Was ist Few-Shot Prompting?

Few-Shot Prompting ist eine Technik, bei der dem KI-Modell im Prompt einige Beispiele mitgegeben werden, bevor es die eigentliche Aufgabe bearbeitet. Statt der KI nur zu erklären, was du möchtest, zeigst du ihr, wie das Ergebnis aussehen soll.

Der Begriff kommt aus dem maschinellen Lernen, wo „Shot” für ein Trainingsbeispiel steht. Drei Shots bedeuten drei Beispiele. Zero-Shot bedeutet keine Beispiele.

Wann Few-Shot den Unterschied macht

Für einfache, klar beschreibbare Aufgaben reicht Zero-Shot: „Übersetze diesen Text ins Englische.” Das Modell weiß, was das bedeutet, ohne ein Beispiel zu brauchen.

Für spezifische, formatbezogene oder stilistische Anforderungen ist Few-Shot fast immer besser. Du möchtest Produktbeschreibungen in einem bestimmten Ton, mit einer bestimmten Struktur und maximal 80 Wörtern? Erklär das nicht nur, zeig es: Beispiel-Produkt und dazugehörige Musterbeschreibung in deinem Format. Dann noch zwei weitere Paare. Dann die eigentliche Aufgabe.

Das Modell lernt aus den Beispielen die impliziten Regeln, die du in Worte gar nicht fassen müsstest: die bevorzugte Satzkonstruktion, den Rhythmus, welche Produkteigenschaften hervorgehoben werden und welche nicht.

Praktische Hinweise für den Einsatz

Die Qualität der Beispiele ist entscheidend. Schlechte Beispiele führen zu schlechten Ergebnissen. Nimm echte Best-Practice-Beispiele, keine schnell zusammengetippten Platzhalter.

Die Reihenfolge spielt eine Rolle. Neuere Modelle gewichten Beispiele am Ende des Prompts stärker als solche am Anfang. Das relevanteste Beispiel gehört zuletzt.

Für skalierbare Prozesse bauen wir Few-Shot-Beispiele als Teil des System-Prompts oder Prompt-Templates ein. So sind sie für jeden Aufruf verfügbar, ohne manuell eingefügt zu werden.

Wie wir Prompt Engineering für automatisierte Produktionssysteme umsetzen, erkläre ich unter KI-Implementierung. Für Content-Automation ist Few-Shot-Prompting ein Kernelement. Termin buchen.