OpenAIs Reinforcement Fine-Tuning: vom Versprechen zum Wind-down

Stand: 17. Juli 2026. Diese Einordnung haben wir gegen die aktuelle OpenAI-Dokumentation geprüft. Fristen und Verfügbarkeiten ändern sich schnell, prüfe vor einer Investitionsentscheidung immer den aktuellen Stand beim Anbieter.

Reinforcement Fine-Tuning ist eine Trainingsmethode, bei der ein vortrainiertes Modell eine Fachaufgabe eigenständig löst und anschliessend eine automatische Bewertungsfunktion, ein sogenannter Grader, das Ergebnis bewertet. Erfolgreiche Denkwege werden verstärkt, fehlerhafte abgeschwächt. Anders als beim klassischen Fine-Tuning brauchst du dafür keine grosse Sammlung annotierter Beispiel-Antworten, sondern eine Funktion, die richtige von falschen Lösungen trennt.

Was ist Reinforcement Fine-Tuning, und wie unterscheidet es sich vom klassischen Ansatz?

Beim klassischen Fine-Tuning zeigst du einem Modell viele Paare aus Eingabe und gewünschter Ausgabe, und es lernt, diese Muster zu reproduzieren. RFT dreht diesen Mechanismus um: Das Modell bekommt eine Aufgabe ohne Musterlösung, arbeitet selbst einen Lösungsweg aus, und erst danach entscheidet der Grader, ob das Ergebnis stimmt. Verwandt ist das mit dem Reinforcement Learning aus menschlichem Feedback (RLHF), nur bewertet hier keine Person, sondern eine automatisierbare Funktion, was den Ansatz skalierbar macht, sobald die Bewertungslogik steht. Wie Modelle grundsätzlich trainiert und angepasst werden, ordnen wir in den KI-Grundlagen zu Modellen ein.

Wie ist RFT bei OpenAI entstanden, und wo steht es heute?

OpenAI stellte RFT am 6. Dezember 2024 als Research-Programm vor, am zweiten Tag der «12 Days of OpenAI», zunächst als geschlossene Alpha für ausgewählte Organisationen. Als Zielfelder nannte OpenAI von Beginn an regelgebundene Domänen: Recht, Versicherung, Gesundheitswesen, Finanzen und Ingenieurwesen. Am 8. Mai 2025 folgte die allgemeine Verfügbarkeit: RFT lief ab dann auf dem Modell o4-mini und war für verifizierte Organisationen direkt über Dashboard und API der OpenAI-Plattform nutzbar.

Gut ein Jahr war RFT damit ein reguläres Werkzeug im OpenAI-Ökosystem. Am 7. Mai 2026 kündigte OpenAI dann den Wind-down der gesamten Self-Serve-Fine-Tuning-Plattform an, RFT eingeschlossen. Aus dem einstigen Versprechen «Experten-Modelle für alle» ist ein auslaufender Dienst geworden, und das verändert die Planung für jedes Team, das darauf setzen wollte.

Was heisst der Wind-down konkret für Teams, die auf OpenAI-RFT gesetzt haben?

Der Rückbau läuft in klar datierten Stufen. Entscheidend für die Planung ist, wer ab wann keine neuen Trainingsjobs mehr starten kann:

• Seit 7. Mai 2026: Organisationen, die noch nie Fine-Tuning genutzt haben, können keine neuen Trainingsjobs mehr anlegen.
• Seit 2. Juli 2026: Auch Organisationen, die in den letzten 60 Tagen kein feinjustiertes Modell mehr per Inferenz genutzt haben, sind ausgeschlossen.
• Ab 6. Januar 2027: Auch aktive Bestandskunden können keine neuen Fine-Tuning-Jobs mehr erstellen.

Ein Detail ist für Bestandsprojekte wichtig: Die Inferenz auf bereits trainierten Modellen läuft weiter, allerdings nur so lange, bis das jeweilige Basismodell abgekündigt wird. OpenAI hat zudem angekündigt, während des Wind-downs keine neuen Modelle oder Plattform-Funktionen mehr für Fine-Tuning nachzuliefern. Für neue RFT-Vorhaben bei OpenAI heisst das nüchtern: Die Tür ist für neue Kunden bereits zu.

Welche Alternativen bleiben DACH-Teams?

Die Methode verschwindet nicht, nur OpenAIs Self-Serve-Weg. Für DACH-Teams bleiben mehrere Optionen, die wir hier nüchtern und ohne Vollständigkeitsanspruch nennen:

• Azure AI Foundry: Microsoft bietet RFT auf o4-mini als allgemein verfügbaren Dienst an, seit April 2026 mit «Global Training» und einem Einstieg ab rund 100 Trainingsbeispielen. Das Training läuft in mehreren europäischen Rechenzentren, darunter Schweiz Nord, Deutschland und Frankreich, was für die Datenresidenz zählt.
• Offene Modelle lokal anpassen: Wer Kontrolle und Datenhoheit braucht, kann offene Modelle mit ressourcenschonenden Verfahren wie LoRA auf eigener Hardware feinjustieren. Was dabei technisch möglich und sinnvoll ist, behandeln wir im Leitfaden zu lokaler KI.
• Andere API-Anbieter: Einzelne Anbieter stellen eigene Fine-Tuning- oder RFT-ähnliche Dienste bereit. Sie lohnen sich nur nach konkreter Prüfung des jeweiligen Funktionsumfangs, nicht als pauschaler Ersatz.

Für die Auswahl gilt derselbe nüchterne Massstab wie immer: zuerst der Anwendungsfall, dann das Werkzeug. Welche Modelle in welcher Disziplin aktuell vorne liegen, hältst du über unsere Modell-Rankings nach.

Wann lohnt sich RFT überhaupt, und wann reicht klassisches Fine-Tuning?

Unabhängig vom Anbieter lohnt sich RFT nur unter bestimmten Bedingungen. Der Dreh- und Angelpunkt ist die Bewertungsfunktion: Ohne eine Logik, die richtige von falschen Antworten automatisch trennt, liefert RFT keine brauchbaren Signale. Die folgende Tabelle ordnet die drei gängigen Wege, ein Modell an eine Fachaufgabe anzupassen:

Ansatz	Wie es funktioniert	Wann sinnvoll	Grenze
Klassisches Fine-Tuning	Du lieferst Eingabe-Ausgabe-Paare, das Modell reproduziert die Muster.	Stil, Ton, Format, feste Antwortmuster.	Braucht viele annotierte Beispiele.
Reinforcement Fine-Tuning	Das Modell löst Aufgaben selbst, ein Grader bewertet das Ergebnis.	Überprüfbare Fachlogik, wenige Beispiele.	Ohne belastbaren Grader nutzlos; OpenAI-Plattform läuft aus.
RAG oder Prompt-Design	Wissen kommt zur Laufzeit dazu, ohne Training.	Aktuelles Faktenwissen, schneller Start.	Ändert nicht das grundlegende Verhalten des Modells.

In der Praxis mischen sich diese Wege. Stil und Format setzt du per klassischem Fine-Tuning, Fachlogik per RFT, aktuelles Wissen per RAG. Die Trainingskosten hängen stark am Token-Verbrauch, weshalb sich vor jedem Trainingslauf eine ehrliche Aufwand-Nutzen-Rechnung lohnt.

Was bedeutet das für KI-Teams im DACH-Raum?

Praktisch ergeben sich drei Konsequenzen. Erstens: Baue keine neue Fine-Tuning-Strategie auf OpenAIs Self-Serve-Plattform auf. Für neue Organisationen ist der Zugang ohnehin geschlossen, und selbst laufende Projekte haben ein Ablaufdatum. Zweitens: Trenne die Methode vom Anbieter. RFT als Konzept bleibt tragfähig, die konkrete Umsetzung verlagerst du auf eine Plattform, die dir offensteht.

Drittens spielt der Standort mit hinein. Wer feinjustierte Modelle mit personenbezogenen oder regulierten Daten trainiert, muss die Datenverarbeitung sauber einordnen: in der Schweiz das revidierte Datenschutzgesetz (revDSG), in Deutschland, Österreich und der übrigen EU die DSGVO, ergänzt durch BDSG beziehungsweise das österreichische DSG. Ein europäischer Serverstandort wie Schweiz Nord erleichtert die Datenresidenz, ersetzt aber keine rechtliche Prüfung. Das ist keine Rechtsberatung, und im Zweifel gehört eine Fachperson an den Tisch.

Fazit

Reinforcement Fine-Tuning ist kein Hype-Begriff, sondern ein echter Methodenwechsel: Du trainierst ein Modell nicht auf Mustererkennung, sondern auf Problemlösung. Das bleibt sinnvoll, sobald deine Aufgaben eine überprüfbare Antwortlogik haben. Geändert hat sich der Bezugsweg, nicht der Wert der Methode.

Für DACH-Teams heisst das konkret: nicht mehr auf OpenAIs RFT-Plattform planen, sondern zuerst prüfen, ob für den Kern-Anwendungsfall überhaupt eine automatisierbare Bewertungsfunktion existiert. Wenn ja, evaluierst du einen offenstehenden Weg wie Azure AI Foundry oder offene Modelle mit LoRA. Wenn nein, bleiben klassisches Fine-Tuning, RAG oder ein besseres Prompt-Design die pragmatischere Wahl. Das nötige Grundlagenwissen bündeln wir in den KI-Grundlagen.