Prompt-Tuning ist zu einer neuen Paradigmen für das Modell-Tuning geworden und hat sowohl im Bereich der Sprachvortrainierung als auch bereits in der Bildvortrainierung gezeigt, dass sie erfolgreich ist. In dieser Arbeit untersuchen wir die Übertragung von Prompt-Tuning auf multimodale Vortrainierung, wobei wir uns speziell auf generative multimodale vortrainierte Modelle konzentrieren, anstatt auf contrastive Ansätze. Konkret implementieren wir Prompt-Tuning auf einem einheitlichen sequenz-zu-Sequenz-vortrainierten Modell, das sowohl für Verständnis- als auch für Generierungsaufgaben anpassungsfähig ist. Experimentelle Ergebnisse zeigen, dass die leichtgewichtige Prompt-Tuning-Methode eine vergleichbare Leistung wie Fine-Tuning erreicht und zudem andere leichtgewichtige Anpassungsmethoden übertrifft. Zudem demonstrieren die prompt-tunenden Modelle gegenüber fine-tunenden Modellen eine verbesserte Robustheit gegenüber adversarialen Angriffen. Wir stellen außerdem fest, dass experimentelle Faktoren wie Prompt-Länge, Prompt-Tiefe und Reparametrisierung erheblichen Einfluss auf die Modellleistung haben, weshalb wir auf empirischer Basis Empfehlungen für die Konfiguration von Prompt-Tuning geben. Trotz der beobachteten Vorteile identifizieren wir dennoch einige Einschränkungen von Prompt-Tuning und weisen entsprechend auf mögliche Forschungsrichtungen für zukünftige Arbeiten hin. Der Quellcode ist unter \url{https://github.com/OFA-Sys/OFA} verfügbar.