---
term: "Calibration Dataset"
slug: "calibration-dataset"
glossar_id: "G575"
variants: []
category: "quantisierung-und-modellformate"
marker: "Technik"
short: "Repräsentative Daten zur Konfiguration einer Quantisierung."
sources:
  - label: "Frantar et al.: GPTQ"
    url: "https://arxiv.org/abs/2210.17323"
  - label: "Lin et al.: AWQ"
    url: "https://arxiv.org/abs/2306.00978"
status: "entwurf"
updated: "2026-09-21"
---

Ein Kalibrierungsdatensatz ist eine kleine Sammlung von Textbeispielen, die beim Komprimieren durch das Modell geschickt werden. Beobachtet wird dabei nicht die Qualität der Ausgaben, sondern welche Werte intern auftreten und wie stark sie schwanken. Aus diesen Beobachtungen wird die Umrechnung bestimmt. [Frantar et al.](https://arxiv.org/abs/2210.17323)

## Klein an Umfang, groß an Wirkung

Übliche Größen liegen bei einigen hundert Textabschnitten, was in Minuten durchläuft. Trotzdem beeinflusst die Auswahl das Ergebnis erheblich, denn sie bestimmt, welche Bereiche des Modells als wichtig gelten. Verfahren, die empfindliche Kanäle anhand der Aktivierungen erkennen, hängen unmittelbar davon ab. [Lin et al.](https://arxiv.org/abs/2306.00978)

Daraus folgt eine Schwäche, die in Modellsammlungen selten dokumentiert ist: Wurde mit englischen Webtexten kalibriert und du arbeitest mit deutschen Fachtexten oder Code, kann die Qualität stärker leiden als die Bitzahl vermuten lässt.

## So kannst du dir das vorstellen

Ein Hörgerät wird in einem ruhigen Raum eingestellt und danach im Großraumbüro getragen. Die Einstellung passt zur Messsituation, nicht zum Alltag. Das Bild erklärt die Abhängigkeit von den Kalibrierungsdaten, es überträgt keine Qualitätsaussagen.

## Was es in der Praxis konkret bedeutet

Wenn du Modelle selbst komprimierst, nimm Beispiele aus deinem echten Einsatz: deine Sprache, deine Textsorten, deine typischen Aufgaben. Wenige hundert Abschnitte genügen. Beim Laden fremder Modelldateien lohnt der Blick in die Modellkarte, ob die Kalibrierungsdaten genannt sind, und ein eigener Vergleichstest, wenn dein Anwendungsfall weit von englischem Alltagstext entfernt liegt.

## Wo es verwechselt wird

Kalibrierung ist kein Training: Die Gewichte werden nicht gelernt, sondern umgerechnet. Und der Datensatz ist keine Auswertungsmenge, mit der Qualität gemessen wird; dafür braucht es getrennte Testfälle.

## Verwandte Begriffe

**Post-Training Quantization**, **Importance Matrix**, **GPTQ**, **AWQ**, **Quantization**, **Evaluation**.