Warum wir
FrameTrain gebaut haben
Wir wollten selbst ein Tool, das lokales Fine-Tuning so einfach macht wie ein Klick – ohne Cloud-Abo, ohne Datenschutz-Kompromisse, ohne stundenlange Einrichtung. Also haben wir es gebaut.
Die Geschichte
Der Anfang war frustrierend: Wir wollten ein domänenspezifisches Sprachmodell auf einen eigenen Datensatz fine-tunen. Sensible Daten – nichts für die Cloud. Also: lokales Training. Die Alternative war, selbst Python-Scripts zu schreiben, Abhängigkeiten zu debuggen, Konfigurationsdateien zu pflegen.
Für jemanden mit ML-Background: machbar. Für alle anderen: eine Wand aus Komplexität. Dabei ist das eigentliche Problem – „ich möchte dieses Modell auf meine Daten anpassen“ – eigentlich verständlich und klar.
FrameTrain ist der Versuch, die Lücke zwischen Idee und erstem Training so klein wie möglich zu machen. Eine native Desktop-App, die den gesamten Stack kapselt – HuggingFace, PyTorch, LoRA, GPU-Scheduling – hinter einer Oberfläche, die man sofort versteht.
Und weil wir wollen, dass das möglichst viele Menschen nutzen können: ab 4,99€/Monat. Jederzeit kündbar, keine versteckten Gebühren, keine Überraschungen.
Mission
Jeden ML Engineer und Forscher in die Lage versetzen, KI-Modelle lokal zu trainieren – unabhängig von Cloud-Infrastruktur, Internetverbindung oder Budget. Lokales Training soll so selbstverständlich werden wie lokale Entwicklung.
Vision
Eine Welt, in der proprietäre Unternehmensdaten nicht mehr auf fremden Servern landen müssen, damit man KI nutzen kann. In der ein Arzt, ein Anwalt oder ein Forscher ein Modell auf sensible Daten anpassen kann – vollständig lokal, vollständig sicher.
Unsere Prinzipien
Diese Überzeugungen leiten jede Entscheidung, die wir bei FrameTrain treffen.
Privacy first
Lokales Training ist kein Feature – es ist das Fundament. Deine Daten gehören dir. Wir haben keine API, die deine Trainingsdaten je zu sehen bekommt.
Einfachheit über Komplexität
ML-Training soll nicht an der Einrichtung scheitern. FrameTrain zielt darauf ab, dass der erste Trainingsrun in unter 10 Minuten startet – ohne Bash-Kenntnisse.
Zugänglichkeit
Der Early-Access-Preis von 4,99€/Monat ist kein Zufall. Wir wollen, dass Studenten, Forscher und Indie-Entwickler dieselben Werkzeuge haben wie große Unternehmen.
Open Source wo möglich
Wir glauben an offene Ökosysteme. FrameTrain baut auf HuggingFace, PyTorch und dem Open-Source-ML-Stack auf – und gibt zurück wo wir können.
Tech Stack
FrameTrain baut vollständig auf Open-Source-Technologien auf. Kein proprietäres ML-Framework, keine Vendor-Lock-in-Bibliotheken. Das bedeutet: Wenn du FrameTrain nutzt, läuft echtes PyTorch auf deiner Maschine – nicht irgendein Wrapper.
Meilensteine
Von der ersten Version bis zur Roadmap
Early Access Launch
Erste öffentliche Version mit LoRA, HuggingFace-Integration und GPU-Monitoring. 100+ frühe Nutzer am ersten Tag.
QLoRA & BF16
QLoRA-Unterstützung ermöglicht Training von 13B-Modellen auf 12 GB VRAM. BF16 für Ampere-GPUs.
Apple M4 Support
Vollständige Metal-Performance-Shader-Optimierung für Apple Silicon M4 Chips.
Roadmap
Multi-GPU-Training, Vision-Modelle, Extension-Ecosystem, kollaborative Projekte.
Open Source
Die Website und Teile der Infrastruktur von FrameTrain sind Open Source. Wir glauben, dass Transparenz Vertrauen aufbaut – besonders bei einem Tool, das lokal auf deiner Hardware läuft.
GitHub ansehenBereit, lokal zu trainieren?
Ab 4,99€/Monat. Jederzeit kündbar. Keine Cloud. Volle Kontrolle über deine Modelle und Daten.