Häufige Fragen

Im Early Access 4,99€/Monat oder 39,99€/Jahr (entspricht 3,33€/Monat). Der Preis steigt auf 9,99€/Monat nach den ersten 100 Nutzern. Wer jetzt einsteigt, behält den günstigeren Preis dauerhaft.

Alle gängigen Kredit- und Debitkarten über Stripe: Visa, Mastercard, American Express, Discover. Zusätzlich SEPA-Lastschrift für Europa, Apple Pay und Google Pay.

Ja, jederzeit zum Ende der laufenden Abrechnungsperiode. Keine Kündigungsfristen, keine versteckten Gebühren. Der Zugang bleibt bis zum Ende der bezahlten Periode aktiv.

Eine pauschale Geldzurückgarantie gibt es nicht: Da es sich um digitale Inhalte handelt, die sofort bereitgestellt werden, gilt das gesetzliche Widerrufsrecht eingeschränkt. Wenn du vor dem Kauf testen möchtest, nutze einen Gratismonate-Code unter /redeem – „Ohne Abo einlösen" kostet dich kein Zahlungsmittel und endet automatisch. Bei Problemen hilft dir unser Support weiter.

Der Preis steigt auf 9,99€/Monat für neue Nutzer. Bestehende Nutzer behalten dauerhaft ihren Early-Access-Preis – auch wenn der allgemeine Preis steigt.

Noch nicht, aber geplant. Melde dich per E-Mail bei uns – wir versuchen in Einzelfällen Lösungen zu finden.

Ja. Beim Kauf klickst du auf „Du hast einen Gutschein-Code?" oder öffnest direkt die Gutschein-Seite. Dort gibst du deinen Code ein, wir prüfen ihn und schalten deinen Vorteil sofort frei. Codes erhältst du z. B. über Aktionen, Partner oder direkt von uns.

Drei: Rabatt-Codes (z. B. 50 % günstiger), Gratismonate-Codes (z. B. 2 Monate kostenlos) und Lifetime-Codes (dauerhafter Gratis-Zugang ganz ohne Abo).

Du hast zwei Möglichkeiten. „Ohne Abo einlösen" gibt dir vollen Zugang für den Gratiszeitraum – ganz ohne Zahlungsmittel; der Zugang endet danach automatisch. „Mit Abo starten" hinterlegt deine Karte bei Stripe, belastet sie aber erst nach der Gratiszeit, sodass es nahtlos weitergeht. Kündigst du vorher, zahlst du nichts.

Ein Lifetime-Code schaltet deinen Account dauerhaft frei – kein Abo, keine Zahlung, kein Ablaufdatum. Alle Updates sind inklusive.

Hast du „ohne Abo" eingelöst, endet der Zugang am angezeigten Datum automatisch und dein API-Key wird deaktiviert. Im Dashboard siehst du rechtzeitig, wann das ist – dort kannst du jederzeit ein Abo abschließen oder einen weiteren Code einlösen, um FrameTrain weiterzunutzen.

Ja. Schließt du während laufender Gratismonate ein Abo ab, übernehmen wir die restliche Gratiszeit – die erste Abbuchung erfolgt erst nach deren Ende. Es wird nichts doppelt berechnet und keine Gratiszeit verschenkt.

Rabatt-Codes lassen sich mit Monats- und Jahresabo kombinieren; der Rabatt wird an der Stripe-Kasse automatisch abgezogen. Zeitlich begrenzte Rabatte (z. B. „für die ersten Monate") passen aber am besten zum Monatsabo – beim Jahresabo greift der Rabatt nur auf die erste Jahresrechnung.

Ja, CPU-Training ist möglich, aber extrem langsam. Für produktives Arbeiten empfehlen wir mindestens eine NVIDIA GTX 1060 (6 GB VRAM) oder Apple M1.

Ja. FrameTrain unterstützt Apple M1, M2, M3 und M4 nativ über Metal Performance Shaders (MPS). Training wird auf der GPU des M-Chips ausgeführt, ohne CUDA zu benötigen.

Alle NVIDIA-GPUs mit CUDA-Unterstützung ab der GTX 10-Serie (Pascal Architektur). Getestet: GTX 1060, 1080, RTX 2080, 3060, 3090, 4070, 4080, 4090. Empfehlung für 7B-Modelle: RTX 3060 (12 GB) oder besser.

Multi-GPU-Training ist in der Roadmap, aber noch nicht implementiert. Derzeit unterstützt FrameTrain eine GPU pro Training-Session.

CUDA ist NVIDIAs proprietäres Compute-Framework, sehr ausgereift und schnell. MPS (Metal Performance Shaders) ist Apples Äquivalent für M-Chip-Macs, etwas langsamer als CUDA, aber völlig ausreichend für die meisten Fine-Tuning-Aufgaben.

LoRA (Low-Rank Adaptation) ist eine Methode, Sprachmodelle mit wenig VRAM zu fine-tunen. Statt alle Modellparameter zu aktualisieren, trainiert LoRA nur kleine zusätzliche Matrizen. Empfohlen für: GPU mit <24 GB VRAM, domänenspezifische Anpassung, mehrere Adapter auf einem Basismodell.

QLoRA kombiniert 4-Bit-Quantisierung des Basismodells mit LoRA-Training. Dadurch reduziert sich der VRAM-Bedarf um ca. 40–60 %. QLoRA ist die bessere Wahl, wenn du wenig VRAM hast (unter 12 GB) oder ein 13B+ Modell fine-tunen möchtest.

Ja. FrameTrain unterstützt CSV, JSON und JSONL als Datensatz-Formate. Du kannst auch Datensätze direkt vom HuggingFace Datasets Hub laden.

Full Fine-Tuning aktualisiert alle Modellparameter – braucht viel VRAM (40–80+ GB für 7B), ist aber flexibler. LoRA trainiert nur kleine Adaptermatrizen, benötigt viel weniger VRAM (6–18 GB für 7B), und liefert für die meisten Anwendungsfälle gleichwertige Ergebnisse.

Ja. Seit Version 1.3.4 gibt es die Datensatz-Werkstatt mit sieben Projektarten: Objekte markieren (Boxen, YOLO-Export), Klasse je Bild, je Text, je Aufnahme und je Videoabschnitt, Text → Antwort sowie Transkripte. Du sammelst Daten aus Ordnern, dem Mikrofon, dem Netz oder lässt Beispiele vom KI-Assistenten erzeugen, beschriftest per Tastatur und exportierst direkt trainierbar – aufgeteilt in train, val und test.

Ja, in der Datensatz-Werkstatt über einzelne Adressen, ganze Websites (mit Tiefe und Seitengrenze) oder Sitemaps. Dabei wird robots.txt befolgt, jeder Server bekommt mindestens eine Sekunde Pause, und jede Datei behält Adresse, Fundseite und die angegebene Lizenz (PROVENANCE.csv). Ob du die Inhalte für dein Training nutzen darfst, musst du selbst anhand der Lizenz prüfen. Seiten, die ihren Inhalt erst per JavaScript nachladen, liefern bisher wenig.

Nein. Ein bereits trainiertes Modell kann Boxen, Klassen, Transkripte (Whisper) oder Antworten vorschlagen. Der Filter „Unsicher“ zeigt die Vorschläge mit der geringsten Sicherheit zuerst, und nichts gilt als bestätigt, bis du Enter drückst. Zusätzlich gehen falsche und unsichere Ergebnisse aus dem Labor als neue Arbeit zurück in ein Werkstatt-Projekt.

Nein. Deine Trainingsdaten verlassen niemals deinen Rechner. Das gesamte Training läuft lokal. Nur beim Start prüft die App den API-Key gegen unsere Server – keinerlei Daten oder Modell-Gewichte werden dabei übertragen. Einzige Ausnahme: Nutzt du die optionalen KI-Funktionen mit Claude, OpenAI oder Groq, geht der Kontext deiner Anfrage (z. B. Konfiguration, Kennzahlen oder Skript-Code) an diesen Anbieter. Mit Ollama bleibt auch das lokal.

Ja. Da keine Trainingsdaten die eigene Infrastruktur verlassen, ist FrameTrain ideal für DSGVO-konforme ML-Projekte. Es gibt keine Telemetrie, keine versteckten Datenübertragungen. Zahlungsdaten verarbeitet ausschließlich Stripe (PCI-DSS Level 1).

Nein. Alle trainierten Modelle und Checkpoints werden ausschließlich lokal auf deinem Gerät gespeichert. FrameTrain hat keinen Cloud-Storage für Modelle.

Keine automatische Telemetrie. FrameTrain sammelt keine Nutzungsdaten, Trainingsdaten oder Modell-Metriken. Standardmäßig ist die einzige Netzwerkkommunikation die Lizenzvalidierung (API-Key-Check) beim Start der App. Optional kannst du in den App-Einstellungen eine anonymisierte Fehlerberichterstattung aktivieren, damit wir Bugs schneller beheben können – standardmäßig deaktiviert, enthält niemals Trainingsdaten und ist jederzeit abschaltbar. Die KI-Funktionen sind ebenfalls ab Werk aus; schaltest du sie mit einem Cloud-Anbieter ein, sprechen die Anfragen direkt mit diesem Anbieter und nicht mit FrameTrain.

Zahlungsdaten werden ausschließlich über Stripe verarbeitet, einem PCI-DSS Level 1 zertifizierten Zahlungsdienstleister. Wir speichern selbst keine Kreditkartendaten.

Alle PyTorch-basierten HuggingFace-Modelle: LLMs (Llama, Mistral, Phi, GPT-2), Text-Klassifizierer (BERT, RoBERTa, DistilBERT), Sequence-to-Sequence (T5, BART) und viele mehr.

PyTorch-Modelle (.pt, .bin), SafeTensors (.safetensors) und GGUF-Format (.gguf). Der Import von HuggingFace Hub erfolgt direkt über die Modell-ID.

Im Model Manager einfach die HuggingFace Model-ID eingeben (z.B. meta-llama/Llama-3-8B) und auf "Herunterladen" klicken. FrameTrain lädt alle nötigen Dateien und richtet das Modell automatisch ein.

Ja. Im Model Manager kann man auch den Pfad zu einem lokal gespeicherten Modell angeben. Unterstützte Formate: HuggingFace-Format (model.safetensors / config.json), GGUF.

In der Versionsverwaltung exportierst du jede Modellversion mit einem Klick in deinen Downloads-Ordner – als Kopie aller Dateien, die das Training erzeugt hat, bei HuggingFace-Modellen etwa SafeTensors-Gewichte, config.json und Tokenizer. Einen eingebauten GGUF-Export gibt es derzeit nicht. Alles bleibt auf deinem Rechner, nichts geht in die Cloud.

Training Loss misst den Fehler des Modells auf den Trainingsdaten, Validation Loss auf einem separaten Test-Set. Wenn der Validation Loss viel höher ist als der Training Loss, liegt Overfitting vor.

Live-Metriken: Training Loss, Validation Loss, Accuracy, Lernrate, GPU-Auslastung (VRAM, Temp), vergangene/geschätzte Zeit, Gradient Norm. Alle Metriken werden als interaktive Charts dargestellt.

Gradient Clipping begrenzt die maximale Größe der Gradienten, um explodierende Gradienten zu verhindern. FrameTrain setzt standardmäßig max_grad_norm=1.0. Bei Loss-Spikes sollte man diesen Wert reduzieren.

Ja. Alle Trainings-Sessions werden lokal in der Trainingshistorie gespeichert. Du kannst Metriken aus vergangenen Trainings abrufen und vergleichen.

1. Herunterladen der .dmg-Datei. 2. DMG öffnen, App in Applications ziehen. 3. Quarantäne-Flag entfernen: sudo xattr -cr '/Applications/FrameTrain.app'. 4. App starten. Detaillierte Anleitung: /install

1. .msi oder .exe herunterladen. 2. Rechtsklick → Eigenschaften → "Zulassen" aktivieren. 3. Installationsdatei starten. 4. Falls SmartScreen warnt: "Weitere Informationen" → "Trotzdem ausführen". Detaillierte Anleitung: /install

1. libfuse2 installieren: sudo apt install libfuse2t64 (Ubuntu 22.04+). 2. .AppImage herunterladen. 3. Ausführbar machen: chmod +x FrameTrain.AppImage. 4. Starten: ./FrameTrain.AppImage. Detaillierte Anleitung: /install

Der API-Key ist dein Lizenzschlüssel für die Desktop-App. Du erhältst ihn nach dem Kauf auf der Payment-Seite. Er wird beim Start der App einmalig eingegeben und dann lokal gespeichert.

Häufige Ursachen: 1. API-Key nicht eingegeben oder ungültig. 2. Keine Internetverbindung für Lizenzvalidierung. 3. macOS: Quarantäne-Flag noch aktiv (sudo xattr -cr). 4. Windows: Datei nicht entsperrt (Eigenschaften → Zulassen). Bei weiteren Problemen: framesphere@gmx.net

FrameTrain prüft beim Start automatisch auf eine neue Version. Unter Windows und Linux lädt die App das signierte Update auf Wunsch selbst herunter, installiert es und startet neu. Unter macOS weist sie auf die neue Version hin, den Download findest du dann im Dashboard. Manuell prüfen kannst du jederzeit unter Einstellungen → Updates.