Was ist ein Foundation Model in der Mode?
Ein grosses, mit breiten Daten trainiertes KI-Modell, das sich an viele Aufgaben anpassen lässt, etwa ein allgemeines Sprach- oder Bildmodell.
Kurz erklärt
Ein Foundation Model (Basismodell) ist ein grosses KI-Modell, das mit breit gefächerten Daten trainiert wurde und sich an viele verschiedene Aufgaben anpassen lässt, etwa ein allgemeines Sprach- oder Bildmodell. Modeunternehmen nutzen in der Regel bestehende Foundation Models und passen sie für Texterstellung, Übersetzung, Suche und Kundenservice an.
Wie funktioniert es in der Praxis?
Foundation Models werden mit sehr grossen, vielfältigen Datensätzen trainiert, was ihre Entwicklung teuer, ihren Nutzen aber breit macht. Statt selbst eines zu entwickeln, greift ein Modeunternehmen über einen Dienst oder eine Lizenz auf ein bestehendes Modell zu und passt es an. Dasselbe Foundation Model kann Produkttexte schreiben, Line Sheets übersetzen und Fragen von Einkäufern beantworten, jeweils mit anderen Prompts, abgerufenen Daten oder Fine-Tuning.
Unternehmen passen Foundation Models unter anderem so an:
- Prompt Engineering mit Anweisungen, Beispielen und Formaten.
- RAG, um das Modell mit Produktdaten und Dokumenten zu verbinden.
- Fine-Tuning mit Markentexten oder Attributtaxonomien.
- Guardrails, die unbelegte Aussagen oder markenfremde Inhalte blockieren.
Warum ist das wichtig?
Foundation Models machen fortgeschrittene KI auch für mittelgrosse Marken und Grosshändler ohne eigene Forschungsteams zugänglich. Sie beschleunigen das Experimentieren, da ein neuer Anwendungsfall oft nur Konfiguration statt eines neuen Modells erfordert. Gleichzeitig schaffen sie Abhängigkeiten von externen Anbietern bei Preisen, Verfügbarkeit, Datenverarbeitung und Modellupdates.
Wie nutzt KI es?
Die meisten aktuellen generativen KI-Produkte basieren auf Foundation Models. Unter dem EU AI Act gelten viele dieser Modelle als KI mit allgemeinem Verwendungszweck, mit spezifischen Pflichten für ihre Anbieter. Unternehmen, die darauf aufbauen, bleiben dafür verantwortlich, wie sie die Ergebnisse nutzen.
Typische Fallstricke
- Datenverarbeitung. Prüfen, wo Daten verarbeitet werden und ob Eingaben für weiteres Training genutzt werden.
- Vendor Lock-in. Workflows so gestalten, dass Modelle ausgetauscht werden können, wenn sich der Markt weiterentwickelt.
- Modelländerungen. Updates des Anbieters können Ergebnisse verändern, daher vorher und nachher testen.
- Generische Ergebnisse. Ohne Anpassung klingen Ergebnisse wie bei allen anderen und verfehlen die Besonderheiten der Marke.
Häufige Fragen
Ist ein Foundation Model dasselbe wie ein LLM?
Viele LLMs sind Foundation Models, doch der Begriff ist breiter. Foundation Models können auch mit Bildern, Audio oder mehreren Modalitäten gleichzeitig arbeiten.
Sollte eine Modemarke ein eigenes Foundation Model entwickeln?
Nur sehr selten. Es ist weit praktikabler, ein bestehendes Modell mit Prompts, Retrieval oder Fine-Tuning anzupassen und in hochwertige Produktdaten zu investieren.
