> 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/neu/studio.md).

# Unsloth Studio vorgestellt

KI-Modelle lokal mit Unsloth Studio ausführen und trainieren.

Wir launchen **Unsloth Studio** (Beta): eine Open-Source-No-Code-Weboberfläche zum Trainieren, Ausführen und Exportieren offener Modelle in einer einheitlichen **lokalen** Oberfläche.

<a href="/docs/de/neu/studio.md#quickstart" class="button primary" data-icon="bolt">Schnellstart</a><a href="/docs/de/neu/studio.md#features" class="button secondary" data-icon="star">Funktionen</a><a href="https://github.com/unslothai/unsloth" class="button secondary" data-icon="github">GitHub</a>

* **GGUF ausführen**, **MLX** und Diffusions-Bild-/Videomodelle lokal auf **Mac** , Windows, Linux.
* Trainiere 500+ Modelle 2x schneller mit 70 % weniger VRAM (ohne Genauigkeitsverlust)
* Führe Text-, Diffusions-Vision-, TTS-Audio- und Embedding-Modelle aus und trainiere sie

{% hint style="success" icon="sparkles" %}
**NEU:** Wir stellen unsere neue [**Unsloth Desktop**](/docs/de/desktop.md) App vor! Download für [Mac](/docs/de/loslegen/install/mac.md), [Windows](/docs/de/loslegen/install/windows-installation.md) und [Linux](/docs/de/loslegen/install/linux.md).
{% endhint %}

<table data-view="cards"><thead><tr><th></th><th></th><th data-hidden data-card-target data-type="content-ref"></th><th data-hidden data-card-cover data-type="image">Titelbild</th></tr></thead><tbody><tr><td><h4>Präzise Tool-Aufrufe</h4></td><td>Erhalte 50 % genauere, selbstheilende Tool-Aufrufe und isolierte Codeausführung</td><td><a href="/docs/de/neu/studio/chat.md">Chat with models</a></td><td><a href="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FLL8RSnAuc7XdutjAVD4n%2Fcode%20exec.png?alt=media&amp;token=566a7385-69e0-46db-a022-bef8e2cad677">code exec.png</a></td></tr><tr><td><h4>Diffusions-Bild-/Video</h4></td><td>Führe Bild-/Video-Diffusionsmodelle wie MiniMax H3 aus und trainiere sie mit 2× schnellerer Inferenz.</td><td><a href="/docs/de/grundlagen/diffusion-image.md">Generate Images Diffusion</a></td><td><a href="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FHD8yIrQN6pS7qCNYMVxp%2Ffklrfklf.gif?alt=media&amp;token=9e7daea2-c9cc-404c-af53-325833224c94">fklrfklf.gif</a></td></tr><tr><td><h4>Mache deinen Agenten lokal</h4></td><td>Verbinde lokale LLMs mit agentischen Tools wie Claude Code und Codex mit Modellwechsel</td><td><a href="/docs/de/integrationen/unsloth-start.md">Unsloth Start</a></td><td><a href="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FaXmr0nHDKoSkhX6ESjLz%2Fclaude%20code%20image.png?alt=media&amp;token=67e609e9-b329-4c19-9e4d-2aed0fe34f9c">claude code image.png</a></td></tr><tr><td><h4>Unbegrenzte Websuche</h4></td><td>Erhalte unbegrenzte, private und sichere Websuche und Deep Research</td><td><a href="/docs/de/neu/studio.md#web-search-upgraded">Unsloth Studio</a></td><td><a href="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F6hy8X5V7FVW0NSWJfQAj%2Fwebsearch%20nice.png?alt=media&amp;token=8a02b6ac-3c85-484f-9bc7-f7d3eee24cd9">websearch nice.png</a></td></tr><tr><td><h4>Führe die neuesten Modelle aus</h4></td><td>Entdecke, verwalte und trainiere die neuesten Muse Glimmer-, MiniMax-H3-, Kimi K3- und Qwen3.8-Modelle.</td><td><a href="/docs/de/modelle/tutorials.md">Complete LLM Directory</a></td><td><a href="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FTSjv63MOktgx6PbgHAi2%2Fmodel%20hub%20models.png?alt=media&amp;token=b884e283-ff8b-4d4c-b4cb-7864d4335aa0">model hub models.png</a></td></tr><tr><td><h4><strong>Überall bereitstellen</strong></h4></td><td>Stelle Modelle sicher remote bereit und greife über Cloudflare HTTPS von überall auf Unsloth zu</td><td></td><td><a href="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FJDIIEQ8fFZy2g5snC2kp%2Fcloudflare%20url.png?alt=media&amp;token=aadb42b5-16f0-42d1-8059-c2611e7cd931">cloudflare url.png</a></td></tr></tbody></table>

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FHTlw8oO7wDIYyGqilty0%2Funsloth%20qwen3.8%20final.png?alt=media&amp;token=b8b32558-d0c8-4de8-bedf-7ad10e2c4c4a" alt=""><figcaption></figcaption></figure>

* **macOS:** Training, MLX und GGUF-Inferenz funktionieren alle in Unsloth.
* Kein Datensatz erforderlich. [**Datensätze automatisch erstellen**](/docs/de/neu/studio/data-recipe.md) aus **PDF-, CSV-, JSON-, DOCX-, TXT** Dateien.
* Verbinde deine lokalen Modelle mit jedem Agenten, einschließlich [Claude Code](/docs/de/grundlagen/claude-code.md), [Codex](/docs/de/grundlagen/codex.md), [Hermes](/docs/de/integrationen/hermes-agent.md) und mehr.
* [Exportieren oder speichern](/docs/de/neu/studio/export.md) dein Modell als GGUF, 16-Bit-Safetensor usw.
* [**Selbstheilende Tool-Aufrufe**](/docs/de/neu/studio/chat.md#auto-healing-tool-calling) / erweitert [**Websuche**](/docs/de/neu/studio/chat.md#advanced-web-search) + [**Codeausführung**](/docs/de/neu/studio/chat.md#code-execution)
* [Automatische Inferenz-Einstellungen](/docs/de/neu/studio/chat.md#auto-parameter-tuning), Chat-Vorlagen bearbeiten, Unsloth als einen [**API-Endpunkt**](#unsloth-as-an-api-endpoint).

{% hint style="success" %}
**Alle neuesten Updates findest du auf unserer** [**neuen Changelog-Seite hier**](/docs/de/neu/changelog.md)**!** ✨
{% endhint %}

## ⭐ Funktionen

{% columns %}
{% column %}

### Code ausführen + Tool-Calling reparieren

Unsloth Studio ermöglicht es LLMs, Bash und Python auszuführen, nicht nur JavaScript mit umgangenen Berechtigungen. Es sandboxt außerdem Programme wie Claude Artifacts, sodass Modelle Code testen, Dateien erzeugen und Antworten mit echter Berechnung überprüfen können.

Z. B. erstellt Unsloth eine Sandbox, damit GLM-5.2 Code ausführen kann, der als HTML-Vorschau in Canvas angezeigt wird.
{% endcolumn %}

{% column %}

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FLL8RSnAuc7XdutjAVD4n%2Fcode%20exec.png?alt=media&amp;token=566a7385-69e0-46db-a022-bef8e2cad677" alt=""><figcaption><p>Präzise Tool-Aufrufe mit isolierter Codeausführung</p></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Websuche verbessert

Die private, unbegrenzte und sichere Websuche von Unsloth besucht Seiten tatsächlich direkt, um relevante Informationen und Daten zu sammeln, und scannt nicht nur Website-Zusammenfassungen. Dadurch werden Ausgaben mit viel genaueren / tiefergehenden Informationen und Kontext erzeugt.

Z. B. durchsuchte Qwen3.5-4B 20+ Websites und zitierte Quellen, wobei die Websuche innerhalb seiner Denktrace stattfand.
{% endcolumn %}

{% column %}

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FY3nfB43TEk7k11zcE4wm%2Fthe%20big%20one.gif?alt=media&amp;token=335be087-7375-4f89-9039-71195ee44ab8" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Unsloth als API-Endpunkt

Du kannst lokale LLMs jetzt über Tools wie [Claude Code](/docs/de/grundlagen/claude-code.md) und [Codex](/docs/de/grundlagen/codex.md) verwenden, indem du es verbindest mit [Unsloths API-Endpunkt](/docs/de/grundlagen/api.md). Das bedeutet, dass du Qwen- und Gemma-Modelle direkt in diesen Tools mit Unsloths Inferenz ausführen kannst, einschließlich Funktionen wie selbstheilendem Tool-Calling, Websuche usw.

Du kannst auch [einen Anbieter verbinden](/docs/de/integrationen/connections.md) wie OpenAI, Anthropic oder vLLM mit Unsloth.
{% endcolumn %}

{% column %}

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F1s98Id9xclzwMfxjXw2O%2Funsloth%20api%20cropped.png?alt=media&amp;token=64fac263-ca5b-4447-a740-41f58ec94904" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### **No-Code-Training**

[Lade PDF-, CSV-, JSON](#data-recipes) -Dokumente oder YAML-Konfigurationen hoch und starte das Training sofort auf NVIDIA. Unsloths Kernel optimieren LoRA, FP8, FFT, PT über 500+ Text-, Vision-, TTS/Audio- und Embedding-Modelle hinweg.

Feinabstimmung der neuesten LLMs wie [Qwen3.5](/docs/de/modelle/qwen3.5/fine-tune.md) und NVIDIA [Nemotron 3](/docs/de/modelle/nemotron-3.md). [Multi-GPU](/docs/de/grundlagen/multi-gpu-training-with-unsloth.md) funktioniert automatisch, eine neue Version ist unterwegs.
{% endcolumn %}

{% column %}

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FRjAfHShyL7MfHfq6BStl%2Fonboarding%20updated.png?alt=media&amp;token=7cdde1a0-8f8c-4d25-9414-e28f35f211cd" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### **Modelle lokal ausführen**

[GGUF suchen und ausführen](/docs/de/neu/studio/chat.md) und Safetensor-Modelle mit selbstheilender [Tool-Aufruf](#execute-code--heal-tool-calling) , erweitert [Websuche](/docs/de/neu/studio/chat.md#advanced-web-search), [automatische Inferenz](/docs/de/neu/studio/chat.md#auto-parameter-tuning) Einstellungen, [**Codeausführung**](/docs/de/neu/studio/chat.md#code-execution) (Bash + Python), [APIs](/docs/de/grundlagen/api.md). Lade Bilder, Dokumente, Audio und Code hoch.

[Modelle direkt vergleichen](https://unsloth.ai/docs/new/studio/chat#model-arena). Angetrieben von llama.cpp + Hugging Face unterstützt Unsloth **Multi-GPU-Inferenz,** automatisches Offloading und Anpassen sowie die meisten Modelle.
{% endcolumn %}

{% column %}

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FNOhWqx2nFNOSjiQlv3Bz%2Finklin.gif?alt=media&amp;token=2fdae9e3-e78b-4cd3-af07-a9c4989a937f" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Datenrezepte

[**Datenrezepte**](/docs/de/neu/studio/data-recipe.md) verwandelt deine Dokumente über einen Graph-Knoten-Workflow in nutzbare / synthetische Datensätze. Lade unstrukturierte oder strukturierte Dateien wie PDFs, CSV und JSON hoch. Unsloth Data Recipes, angetrieben von NVIDIA Nemo [Data Designer](https://github.com/NVIDIA-NeMo/DataDesigner), wandelt Dokumente automatisch in die gewünschten Formate um.
{% endcolumn %}

{% column %}

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2Fcc9T0V8WsyjcuOE2sIVV%2Fdata%20recipes%20longer.png?alt=media&amp;token=5ae33e8d-09b1-45e0-8f5c-40dca8bbcf0c" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Observability

Erhalte [vollständige Transparenz](/docs/de/neu/studio/start.md#training-progress) über und Kontrolle über deine Trainingsläufe. Verfolge Trainingsverlust, Gradienten-Normen und GPU-Auslastung in Echtzeit und passe alles nach deinen Wünschen an.

Du kannst den Trainingsfortschritt sogar auf anderen Geräten wie deinem Smartphone ansehen.
{% endcolumn %}

{% column %}

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FCIrWHN1JzfaFNOoavmZS%2Fobserve%20new.png?alt=media&amp;token=21fdbc5b-a073-437a-b487-b5bdff4716f6" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Modelle exportieren / speichern

[**Jedes Modell exportieren**](/docs/de/neu/studio/export.md), einschließlich deiner feinabgestimmten Modelle, als safetensors oder GGUF für die Verwendung mit llama.cpp, vLLM, Ollama, LM Studio und mehr.

Speichert deinen Trainingsverlauf, sodass du Läufe erneut aufrufen, erneut exportieren und experimentieren kannst.
{% endcolumn %}

{% column %}

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F8UHzGTHF9q6LWrJy8Y4r%2FScreenshot%202026-03-15%20at%203.02.02%E2%80%AFAM.png?alt=media&amp;token=cb5e78f8-481a-4c9f-9361-db53e6e0ec37" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Datenschutz zuerst + sicher

Unsloth Studio kann zu 100 % offline und lokal auf deinem Computer verwendet werden. Seine tokenbasierte Authentifizierung, einschließlich verschlüsselter Passwörter und JWT-Zugriffs-/Refresh-Flows, hält deine Daten sicher.

Du kannst bereits vorhandene / alte Modelle oder GGUFs verwenden, die zuvor von HF usw. heruntergeladen wurden. Lies [die Anleitung hier](/docs/de/neu/studio/chat.md#using-old-existing-gguf-models).
{% endcolumn %}

{% column %}

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F15gRLbMDX1ReKdHBBl1G%2FScreenshot%202026-03-15%20at%203.54.51%E2%80%AFAM.png?alt=media&amp;token=ca096807-54c2-4d8c-bdc1-c1bb0055469b" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

## ⚡ Schnellstart

### **Mit Unsloth Desktop installieren**

Die einfachste Art, Unsloth Studio zu installieren, ist mit der nativen Desktop-App. Lade sie für dein Betriebssystem herunter:

* <i class="fa-apple">:apple:</i> [Download für macOS](https://unsloth.ai/download/mac)
* <i class="fa-windows">:windows:</i> [Download für Windows](https://unsloth.ai/download/windows)
* <i class="fa-linux">:linux:</i> [Download für Linux](https://unsloth.ai/download/linux)

Für eine manuelle Installation von Unsloth Studio verwende die folgenden Befehle:

{% tabs %}
{% tab title="macOS, Linux, WSL" %}
**Unsloth installieren:**

```bash
curl -fsSL https://unsloth.ai/install.sh | sh
```

Verwende denselben Befehl zum Aktualisieren.
{% endtab %}

{% tab title="Windows" %}
**Unsloth installieren:**

```powershell
irm https://unsloth.ai/install.ps1 | iex
```

Verwende denselben Befehl zum Aktualisieren.
{% endtab %}

{% tab title="Docker" %}
Das [Unsloth-Docker-Image](https://hub.docker.com/r/unsloth/unsloth) `unsloth/unsloth` ist auf Docker verfügbar. [Lies die Anleitung.](https://unsloth.ai/docs/get-started/install/docker)
{% endtab %}

{% tab title="Homebrew" %}
**Unsloth installieren:**

```bash
brew install --cask unsloth
```

Unsloth aktualisieren:

```bash
brew upgrade --cask unsloth
```

{% endtab %}

{% tab title="WinGet" %}
**Unsloth installieren:**

```powershell
winget install --id UnslothAI.Unsloth -e
```

Unsloth aktualisieren:

<pre class="language-powershell"><code class="lang-powershell"><strong>winget upgrade --id UnslothAI.Unsloth -e
</strong></code></pre>

{% endtab %}
{% endtabs %}

#### Unsloth starten

{% columns %}
{% column %}
Standardmäßiger lokaler Start:

```bash
unsloth studio
```

Für weitere Details zur Installation und Deinstallation besuche bitte den [Unsloth Studio-Installations](/docs/de/neu/studio/install.md) Abschnitt.
{% endcolumn %}

{% column %}
Unsloth sicher über HTTPS starten:

```bash
unsloth studio --secure
```

Verwende einen [kostenlosen Cloudflare](/docs/de/grundlagen/lokale-llms-uberall-bereitstellen-sicherer-remote-zugriff-mit-cloudflare-und-unsloth.md) -Tunnel unter Windows, Mac oder Linux.
{% endcolumn %}
{% endcolumns %}

{% content-ref url="/pages/fd472c5a40e73b8e54cee17244010f121bf38286" %}
[Installation](/docs/de/neu/studio/install.md)
{% endcontent-ref %}

#### <i class="fa-google">:google:</i> Google-Colab-Notebook

Wir haben ein [kostenloses Google-Colab-Notebook](https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb) erstellt, damit du alle Funktionen von Unsloth auf den T4-GPUs von Colab ausprobieren kannst. Du kannst die meisten Modelle bis zu 22B Parametern trainieren und ausführen und für größere Modelle auf eine größere GPU wechseln. Klicke einfach auf 'Run all' und die Oberfläche sollte nach der Installation erscheinen.

{% columns %}
{% column %}
{% embed url="<https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb>" %}

Sobald die Installation abgeschlossen ist, scrolle zu **Start Unsloth Studio** und klicke auf **Open Unsloth Studio** im links gezeigten weißen Feld:

**Scrolle weiter nach unten, um die eigentliche Oberfläche zu sehen.**
{% endcolumn %}

{% column %}

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FkYitMrK55Ic6eIGqiKEJ%2FScreenshot%202026-03-16%20at%2011.21.16%E2%80%AFPM.png?alt=media&amp;token=4388c309-a598-41f3-9301-e434c334ac1c" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% hint style="warning" %}
Manchmal kann der Unsloth-Link einen Fehler zurückgeben. Das passiert, weil du möglicherweise Cookies deaktiviert hast oder einen Adblocker oder Mozilla verwendest. Du kannst trotzdem auf die Oberfläche zugreifen, indem du unterhalb der Schaltfläche weiter nach unten scrollst.
{% endhint %}

### 👾 Unsloth Start

{% columns %}
{% column width="58.333333333333336%" %}
[Unsloth Start](/docs/de/integrationen/unsloth-start.md) ermöglicht es dir, [Claude Code](/docs/de/grundlagen/claude-code.md), [Codex](/docs/de/grundlagen/codex.md) und andere Agenten mit lokalen Modellen über den `unsloth start` Befehl zu verbinden.

Starte Unsloth, lade ein Modell, öffne deinen Projektordner und führe dann aus:

```bash
unsloth start claude
```

Ersetze `claude` mit einem der untenstehenden Agenten:
{% endcolumn %}

{% column width="41.666666666666664%" %}

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FpXE6kCHjh8qOEaggf94M%2FScreenshot_20260718_122426.png?alt=media&amp;token=a59e4c8c-efdb-451b-b1f8-621955564f6d" alt="" width="563"><figcaption><p>Claude Code läuft lokal mit Qwen3.5.</p></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

| Agent                                                              | Befehl                   |
| ------------------------------------------------------------------ | ------------------------ |
| <i class="fa-claude">:claude:</i> Claude Code                      | `unsloth start claude`   |
| <i class="fa-openai">:openai:</i> OpenAI Codex                     | `unsloth start codex`    |
| <i class="fa-caduceus">:caduceus:</i> Hermes Agent                 | `unsloth start hermes`   |
| <i class="fa-lobster">:lobster:</i> OpenClaw                       | `unsloth start openclaw` |
| <i class="fa-rectangle-vertical">:rectangle-vertical:</i> OpenCode | `unsloth start opencode` |

## <i class="fa-seedling">:seedling:</i> Arbeitsablauf

Hier ist ein typischer Arbeitsablauf von Unsloth Studio, um dir den Einstieg zu erleichtern:

1. Starte Unsloth über [Installationsanleitung](/docs/de/neu/studio/install.md).
2. Lade ein Modell aus lokalen Dateien oder einer unterstützten Integration.
3. Importiere Trainingsdaten aus PDFs, CSVs oder JSONL-Dateien oder erstelle einen Datensatz von Grund auf.
4. Bereinige, verfeinere und erweitere deinen Datensatz in [Datenrezepte](/docs/de/neu/studio/data-recipe.md).
5. Starte das Training mit empfohlenen Voreinstellungen oder passe die Konfiguration selbst an.
6. Chatte mit dem trainierten Modell und vergleiche seine Ausgaben mit dem Basismodell.
7. [Speichern oder exportieren](/docs/de/neu/studio.md#export-save-models) lokal in den Stack, den du bereits verwendest.

Du kannst unsere einzelnen Deep Dives zu jedem Abschnitt von Unsloth Studio lesen:

{% columns %}
{% column width="50%" %}
{% content-ref url="/pages/bf6b637872d3a9f534daa54866ec7d33d9b369a2" %}
[Get Started](/docs/de/neu/studio/start.md)
{% endcontent-ref %}

{% content-ref url="/pages/13c9d0063a9732a68734b74792f3e30153873bf4" %}
[Model Export](/docs/de/neu/studio/export.md)
{% endcontent-ref %}
{% endcolumn %}

{% column width="50%" %}
{% content-ref url="/pages/dd9f9c69fff351709e4886e820d7d6facf3ec2b3" %}
[Data Recipes](/docs/de/neu/studio/data-recipe.md)
{% endcontent-ref %}

{% content-ref url="/pages/73168493b14a89fa27e95b776ade6bd93679a3e5" %}
[Chat with models](/docs/de/neu/studio/chat.md)
{% endcontent-ref %}
{% endcolumn %}
{% endcolumns %}

## <i class="fa-comments-question">:comments-question:</i> FAQ

**Sammelt oder speichert Unsloth Daten?**\
Unsloth sammelt keine Nutzungs-Telemetriedaten. Unsloth sammelt nur die minimalen Hardware-Informationen, die für die Kompatibilität erforderlich sind, wie GPU-Typ und Gerät (z. B. Mac). Unsloth Studio läuft zu 100 % offline und lokal.

**Wie verwende ich ein altes / vorhandenes Modell, das ich zuvor von Hugging Face heruntergeladen habe?**\
Ja, du kannst bereits vorhandene/alte Modelle oder GGUFs verwenden, die du zuvor von Hugging Face usw. heruntergeladen hast. Sie sollten nun automatisch von Unsloth erkannt werden, andernfalls lies unsere [die Anleitung hier](/docs/de/neu/studio/chat.md#using-old-existing-gguf-models).

**Warum ist die Inferenz in Unsloth manchmal langsamer?**\
Unsloth wird wie andere lokale Inferenz-Apps von llama.cpp angetrieben, daher sollten die Geschwindigkeiten größtenteils gleich sein. Manchmal kann Unsloth langsamer sein, weil du Websuche, Codeausführung oder selbstheilendes Tool-Calling aktiviert hast. All diese Funktionen können deine Inferenz verlangsamen. Wenn der Geschwindigkeitsunterschied bei deaktivierten Funktionen immer noch langsamer ist, erstelle bitte ein GitHub-Issue!

**Unterstützt Unsloth Studio OpenAI-kompatible APIs?**\
Ja, siehe unsere [API-Endpunkt-Anleitung hier](/docs/de/grundlagen/api.md).

**Steht Unsloth jetzt unter der AGPL-3.0-Lizenz?**\
Unsloth verwendet ein Dual-Licensing-Modell aus Apache 2.0 und AGPL-3.0. Das Kernpaket von Unsloth bleibt unter [**Apache 2.0**](https://github.com/unslothai/unsloth?tab=Apache-2.0-1-ov-file), während bestimmte optionale Komponenten, wie die Unsloth-Studio-Oberfläche, lizenziert sind unter [**AGPL-3.0**](https://github.com/unslothai/unsloth?tab=AGPL-3.0-2-ov-file).

Diese Struktur unterstützt die fortlaufende Entwicklung von Unsloth, während das Projekt Open Source bleibt und das breitere Ökosystem weiter wachsen kann.

**Unterstützt Unsloth nur LLMs?**\
Nein. Unsloth unterstützt eine Reihe unterstützter `transformers` kompatibler Modellfamilien, darunter Text-, multimodale Modelle, [Text-to-Speech](/docs/de/grundlagen/text-to-speech-tts-fine-tuning.md), Audio, [Embeddings](/docs/de/grundlagen/embedding-finetuning.md), und BERT-ähnliche Modelle.

**Kann ich meine eigene Trainingskonfiguration verwenden?**\
Ja. Importiere eine YAML-Konfiguration und Unsloth füllt die relevanten Einstellungen vor.

**Muss man Modelle trainieren, um die Oberfläche zu nutzen?**\
Nein, du kannst einfach beliebige GGUFs oder Modelle herunterladen, ohne ein Modell feinabzustimmen.

#### Danksagungen

Ein großes Dankeschön an NVIDIA und Hugging Face dafür, dass sie Teil unseres Launches waren. Außerdem danken wir all unseren frühen Beta-Testern für Unsloth Studio; wir schätzen eure Zeit und euer Feedback sehr. Wir möchten uns auch bei llama.cpp, PyTorch und Open Model Labs dafür bedanken, dass sie die Infrastruktur bereitgestellt haben, die Unsloth Studio möglich gemacht hat.


---

# 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/neu/studio.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.