Solltet ihr euer LLM selbst trainieren? – mit Sebastian Ohrmann, Technical Architect bei Salesforce

“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 00:00 - 01:35 Intro 01:36 -03:42 LLM selbst trainieren, finetunen, hosten? 03:43 -04:49 LLM-Training 05:00 -05:57 Training vs. Finetuning 06:00-10:10 Aufwand & Modell-Aktualität 10:11-12:35 Wann macht selbst hosten Sinn? 12:36-14:11 Risiko: Sensible Daten 14:12-17:01 Privacy & Compliance 17:02-19:38 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:   / salesforce