“Den großen Anbietern vertraue ich nicht – ich mach das lieber selbst.” Ein Gedanke, der verständlich ist. Aber hält er der Praxis stand? In dieser Folge widmen sich Host Clemens Zocher, Solution Engineer bei Salesforce, und Gast Sebastian Ohrmann, Technical Architect bei Salesforce, der Frage: Macht es Sinn, ein eigenes Large Language Model zu trainieren, zu finetunen oder selbst zu hosten?
Sebastian gibt eine klare Antwort – und erklärt, warum der Weg zum eigenen LLM in der Praxis oft unterschätzt wird. Wir beleuchten den Unterschied zwischen Training und Finetuning, warum antrainierte Daten eine trügerische Datenschutzstrategie sind, und weshalb viele ambitionierte LLM-Projekte in Unternehmen nach kurzer Zeit still begraben werden.
Außerdem: Welche Alternative fast immer die bessere Wahl ist – und wann ein eigenes Modell doch Sinn ergibt.
In dieser Folge lernt ihr:
✅ Was es wirklich bedeutet, ein LLM zu trainieren oder zu finetunen
✅ Warum selbst gehostete Modelle im Unternehmenskontext schnell an Grenzen stoßen
✅ Wie Prompt Engineering und RAG in den meisten Fällen die bessere Lösung sind
✅ Wie Datenschutz und Compliance bei LLM-Einsatz funktionieren können
Ihr könnt diese Folge auch hier auf YouTube ansehen: https://youtu.be/2Zu0ETlA3K4
Kapitel
00:00 - 01:56 Intro
01:57-04:03 LLM selbst trainieren, finetunen, hosten?
04:04 -05:20 LLM-Training
05:21 -06:24 Training vs. Finetuning
06:25-10:32 Aufwand & Modell-Aktualität
10:33-12:57 Wann macht selbst hosten Sinn?
12:58-14:32 Risiko: Sensible Daten
14:33-17:18 Privacy & Compliance
17:19-19:38 Die besseren Alternativen
19:39-21:47 Umsetzung bei Kunden
21:48 -24:11 Was heißt das jetzt genau?
Mehr zu Salesforce:
Website: https://www.salesforce.com/de/
LinkedIn: https://www.linkedin.com/company/salesforce/
