







Daten bereitstellen
Laden Sie Ihre Trainingsdaten über unsere Plattform hoch und lassen Sie die Qualität von unserem System überprüfen.
Fine-Tuning starten
Starten Sie den Fine-Tuning Prozess. Das System schätzt daraufhin den Zeitpunkt und die Dauer des nötigen Trainings.
Modell evaluieren
Nach dem erfolgreichen Training erhalten Sie eine Einschätzung zur Modellgenauigkeit und können Ihr Modell direkt im Chat-Playground testen.
KI anwenden
Die angepassten KI-Modelle lassen sich über die vom IONOS Model Hub bekannten Endpunkte per API ansprechen und in KI-Anwendungen einbauen.


Multi-modales Training: Als erste souveräne Fine-Tuning-Plattform erlaubt das AI Model Studio, die Optimierung von multi-modalen, also Bild wie Text verarbeitenden, KI-Modellen. So lassen sich komplexe Industrieanwendungsfälle realisieren – etwa Predictive Maintenance, automatisierte Fehlererkennung in Fertigungsteilen oder das Prozessieren von technischen Zeichnungen.
Tipp: Um qualitativ hochwertige Ergebnisse sicherzustellen, empfehlen wir das Annotieren eigener Falldaten. Eine detaillierte Anleitung dazu finden Sie in unserer Dokumentation.

Anwendungsfall
Bei der Klassifikation werden Daten (Texte, Dokumente, Bilder) in verschiedene Gruppen unterteilt.
Anwendungsfall
Modelle werden so trainiert, dass sie gezielt relevante Informationen aus umfangreichem Material herausfiltern.
Anwendungsfall
Ausgewählte KI-Modelle lassen sich verwenden, um gänzlich neue Inhalte zu erzeugen.
Nein. Das AI Model Studio ist intuitiv gestaltet und begleitet Sie Schritt für Schritt – von der Datengenerierung über das Training bis zur Nutzung Ihres ersten eigenen KI-Modells.
Sie interessieren sich für Fine-Tuning? Lesen Sie mehr dazu im IONOS Digital Guide.
Nein. Das AI Model Studio ist intuitiv gestaltet und begleitet Sie Schritt für Schritt – von der Datengenerierung über das Training bis zur Nutzung Ihres ersten eigenen KI-Modells.
Sie interessieren sich für Fine-Tuning? Lesen Sie mehr dazu im IONOS Digital Guide.
Der IONOS AI Model Hub stellt große KI-Modelle zur sofortigen Nutzung per API bereit. Das AI Model Studio hingegen ermöglicht es, kleine bis mittelgroße Modelle gezielt mit eigenen Daten weiterzuentwickeln – ideal für individuelle Use Cases. Beide Lösungen bieten eine API zur einfachen Integration in Ihre Systeme.
Der IONOS AI Model Hub stellt große KI-Modelle zur sofortigen Nutzung per API bereit. Das AI Model Studio hingegen ermöglicht es, kleine bis mittelgroße Modelle gezielt mit eigenen Daten weiterzuentwickeln – ideal für individuelle Use Cases. Beide Lösungen bieten eine API zur einfachen Integration in Ihre Systeme.
Während der kostenlosen Beta-Phase nutzen Sie das AI Model Studio ohne zusätzliche Kosten – inklusive Datengenerierung, Training und Inferenz. Bitte beachten Sie: Der Funktionsumfang kann während der Beta jederzeit angepasst oder eingeschränkt werden.
Der Service wird in dieser Phase von unserem Partner manufactAI betrieben und basiert auf dessen innovativer Fine-Tuning-Technologie. Für die Anmeldung und API-Nutzung können aktuell keine bestehenden IONOS Cloud Accounts oder Cloud-Tokens verwendet werden.
Der Support erfolgt ausschließlich über manufactAI: beratung@manufact.ai.
Während der kostenlosen Beta-Phase nutzen Sie das AI Model Studio ohne zusätzliche Kosten – inklusive Datengenerierung, Training und Inferenz. Bitte beachten Sie: Der Funktionsumfang kann während der Beta jederzeit angepasst oder eingeschränkt werden.
Der Service wird in dieser Phase von unserem Partner manufactAI betrieben und basiert auf dessen innovativer Fine-Tuning-Technologie. Für die Anmeldung und API-Nutzung können aktuell keine bestehenden IONOS Cloud Accounts oder Cloud-Tokens verwendet werden.
Der Support erfolgt ausschließlich über manufactAI: beratung@manufact.ai.
Beide Methoden ergänzen KI-Modelle um neues Wissen, verfolgen jedoch unterschiedliche Ansätze:
RAG (Retrieval-Augmented Generation) nutzt Vektordatenbanken, um bei Abfragen passende Informationen aus Ihren Quellen hinzuzufügen.
Fine-Tuning verändert gezielt die Modellparameter, um ein Modell an Ihre individuellen Anforderungen anzupassen.
Wann sich welche Methode besser eignet, erfahren Sie im Artikel "Fine-Tuning vs. RAG – was passt zu Ihrem Projekt?" im IONOS Digital Guide.
Beide Methoden ergänzen KI-Modelle um neues Wissen, verfolgen jedoch unterschiedliche Ansätze:
RAG (Retrieval-Augmented Generation) nutzt Vektordatenbanken, um bei Abfragen passende Informationen aus Ihren Quellen hinzuzufügen.
Fine-Tuning verändert gezielt die Modellparameter, um ein Modell an Ihre individuellen Anforderungen anzupassen.
Wann sich welche Methode besser eignet, erfahren Sie im Artikel "Fine-Tuning vs. RAG – was passt zu Ihrem Projekt?" im IONOS Digital Guide.