Modell-Adapter
Ein Modell-Adapter ist ein kleines Zusatzpaket, das man an ein fertiges KI-Modell anhängt, um es für eine bestimmte Aufgabe anzupassen. Statt das gesamte Modell neu zu trainieren, verändert man nur wenige Millionen zusätzliche Werte — das spart Rechenzeit, Geld und Speicherplatz.
Große KI-Systeme wie die hinter Chatbots bestehen aus vielen Milliarden Zahlenwerten. Diese Werte legen fest, wie das System auf eine Eingabe reagiert. Sie neu einzustellen, kostet Wochen Rechenzeit und Millionen Euro. Ein Modell-Adapter ist die günstige Alternative dazu. Man lässt das große System vollständig unverändert und hängt ihm ein kleines Zusatzteil an, das nur wenige Prozent so groß ist. Dieses Zusatzteil wird trainiert und lenkt die Antworten des Systems in eine gewünschte Richtung, etwa zu juristischer Fachsprache oder einem bestimmten Programmierstil.
Warum Firmen sich kein eigenes Modell leisten müssen
Ohne Adapter hätte jede Anpassung eine vollständige Kopie des Modells zur Folge. Ein modernes Sprachmodell belegt schnell mehrere hundert Gigabyte Speicher. Wer zehn Fachbereiche bedienen will, bräuchte zehn solcher Kopien. Ein Adapter dagegen ist oft nur wenige hundert Megabyte groß. Man speichert das Grundmodell einmal und daneben zehn kleine Dateien.
Das verändert, wer überhaupt mitspielen kann. Ein mittelständisches Unternehmen kann kein Modell von Grund auf bauen. Einen Adapter auf eigenen Dokumenten zu trainieren, ist dagegen mit einer einzelnen leistungsfähigen Grafikkarte machbar. Aus einem Vorhaben für Konzerne wird so ein Projekt, das ein kleines Team in wenigen Tagen umsetzt.
Dazu kommt ein praktischer Vorteil: Adapter lassen sich austauschen wie Werkzeugaufsätze an einer Bohrmaschine. Läuft ein Adapter schlecht, wirft man ihn weg und behält das Grundmodell. Man kann sogar mehrere Adapter gleichzeitig auf einem Server betreiben und pro Anfrage entscheiden, welcher zum Einsatz kommt.
Was beim Anhängen im Modell passiert
Ein KI-Modell verarbeitet Text in vielen aufeinanderfolgenden Schichten. Jede Schicht rechnet mit großen Zahlentabellen, den sogenannten Gewichten. Beim Adapter-Verfahren werden diese Gewichte eingefroren, also festgesetzt und nicht mehr verändert. Stattdessen setzt man in einige Schichten kleine zusätzliche Rechenschritte ein. Nur deren Werte werden im Training angepasst.
Das bekannteste Verfahren heißt LoRA, kurz für Low-Rank Adaptation. Die Idee dahinter: Die nötige Änderung an einer riesigen Zahlentabelle lässt sich meist durch zwei sehr schmale Tabellen annähern. Statt einer Million Werte trainiert man dann vielleicht zwanzigtausend. Das Ergebnis kommt einem vollständigen Neutraining erstaunlich nahe, obwohl weniger als ein Prozent der Werte bewegt wird.
Wichtig ist die Abgrenzung zu zwei ähnlichen Ansätzen. Ein Adapter verändert das Verhalten des Modells dauerhaft und wird dafür trainiert. Ein Prompt, also eine geschickt formulierte Anweisung im Chat, wirkt nur für ein einzelnes Gespräch. Und ein Retrieval-System, das dem Modell passende Dokumente mitliefert, gibt ihm neues Wissen, ändert aber nicht seinen Stil. Für Fachvokabular und Tonfall ist der Adapter das richtige Werkzeug, für tagesaktuelle Fakten eher nicht.
Adapter in Apps, Bildgeneratoren und Cloud-Diensten
Am sichtbarsten sind Adapter bei Bildgeneratoren. In Communities rund um Stable Diffusion werden zehntausende LoRA-Dateien geteilt. Jede bringt dem Modell einen bestimmten Zeichenstil, eine Figur oder eine Bildstimmung bei. Nutzer laden sich mehrere davon herunter und kombinieren sie in einer einzigen Bildanfrage. Die Dateien sind oft kleiner als ein Musikalbum.
Bei Sprachmodellen läuft dasselbe im Hintergrund. Große Anbieter bieten Firmenkunden an, ein Modell auf eigenen Daten anzupassen — technisch steckt dahinter fast immer ein Adapter, kein neues Modell. Auch auf Smartphones wird die Technik genutzt: Ein Grundmodell liegt im Gerätespeicher, und für Aufgaben wie Textzusammenfassung oder E-Mail-Antworten werden passende Adapter dazugeladen.
In Wirtschaftsnachrichten taucht der Begriff meist im Zusammenhang mit Kosten auf. Wenn eine Meldung berichtet, ein Start-up habe ein Fachmodell für wenige zehntausend Euro gebaut, steckt in der Regel ein Adapter auf einem frei verfügbaren Grundmodell dahinter. Ein häufiger Irrtum ist dabei, dies für ein eigenständiges Modell zu halten. Fällt das Grundmodell weg oder ändert der Anbieter seine Lizenz, ist der Adapter allein wertlos.
