---
term: "Abliteration"
slug: "abliteration"
glossar_id: "G550"
variants: []
category: "interpretierbarkeit-und-fortgeschrittene-alignment-risiken"
marker: "Technik"
short: "Gezielte Modifikation interner Richtungen oder Gewichte zur Reduktion von Ablehnungen."
sources:
  - label: "Arditi et al.: Refusal in Language Models Is Mediated by a Single Direction"
    url: "https://arxiv.org/abs/2406.11717"
  - label: "Mazeika et al.: HarmBench"
    url: "https://arxiv.org/abs/2402.04249"
status: "entwurf"
updated: "2026-09-21"
---

Abliteration bezeichnet das Verfahren, die für Ablehnung zuständige Richtung aus einem Modell zu entfernen. Der Name ist ein Kunstwort aus Ablehnung und Auslöschung und stammt aus der Community, nicht aus der Forschung. Technisch beruht es auf dem Befund, dass Ablehnung an einer einzelnen Richtung im Zustandsraum hängt. [Arditi et al.](https://arxiv.org/abs/2406.11717)

## Entfernen statt Umgehen

Der Unterschied zu einem Jailbreak ist grundsätzlich. Ein Jailbreak sucht eine Eingabe, die die Schutzmechanismen umgeht, und kann beim nächsten Modellstand nicht mehr funktionieren. Abliteration verändert das Modell selbst: Das Ergebnis ist eine Datei, die dauerhaft anders reagiert, ohne besondere Prompts.

Möglich ist das nur bei offenen Gewichten. Als Nebenwirkung leidet oft die allgemeine Qualität, weil der Eingriff nicht nur Ablehnung trifft. Ob ein so bearbeitetes Modell tatsächlich weniger widerstandsfähig ist, lässt sich mit standardisierten Sicherheitstests messen. [Mazeika et al.](https://arxiv.org/abs/2402.04249)

## So kannst du dir das vorstellen

Die Sicherung aus einem Gerät nehmen, statt sie mit einem Trick zu überbrücken. Das Gerät läuft danach dauerhaft ohne Absicherung, und andere Funktionen können darunter leiden. Das Bild erklärt den Unterschied zum Umgehen, es ist keine Anleitung.

## Was es in der Praxis konkret bedeutet

Für Unternehmen ist der Begriff vor allem eine Warnung bei der Modellauswahl. Modelle aus Modellsammlungen mit Zusätzen wie „uncensored" oder „abliterated" im Namen sind bearbeitete Fassungen, deren Verhalten nicht dem Original entspricht und deren Herkunft oft unklar ist. Für produktive Systeme gehören solche Dateien nicht in die Auswahl, und Schutzmaßnahmen gehören ohnehin außerhalb des Modells.

## Wo es verwechselt wird

Abliteration ist kein Feintuning auf neue Aufgaben, sondern ein gezielter Eingriff gegen ein bestimmtes Verhalten. Und ein bearbeitetes Modell ist nicht „ehrlicher": Es lehnt seltener ab, ist deswegen nicht sachlich zuverlässiger.

## Verwandte Begriffe

**Refusal Direction**, **Uncensored Model**, **Jailbreak**, **Safety Training**, **Open-Weight Model**, **Feature Steering**.