Salta al contenuto principale
← Glossario
technology

LoRA (Adattamento a Rango Basso)

LoRA · Low-Rank Adaptation · PEFT

1 min lettura 19 mag 2026
LoRA (Low-Rank Adaptation) ist eine Parameter-effiziente Feinabstimmungs- methode für große KI-Modelle, die zusätzliche niedrigrangige Gewichtsmatrizen einfügt statt das gesamte Modell zu trainieren.

Wie LoRA funktioniert

Standard Fine-Tuning: Alle Gewichte des Modells werden trainiert → Teuer (GPU), langsam, viel Speicher

LoRA:

Original Gewichte W (eingefroren)
        +
LoRA Matrizen A × B (trainierbar, klein)
        =
W + A×B (effektiv neue Gewichte)

A und B sind niedrigrangige Matrizen — viel kleiner als das Originalmodell.

Vorteile

AspektStandard Fine-TuningLoRA
Trainierbare Parameter100%0.1–1%
GPU-SpeicherVielWenig
TrainingszeitTageStunden
QualitätMaximalAnnähernd gleich
SpeicherplatzGanzes ModellNur Adapter (~MB)

Anwendungen

  • Stil-Training: Modell auf spezifischen Zeichenstil anpassen
  • Charakter-Konsistenz: Immer gleiche Figuren in Bildgenerierung (IIO-Nutzung)
  • Domänen-Anpassung: Modell auf Fachterminologie spezialisieren
  • Sprach-Fine-Tuning: Bessere Leistung für spezifische Sprache

DSGVO und LoRA

LoRA-Adapter können auf sensiblen internen Daten trainiert werden:

  • Training lokal (kein Cloud-Transfer)
  • Adapter enthält kein direktes “Erinnern” der Trainingsdaten
  • Aber: Membership Inference Attacks möglich → Datenschutzfolgenabschätzung empfohlen

Wenn etwas LoRA (Low-Rank Adaptation) ist, fügt es kleinere Matrizen hinzu. Es trainiert nicht das ganze Modell.

Approvato
Generato da
scripts/generate-glossary-register-variants.py (qwen2.5:7b (lokal via Ollama, kein Cloud-Fallback))
Generato il
2026-09-21T00:11:29.079655+00:00
Norma
Linguaggio semplice ~B1 — non la norma tedesca di lettura facile DIN SPEC 33429
Verificato da
zolo · 2026-09-21T00:30:10.463422+00:00

LoRA (Low-Rank Adaptation) ermöglicht eine effiziente Feinabstimmung großer KI-Modelle durch die Einfügung zusätzlicher niedrigrangiger Gewichtsmatrizen, ohne das gesamte Modell erneut zu trainieren. Dieser Ansatz reduziert den parametrischen Overhead und erhöht die Flexibilität der Modelle bei minimalen Ressourcenaufwendungen.

Approvato
Generato da
scripts/generate-glossary-register-variants.py (qwen2.5:7b (lokal via Ollama, kein Cloud-Fallback))
Generato il
2026-09-21T00:11:29.079655+00:00
Norma
Linguaggio semplice ~B1 — non la norma tedesca di lettura facile DIN SPEC 33429
Verificato da
zolo · 2026-09-21T00:30:10.463422+00:00

Citazione

"LoRA (Adattamento a Rango Basso)." Open Cognition Commons Foundation. https://opencognitioncommons.org/it/glossary/lora. CC-BY 4.0.
Metadati leggibili dalla macchina 
{
  "@context": "https://schema.org",
  "@type": "DefinedTerm",
  "name": "LoRA (Adattamento a Rango Basso)",
  "description": "LoRA (Low-Rank Adaptation) ist eine Parameter-effiziente Feinabstimmungs- methode für große KI-Modelle, die zusätzliche niedrigrangige Gewichtsmatrizen einfügt statt das gesamte Modell zu trainieren.\n",
  "url": "https://opencognitioncommons.org/it/glossary/lora",
  "license": "https://creativecommons.org/licenses/by/4.0/",
  "alternateName": [
    "LoRA",
    "Low-Rank Adaptation",
    "PEFT"
  ]
}