gerlinger.ai
TÜV-zertifiziert in Verkaufspsychologie
Über michInvestition
Kimi K3 gegen Claude: Wer baut die BESSERE Website?
13:51
YouTube

Kimi K3 gegen Claude: Wer baut die BESSERE Website?

Was Claude kann, wenn du diese 10 MCPs anschließt
14:43
YouTube

Was Claude kann, wenn du diese 10 MCPs anschließt

GPT-5.6 Sol, OpenAI beerdigt CODEX und der Abo-Krieg um Claude
17:07
YouTube

GPT-5.6 Sol, OpenAI beerdigt CODEX und der Abo-Krieg um Claude

So delegiert der Erfinder von Claude Code die KI
8:39
YouTube

So delegiert der Erfinder von Claude Code die KI

Wie 5 KI-Agenten aus Claude dein Unternehmen lenken
13:34
YouTube

Wie 5 KI-Agenten aus Claude dein Unternehmen lenken

YouTube-Videos

Kimi K3 gegen Claude: Wer baut die BESSERE Website?
13:51
YouTube

Kimi K3 gegen Claude: Wer baut die BESSERE Website?

Was Claude kann, wenn du diese 10 MCPs anschließt
14:43
YouTube

Was Claude kann, wenn du diese 10 MCPs anschließt

GPT-5.6 Sol, OpenAI beerdigt CODEX und der Abo-Krieg um Claude
17:07
YouTube

GPT-5.6 Sol, OpenAI beerdigt CODEX und der Abo-Krieg um Claude

So delegiert der Erfinder von Claude Code die KI
8:39
YouTube

So delegiert der Erfinder von Claude Code die KI

Wie 5 KI-Agenten aus Claude dein Unternehmen lenken
13:34
YouTube

Wie 5 KI-Agenten aus Claude dein Unternehmen lenken

Neueste Artikel

Hochrisiko-KI im EU AI Act: Frist jetzt bis Dezember 2027
dsgvo-datenschutz

Hochrisiko-KI im EU AI Act: Frist jetzt bis Dezember 2027

KI-Vertragsprüfung im Mittelstand: automatisch statt manuell
praxis-guides

KI-Vertragsprüfung im Mittelstand: automatisch statt manuell

KI-Postfach: E-Mails automatisch sortieren und beantworten
praxis-guides

KI-Postfach: E-Mails automatisch sortieren und beantworten

n8n vs. Make vs. Zapier: DSGVO-Vergleich für KMU
ki-vergleiche

n8n vs. Make vs. Zapier: DSGVO-Vergleich für KMU

KI-Meeting-Protokoll: Tools und DSGVO im Check
praxis-guides

KI-Meeting-Protokoll: Tools und DSGVO im Check

KI-Verordnung: Überblick für den Mittelstand
dsgvo-datenschutz

KI-Verordnung: Überblick für den Mittelstand

gerlinger.ai
5.0
TÜV-zertifiziert in Verkaufspsychologie
KI-Beratung für den MittelstandInterne WissensdatenbankAutomatisierungIntelligente WebsitesKI-TelefonassistentCorporate LLMIndividuelle Software
KI-Beratung für den MittelstandInterne WissensdatenbankAutomatisierungIntelligente WebsitesKI-TelefonassistentCorporate LLMIndividuelle Software
Baugewerbe & HandwerkE-Commerce & HandelMaschinenbau & IndustrieImmobilien
Baugewerbe & HandwerkE-Commerce & HandelMaschinenbau & IndustrieImmobilien
Top 10 KI-ToolsBlogKI-LexikonFAQKI-Einführungs-ChecklisteDSGVO-Vorlagen-Paket
Top 10 KI-ToolsBlogKI-LexikonFAQKI-Einführungs-ChecklisteDSGVO-Vorlagen-Paket
KI-Readiness-CheckKI-ROI-RechnerDSGVO-KI-CheckKI-LösungsfinderKostenvergleichsrechnerPrompt-Bibliothek
KI-Readiness-CheckKI-ROI-RechnerDSGVO-KI-CheckKI-LösungsfinderKostenvergleichsrechnerPrompt-Bibliothek
Termin buchenLinkedInYouTubeInstagramXSubstackSpotify
Termin buchenLinkedInYouTubeInstagramXSubstackSpotify

© 2026 JANGER GmbH. Alle Rechte vorbehalten.

ImpressumDatenschutzAGB
  1. Lexikon
  2. Modellgröße (Parameter)
KI-Lexikon

Modellgröße (Parameter)

Die Anzahl der trainierbaren Parameter bestimmt die Leistungsfähigkeit eines KI-Modells.

Teilen:
Aufsteigende Türme unterschiedlicher Größe mit violett leuchtenden ParameterzählernMit KI erstellt

Das Wichtigste auf einen Blick

  • ✓Die Modellgroesse bestimmt Hardware-Anforderungen, Kosten und Qualität
  • ✓Für viele Mittelstandsaufgaben reichen 7B-13B-Modelle auf einer einzelnen GPU völlig aus
  • ✓Ein spezialisiertes kleines Modell schlaegt oft ein grosses Generalistenmodell
  • ✓Teste verschiedene Größen mit deinem konkreten Anwendungsfall, bevor du in Hardware investierst
  • ✓Quantisierung ermöglicht größere Modelle auf kleinerer Hardware, ein guter Kompromiss

Definition

Die Modellgroesse wird in der Anzahl der Parameter gemessen, also die trainierbaren Stellschrauben des neuronalen Netzes. GPT-4 hat geschätzt über 1 Billion Parameter, Llama 3 gibt es in 8B, 70B und 405B Varianten. Grundsaetzlich gilt: Mehr Parameter bedeuten mehr Wissen und bessere Ergebnisse, aber auch mehr Rechenleistung. Allerdings zeigt sich zunehmend, dass kleinere, spezialisiert trainierte Modelle für bestimmte Aufgaben ähnliche Ergebnisse liefern können wie deutlich größere Generalisten. Die Wahl der richtigen Modellgroesse ist deshalb eine der wichtigsten technischen Entscheidungen beim KI-Einsatz.

Modellgröße (Parameter): So funktioniert's

Parameter sind die numerischen Werte in einem neuronalen Netz, die während des Trainings angepasst werden. Stell dir jeden Parameter als eine kleine Stellschraube vor, die beeinflusst, wie das Modell auf bestimmte Eingaben reagiert. Ein 7B-Modell hat 7 Milliarden solcher Stellschrauben, ein 70B-Modell zehnmal so viele. Während des Trainings werden diese Parameter Schritt für Schritt optimiert, sodass das Modell immer bessere Ergebnisse liefert. Mehr Parameter ermöglichen es dem Modell, feinere Unterscheidungen zu treffen und mehr Wissen zu speichern, benötigen aber proportional mehr Arbeitsspeicher auf der GPU.

Relevanz für dein Unternehmen

Die Modellgroesse bestimmt, welche Hardware du benötigst. Ein 7B-Modell läuft auf einer einzelnen GPU (ab ca. 1.500 EUR), ein 70B-Modell braucht einen dedizierten Server. Für viele Unternehmensaufgaben reichen kleinere Modelle völlig aus. Der richtige Kompromiss zwischen Qualität und Kosten ist entscheidend. Für den Mittelstand gilt die Faustregel: Starte mit einem kleinen Modell und skaliere nur hoch, wenn die Qualität nicht ausreicht. Ein 7B-Modell, das für deine spezifische Aufgabe feinabgestimmt wurde, schlaegt oft ein 70B-Generalistenmodell, und das bei einem Bruchteil der Hardware-Kosten.

Vorteile und Nachteile

Vorteile

  • +Größere Modelle liefern bessere Ergebnisse bei komplexen, offenen Aufgaben
  • +Kleinere Modelle sind schneller, günstiger und auf einfacher Hardware betreibbar
  • +Breite Auswahl an Modellgroessen ermöglicht passgenaue Lösung für jedes Budget
  • +Quantisierung erlaubt es, grosse Modelle auf kleinerer Hardware zu betreiben

Nachteile / Grenzen

  • −Größere Modelle erfordern teurere Hardware und mehr Energieverbrauch
  • −Antwortzeiten steigen mit der Modellgroesse, was die Nutzererfahrung beeintraechtigen kann
  • −Die Qualitätsunterschiede zwischen Modellgroessen sind nicht immer proportional zu den Kosten
  • −Quantisierung verbessert die Hardware-Anforderungen, kann aber die Qualität leicht reduzieren

Praxisbeispiele

  • 17B-Modell für einfache Textaufgaben auf einer Desktop-GPU
  • 270B-Modell für komplexe Analysen auf einem GPU-Server
  • 3405B-Modell in der Cloud für höchste Qualitätsansprueche
  • 4Spezialisiertes 7B-Modell, das durch Fine-Tuning ein 70B-Modell in einer bestimmten Domaene schlaegt
  • 5Quantisiertes 70B-Modell, das durch Komprimierung auf einer einzelnen GPU läuft

Häufig gestellte Fragen

Teilen:
Jannis Gerlinger

Über den Autor

Jannis Gerlinger

Geschäftsführer, JANGER GmbH

Jannis Gerlinger ist Geschäftsführer der JANGER GmbH. Seit über 15 Jahren entwickelt er digitale Lösungen, erst im UX/UI Design und E-Commerce, heute mit dem Fokus auf sichere KI-Systeme für den Mittelstand. Mit seiner TÜV-Zertifizierung in Verkaufspsychologie verbindet er technisches Know-how mit einem tiefen Verständnis für Geschäftsprozesse.

Verwandte Begriffe

Large Language Model (LLM)GPU (Grafikprozessor)Lokale KI

KI-Praxistipps per E-Mail

Die neuesten Praxis-Tipps zur KI-Einführung direkt in dein Postfach. Kein Spam, jederzeit abbestellbar.

Bereit für KI in deinem Unternehmen?

Kostenloses Erstgespräch: Wir zeigen dir, wie KI konkret in deinem Unternehmen aussehen kann.

Verwandte Begriffe

Large Language Model (LLM)

Große Sprachmodelle, die menschliche Sprache verstehen und generieren.

GPU (Grafikprozessor)

Spezialprozessor, der KI-Berechnungen um ein Vielfaches beschleunigt.

Lokale KI

KI-Systeme, die auf eigenen Servern ohne Cloud-Anbindung laufen.

KI-Ready-Check buchen

In 15 Minuten findest du heraus, wo KI in deinem Betrieb den größten Hebel hat. Kostenlos, unverbindlich.