Low-Rank Adaptation (LoRA) (Glossar)

Low-Rank Adaptation (LoRA) ist ein Begriff aus den Bereichen Künstliche Intelligenz, Digitale Transformation und Big Data. Er beschreibt eine smarte Methode, wie große KI-Sprachmodelle schneller und günstiger an spezielle Aufgaben angepasst werden können, ohne dass sie vollständig neu trainiert werden müssen.

Stellen Sie sich vor, ein Unternehmen nutzt bereits ein großes KI-Modell zur Analyse von Kundenanfragen. Nun soll dieses Modell auf die spezifische Sprache und Fragen aus dem eigenen Bereich zugeschnitten werden. Mit klassischen Methoden wäre das sehr kostenintensiv und zeitaufwendig. Genau hier kommt Low-Rank Adaptation (LoRA) ins Spiel: Statt das riesige Modell komplett zu verändern, werden nur kleine “Adapter”-Schichten eingefügt und trainiert. Das spart Ressourcen und Zeit, und die KI lernt trotzdem, besser zur speziellen Anwendung zu passen.

Ein anschauliches Beispiel: Ein Modehändler möchte seine bestehende KI, die allgemeine Produktanfragen bearbeitet, speziell auf Anfragen rund um nachhaltige Mode optimieren. Mit LoRA kann das bestehende Modell blitzschnell auf diese neue Aufgabe abgestimmt werden – ohne aufwendiges Neutraining und mit wenig zusätzlichem Speicherbedarf. Das macht LoRA zu einem echten Gamechanger für viele Bereiche der Künstlichen Intelligenz.