> 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/loslegen.md). # Loslegen - [Unsloth-Modellkatalog](https://unsloth.ai/docs/de/loslegen/unsloth-model-catalog.md) - [Feinabstimmung für Einsteiger](https://unsloth.ai/docs/de/loslegen/fine-tuning-for-beginners.md) - [Unsloth-Anforderungen](https://unsloth.ai/docs/de/loslegen/fine-tuning-for-beginners/unsloth-requirements.md): Hier sind die Unsloth-Anforderungen, einschließlich System- und GPU-VRAM-Anforderungen. - [FAQ + Ist Feinabstimmung das Richtige für mich?](https://unsloth.ai/docs/de/loslegen/fine-tuning-for-beginners/faq-+-is-fine-tuning-right-for-me.md): Wenn du unsicher bist, ob Feinabstimmung das Richtige für dich ist, schau hier nach! Erfahre mehr über Missverständnisse bei der Feinabstimmung, wie sie sich im Vergleich zu RAG verhält und mehr: - [Unsloth-Notebooks](https://unsloth.ai/docs/de/loslegen/unsloth-notebooks.md): Notebooks zur Feinabstimmung: Erkunde den Unsloth-Katalog. - [Unsloth-Installation](https://unsloth.ai/docs/de/loslegen/install.md): Installiere Unsloth Desktop, Unsloth Studio oder Unsloth Core. - [Unsloth über pip und uv installieren](https://unsloth.ai/docs/de/loslegen/install/pip-install.md): Installiere Unsloth Studio manuell oder installiere Unsloth Core mit pip, uv oder einer virtuellen Umgebung. - [Unsloth auf macOS installieren](https://unsloth.ai/docs/de/loslegen/install/mac.md): Installiere Unsloth Desktop, Unsloth Studio oder Unsloth Core auf macOS. - [Unsloth unter Linux installieren](https://unsloth.ai/docs/de/loslegen/install/linux.md): Installiere Unsloth Desktop, Unsloth Studio oder Unsloth Core unter Linux. - [Unsloth unter Windows installieren](https://unsloth.ai/docs/de/loslegen/install/windows-installation.md): Installiere Unsloth Desktop, Unsloth Studio oder Unsloth Core unter Windows. - [Feinabstimmung von LLMs auf AMD-GPUs mit dem Unsloth-Leitfaden](https://unsloth.ai/docs/de/loslegen/install/amd.md): Erfahre, wie du große Sprachmodelle (LLMs) mit Unsloth auf AMD-GPUs feinabstimmst. - [AMD KI Reinforcement Learning Hackathon mit Unsloth](https://unsloth.ai/docs/de/loslegen/install/amd/amd-hackathon.md): Lerne praxisnahes Reinforcement Learning für KI-Modelle mit Unsloth von Daniel Han, dem Erfinder von Unsloth. - [Unsloth aktualisieren](https://unsloth.ai/docs/de/loslegen/install/updating.md): Aktualisiere Unsloth Desktop, Unsloth Studio oder Unsloth Core. - [Unsloth über Docker installieren](https://unsloth.ai/docs/de/loslegen/install/docker.md): Installiere Unsloth mit unserem offiziellen Docker-Container - [Feinabstimmung von LLMs auf Intel-GPUs mit Unsloth](https://unsloth.ai/docs/de/loslegen/install/intel.md): Erfahre, wie du große Sprachmodelle auf Intel-GPUs trainierst und feinabstimmst. - [Conda-Installation](https://unsloth.ai/docs/de/loslegen/install/conda-install.md): Um Unsloth lokal mit Conda zu installieren, folge den folgenden Schritten: - [Wie man LLMs in VS Code mit Unsloth & Colab-GPUs feinabstimmt](https://unsloth.ai/docs/de/loslegen/install/vs-code.md): Leitfaden zur Feinabstimmung von Modellen direkt in Visual Studio Code über Unsloth und Google Colab. - [Google Colab](https://unsloth.ai/docs/de/loslegen/install/google-colab.md): Um Unsloth auf Google Colab zu installieren und auszuführen, folge den folgenden Schritten: - [Leitfaden zur Feinabstimmung von LLMs](https://unsloth.ai/docs/de/loslegen/fine-tuning-llms-guide.md): Lerne alle Grundlagen und Best Practices der Feinabstimmung. Für Einsteiger geeignet. - [Datensatz-Leitfaden](https://unsloth.ai/docs/de/loslegen/fine-tuning-llms-guide/datasets-guide.md): Erfahre, wie du einen Datensatz für die Feinabstimmung erstellst und vorbereitest. - [Leitfaden zu Hyperparametern für die LoRA-Feinabstimmung](https://unsloth.ai/docs/de/loslegen/fine-tuning-llms-guide/lora-hyperparameters-guide.md): Lerne Schritt für Schritt die besten Einstellungen für die LLM-Feinabstimmung kennen – LoRA-Rang und Alpha, Epochen, Batchgröße + Gradient Accumulation, QLoRA vs. LoRA, Zielmodule und mehr. - [Welches Modell sollte ich für die Feinabstimmung verwenden?](https://unsloth.ai/docs/de/loslegen/fine-tuning-llms-guide/what-model-should-i-use.md) - [Tutorial: Wie man Llama-3 feinabstimmt und in Ollama verwendet](https://unsloth.ai/docs/de/loslegen/fine-tuning-llms-guide/tutorial-how-to-finetune-llama-3-and-use-in-ollama.md): Einsteigerleitfaden zum Erstellen eines personalisierten persönlichen Assistenten (wie ChatGPT), der lokal in Ollama ausgeführt wird - [Leitfaden zu Reinforcement Learning (RL)](https://unsloth.ai/docs/de/loslegen/reinforcement-learning-rl-guide.md): Erfahre alles über Reinforcement Learning (RL) und wie du mit Unsloth und GRPO dein eigenes DeepSeek-R1-Reasoning-Modell trainierst. Ein vollständiger Leitfaden von Anfänger bis Fortgeschrittene. - [Reinforcement Learning GRPO mit 7x längerem Kontext](https://unsloth.ai/docs/de/loslegen/reinforcement-learning-rl-guide/grpo-long-context.md): Erfahre, wie Unsloth ultralange Kontext-RL-Feinabstimmung ermöglicht. - [Vision Reinforcement Learning (VLM RL)](https://unsloth.ai/docs/de/loslegen/reinforcement-learning-rl-guide/vision-reinforcement-learning-vlm-rl.md): Trainiere Vision-/Multimodal-Modelle mit GRPO und RL mit Unsloth! - [FP8 Reinforcement Learning](https://unsloth.ai/docs/de/loslegen/reinforcement-learning-rl-guide/fp8-reinforcement-learning.md): Trainiere Reinforcement Learning (RL) und GRPO mit FP8-Präzision mit Unsloth. - [Tutorial: Trainiere dein eigenes Reasoning-Modell mit GRPO](https://unsloth.ai/docs/de/loslegen/reinforcement-learning-rl-guide/tutorial-train-your-own-reasoning-model-with-grpo.md): Einsteigerleitfaden zur Umwandlung eines Modells wie Llama 3.1 (8B) in ein Reasoning-Modell mithilfe von Unsloth und GRPO. - [Erweiterte Dokumentation zu Reinforcement Learning](https://unsloth.ai/docs/de/loslegen/reinforcement-learning-rl-guide/advanced-rl-documentation.md): Erweiterte Dokumentationseinstellungen bei der Verwendung von Unsloth mit GRPO. - [GSPO Reinforcement Learning](https://unsloth.ai/docs/de/loslegen/reinforcement-learning-rl-guide/advanced-rl-documentation/gspo-reinforcement-learning.md): Trainiere mit GSPO (Group Sequence Policy Optimization) RL in Unsloth. - [RL Reward Hacking](https://unsloth.ai/docs/de/loslegen/reinforcement-learning-rl-guide/advanced-rl-documentation/rl-reward-hacking.md): Erfahre, was Reward Hacking im Reinforcement Learning ist und wie man es bekämpft. - [FP16 vs BF16 für RL](https://unsloth.ai/docs/de/loslegen/reinforcement-learning-rl-guide/advanced-rl-documentation/fp16-vs-bf16-for-rl.md): Das Beheben des Trainings-Inferenz-Mismatches via FP16 https://arxiv.org/pdf/2510.26788 zeigt, dass die Verwendung von float16 besser ist als bfloat16 - [Speichereffizientes RL](https://unsloth.ai/docs/de/loslegen/reinforcement-learning-rl-guide/memory-efficient-rl.md) - [Training zur Präferenzoptimierung - DPO, ORPO & KTO](https://unsloth.ai/docs/de/loslegen/reinforcement-learning-rl-guide/preference-dpo-orpo-and-kto.md): Erfahre mehr über Feinabstimmung zur Präferenzanpassung mit DPO, GRPO, ORPO oder KTO über Unsloth, folge den folgenden Schritten: - [KI-Agents mit RL trainieren](https://unsloth.ai/docs/de/loslegen/reinforcement-learning-rl-guide/training-ai-agents-with-rl.md): Erfahre, wie du KI-Agents für Aufgaben aus der realen Welt mit Reinforcement Learning (RL) trainierst. --- # 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 dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://unsloth.ai/docs/de/loslegen.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. 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.