> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/de/blog.md).

# Blog

- [3x schnelleres LLM-Training mit Unsloth-Kernels + Packing](https://unsloth.ai/docs/de/blog/3x-faster-training-packing.md): Erfahren Sie, wie Unsloth den Trainingsdurchsatz erhöht und Padding-Verschwendung beim Feinabstimmen eliminiert.
- [Feinabstimmung mit 500K Kontextlänge](https://unsloth.ai/docs/de/blog/500k-context-length-fine-tuning.md): Erfahren Sie, wie Sie mit Unsloth eine Feinabstimmung mit einem Kontextfenster von >500K Token aktivieren.
- [Quantisierungsbewusstes Training (QAT)](https://unsloth.ai/docs/de/blog/quantization-aware-training-qat.md): Quantisieren Sie Modelle mit Unsloth und PyTorch auf 4 Bit, um Genauigkeit zurückzugewinnen.
- [Feinabstimmung von LLMs auf der NVIDIA DGX Station mit Unsloth](https://unsloth.ai/docs/de/blog/dgx-station.md): NVIDIA-DGX-Station-Tutorial zur Feinabstimmung mit Notebooks von Unsloth.
- [So feinabstimmen Sie LLMs mit Unsloth & Docker](https://unsloth.ai/docs/de/blog/how-to-fine-tune-llms-with-unsloth-and-docker.md): Erfahren Sie, wie Sie LLMs feinabstimmen oder Reinforcement Learning (RL) mit dem Docker-Image von Unsloth durchführen.
- [Feinabstimmung von LLMs mit NVIDIA DGX Spark und Unsloth](https://unsloth.ai/docs/de/blog/fine-tuning-llms-with-nvidia-dgx-spark-and-unsloth.md): Tutorial zur Feinabstimmung und zum Reinforcement Learning (RL) mit OpenAI gpt-oss auf NVIDIA DGX Spark.
- [Feinabstimmung von LLMs mit Blackwell, der RTX-50-Serie & Unsloth](https://unsloth.ai/docs/de/blog/fine-tuning-llms-with-blackwell-rtx-50-series-and-unsloth.md): Erfahren Sie in unserer Schritt-für-Schritt-Anleitung, wie Sie LLMs auf NVIDIAs Blackwell-, RTX-50-Serie- und B200-GPUs feinabstimmen.
- [So führen Sie Diffusion-Image-GGUFs in ComfyUI aus](https://unsloth.ai/docs/de/blog/comfyui.md): Anleitung zum Ausführen von Unsloth-Diffusion-GGUF-Modellen in ComfyUI.
- [AI Engineer's 2025](https://unsloth.ai/docs/de/blog/ai-engineers-2025.md): Folien zu unserem AI Engineer's Worlds Fair 2025 Workshop.
- [Unsloth - AI Engineer World's Fair 2026](https://unsloth.ai/docs/de/blog/ai-engineer-2026.md): Folien zu unserem AI Engineer's Worlds Fair 2026 Workshop.
- [GPU Mode - Reinforcement-Learning-Minikonferenz 2026](https://unsloth.ai/docs/de/blog/gpu-mode-conference.md): Folien zu unseren Vorträgen auf der PyTorch Conference 2025.
- [Unsloth AMD PyTorch Synthetic-Data-Hackathon](https://unsloth.ai/docs/de/blog/unsloth-amd-pytorch-synthetic-data-hackathon.md): Tipps & Tricks, Fehlerbehebung und Anleitung zum Ausführen von Unsloth auf einer AMD-GPU.
- [PyTorch Conference 2025 - Unsloth](https://unsloth.ai/docs/de/blog/pytorch-conference-2025-unsloth.md): Folien zu unseren Vorträgen auf der PyTorch Conference 2025.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://unsloth.ai/docs/de/blog.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.