkzeug drei Fassungen: den gemeinsamen Ausgangspunkt und die beiden veränderten Versionen. Ändert nur eine Seite eine Zeile, wird diese Änderung einfach übernommen. Betreffen die Änderungen unterschiedliche Stellen der Datei, geht das automatisch und ohne Rückfrage. Der Mensch bekommt davon meist gar nichts mit.

Schwierig wird es, wenn beide Seiten dieselbe Zeile unterschiedlich geändert haben. Dann entsteht ein Merge-Konflikt. Das Programm weigert sich zu raten und markiert die Stelle im Text. Ein Mensch muss entscheiden, welche Fassung gilt oder ob eine dritte Variante nötig ist. Konflikte sind normal und kein Zeichen für einen Fehler.

Beim Verschmelzen von KI-Modellen läuft es anders. Ein Modell besteht aus vielen Milliarden Zahlen, den sogenannten Gewichten, die beim Training entstanden sind. Ein Merge bildet daraus schlicht Mittelwerte, oft mit unterschiedlicher Gewichtung der beiden Quellen. Das funktioniert nur, wenn beide Modelle denselben Aufbau und denselben Ursprung haben. Sind sie verwandt, kann das Ergebnis Fähigkeiten beider Eltern zeigen, etwa Programmieren und gutes Deutsch.

Vom Pull Request bis zum Modell-Zoo

Wer auf Plattformen wie GitHub oder GitLab unterwegs ist, trifft ständig auf den Begriff. Dort schlägt man Änderungen mit einem Pull Request vor, bei GitLab heißt es Merge Request. Andere lesen den Vorschlag, kommentieren ihn und drücken am Ende auf den Merge-Knopf. Für Firmen ist dieser Moment eine Qualitätskontrolle: Nichts landet in der Hauptversion, das niemand geprüft hat.

In KI-News taucht Merge vor allem im Zusammenhang mit frei verfügbaren Sprachmodellen auf. Auf der Plattform Hugging Face stehen zehntausende Modelle, von denen viele reine Merges anderer Modelle sind. Kleine Teams erzeugen so ohne großes Rechenzentrum konkurrenzfähige Systeme.

Ein häufiger Irrtum ist, ein Merge addiere Wissen wie zwei zusammengeschüttete Eimer Wasser. Das trifft es nicht. Gemittelte Gewichte können auch Fähigkeiten beider Modelle abschwächen, statt sie zu vereinen. Ob ein Merge gelungen ist, zeigt sich erst in Tests. Und Vorsicht bei der Wortgleichheit: Der Merge im Zusammenhang mit der Kryptowährung Ethereum meint etwas völlig anderes, nämlich die Umstellung des Netzwerks auf ein sparsameres Verfahren im Jahr 2022.