> 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-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 unter macOS. - [Unsloth unter Windows installieren](https://unsloth.ai/docs/de/loslegen/install/windows-installation.md): Installiere Unsloth Desktop, Unsloth Studio oder Unsloth Core unter Windows. - [Unsloth über Docker installieren](https://unsloth.ai/docs/de/loslegen/install/docker.md): Installiere Unsloth mit unserem offiziellen Docker-Container - [Unsloth auf Linux installieren](https://unsloth.ai/docs/de/loslegen/install/linux.md): Installiere Unsloth Desktop, Unsloth Studio oder Unsloth Core unter Linux. - [Unsloth aktualisieren](https://unsloth.ai/docs/de/loslegen/install/updating.md): Unsloth Desktop, Unsloth Studio oder Unsloth Core aktualisieren. - [LLMs auf Intel-GPUs mit Unsloth feinabstimmen](https://unsloth.ai/docs/de/loslegen/install/intel.md): Erfahre, wie du große Sprachmodelle auf Intel-GPUs trainierst und feinabstimmst. - [LLMs auf AMD-GPUs mit dem Unsloth-Leitfaden feinabstimmen](https://unsloth.ai/docs/de/loslegen/install/amd.md): Erfahre, wie du große Sprachmodelle (LLMs) mit Unsloth auf AMD-GPUs feinabstimmst. - [AMD AI Reinforcement Learning Hackathon mit Unsloth](https://unsloth.ai/docs/de/loslegen/install/amd/amd-hackathon.md): ​​Lerne praktische Techniken für Reinforcement Learning für KI-Modelle mit Unsloth von Daniel Han, dem Ersteller von Unsloth. - [Conda-Installation](https://unsloth.ai/docs/de/loslegen/install/conda-install.md): Um Unsloth lokal mit Conda zu installieren, befolge die folgenden Schritte: - [Wie man LLMs in VS Code mit Unsloth- & Colab-GPUs feinabstimmt](https://unsloth.ai/docs/de/loslegen/install/vs-code.md): Leitfaden zur direkten Feinabstimmung von Modellen 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, befolge die folgenden Schritte: - [Unsloth-Modellkatalog](https://unsloth.ai/docs/de/loslegen/unsloth-model-catalog.md) - [Fine-Tuning für Anfänger](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 Anforderungen von Unsloth, einschließlich System- und GPU-VRAM-Anforderungen. - [FAQ + Ist Fine-Tuning das Richtige für mich?](https://unsloth.ai/docs/de/loslegen/fine-tuning-for-beginners/faq-+-is-fine-tuning-right-for-me.md): Wenn du dir nicht sicher bist, ob Fine-Tuning das Richtige für dich ist, schau hier nach! Erfahre mehr über Missverständnisse beim Fine-Tuning, wie es sich im Vergleich zu RAG verhält und mehr: - [Unsloth-Notebooks](https://unsloth.ai/docs/de/loslegen/unsloth-notebooks.md): Fine-Tuning-Notebooks: Entdecke den Unsloth-Katalog. - [Leitfaden zur Feinabstimmung von LLMs](https://unsloth.ai/docs/de/loslegen/fine-tuning-llms-guide.md): Lerne alle Grundlagen und Best Practices des Fine-Tuning. Anfängerfreundlich. - [Datensatz-Leitfaden](https://unsloth.ai/docs/de/loslegen/fine-tuning-llms-guide/datasets-guide.md): Erfahre, wie du einen Datensatz für das Fine-Tuning erstellst und vorbereitest. - [Leitfaden zu Hyperparametern für LoRA-Fine-Tuning](https://unsloth.ai/docs/de/loslegen/fine-tuning-llms-guide/lora-hyperparameters-guide.md): Lerne Schritt für Schritt die besten Einstellungen für das LLM-Fine-Tuning – LoRA-Rang und -Alpha, Epochen, Batchgröße + Gradientenakkumulation, QLoRA vs. LoRA, Zielmodule und mehr. - [Welches Modell sollte ich für das Fine-Tuning 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 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 Einsteiger 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 ultra-langes Kontext-RL-Fine-Tuning 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 mit 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): „Defeating the Training-Inference Mismatch 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 Fine-Tuning zur Präferenzanpassung mit DPO, GRPO, ORPO oder KTO über Unsloth, befolge die folgenden Schritte: - [KI-Agenten mit RL trainieren](https://unsloth.ai/docs/de/loslegen/reinforcement-learning-rl-guide/training-ai-agents-with-rl.md): Erfahre, wie du KI-Agenten für reale Aufgaben 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 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/loslegen.md?ask=&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.