Few-Shot-Prompting: Bessere Antworten durch Beispiele

1 Min. LesezeitAktualisiert am Mit KI erstellt · redaktionell verantwortet

Few-Shot-Prompting heißt: Sie zeigen dem Modell vor der eigentlichen Aufgabe ein paar Beispiele mit der gewünschten Lösung. Das ist oft wirksamer als jede noch so genaue Beschreibung, denn Format, Länge und Ton übernimmt ein Sprachmodell zuverlässig aus Mustern.

Kurz gesagt

Few-Shot-Prompting bedeutet, dem Sprachmodell vor der eigentlichen Aufgabe einige Beispiele mit gewünschter Lösung zu zeigen. Format, Länge und Ton übernimmt das Modell zuverlässig aus solchen Mustern, oft besser als aus einer langen Beschreibung. Meist reichen drei bis fünf unterschiedliche, fehlerfreie Beispiele.

Zero-Shot, One-Shot, Few-Shot

Ohne Beispiel spricht man von Zero-Shot: Das Modell bekommt nur die Anweisung. Mit einem Beispiel ist es One-Shot, mit mehreren Few-Shot. Für viele Aufgaben reicht Zero-Shot. Beispiele lohnen sich, wenn das Ergebnis ein bestimmtes Format haben muss, wenn es um Ihre eigenen Kategorien geht oder wenn ein besonderer Stil gefragt ist.

So wählen Sie gute Beispiele

  • Drei bis fünf reichen meist. Mehr kosten bei jeder Anfrage Tokens und bringen selten viel.
  • Unterschiedlich statt ähnlich. Decken Sie die Bandbreite ab: kurze und lange Eingaben, alle Kategorien, ein Grenzfall.
  • Ausgewogen. Haben vier von fünf Beispielen dieselbe Antwort, bevorzugt das Modell diese Antwort.
  • Echt. Beispiele aus Ihrem Alltag funktionieren besser als ausgedachte.
  • Fehlerfrei. Das Modell kopiert auch Fehler und Eigenheiten der Beispiele.

Beispiele sauber abgrenzen

Das Modell muss erkennen, wo Beispiele aufhören und die echte Aufgabe beginnt. Bewährt sind XML-Tags wie <beispiel> (besonders bei Claude), klare Markdown-Überschriften oder, über die API, abwechselnde Nachrichten von Nutzer und Assistent. Der Few-Shot-Generator erzeugt alle drei Formen und warnt bei einseitigen Beispielen.

Wann Beispiele schaden

Bei kreativen Aufgaben können Beispiele die Vielfalt einschränken: Das Modell bleibt zu nah am Muster. Auch bei Reasoning-Modellen sind ausführliche Lösungswege als Beispiel selten nötig. Und wenn Beispiele und Anweisung sich widersprechen, gewinnen meist die Beispiele.

Few-Shot oder Feinabstimmung?

Few-Shot ist sofort einsatzbereit und lässt sich jederzeit ändern. Eine Feinabstimmung lohnt erst, wenn Sie sehr viele Anfragen haben und die Beispiele im Prompt teuer werden, oder wenn sich ein Verhalten mit Beispielen allein nicht erreichen lässt. Mit Prompt-Caching werden auch lange Beispiellisten günstig.

Häufige Fragen

Was ist der Unterschied zwischen Zero-Shot und Few-Shot?

Bei Zero-Shot bekommt das Modell nur die Anweisung, bei One-Shot ein Beispiel und bei Few-Shot mehrere Beispiele. Für viele Aufgaben reicht Zero-Shot, Beispiele lohnen sich bei festen Formaten, eigenen Kategorien oder besonderem Stil.

Können Beispiele im Prompt auch schaden?

Ja. Bei kreativen Aufgaben schränken sie die Vielfalt ein, und widersprechen sich Beispiele und Anweisung, gewinnen meist die Beispiele. Außerdem kopiert das Modell Fehler und Eigenheiten der Beispiele mit.

Few-Shot oder Feinabstimmung, was ist besser?

Few-Shot ist sofort einsatzbereit und jederzeit änderbar. Eine Feinabstimmung lohnt sich erst bei sehr vielen Anfragen oder wenn sich ein Verhalten mit Beispielen allein nicht erreichen lässt; mit Prompt-Caching werden auch lange Beispiellisten günstig.

Leon Blatz betreibt Tokenlabor und verantwortet alle Inhalte redaktionell. Texte entstehen mit Unterstützung von KI unter redaktioneller Kontrolle; Preise und Fakten stammen aus den genannten Quellen, Hinweise auf Fehler werden geprüft und korrigiert. Mehr über Tokenlabor

Allgemeine Information, keine Rechts-, Steuer- oder Finanzberatung.

Few-Shot-GeneratorBeispiele für Eingabe und Ausgabe zu einem sauberen Few-Shot-Prompt zusammensetzen.
Öffnen

Auch hilfreich: Bild-Prompt-Generator · Prompt-Baukasten

Weiterlesen

Passende Artikel

Alle zu Prompts
  1. Zero-Shot-Prompting: Aufgaben ohne Beispiele lösenZero-Shot-Prompting erklärt: Wann eine klare Anweisung ohne Beispiele reicht, wann Few-Shot besser ist und wie Sie Zero-Shot-Prompts präzise formulieren.
  2. Prompt Engineering: Die Grundlagen verständlich erklärtPrompt Engineering einfach erklärt: welche Grundprinzipien wirklich wirken, welche Techniken es gibt und wie Sie Prompts systematisch testen und verbessern.
  3. Self-Consistency-Prompting: Mehrere Antworten, ein besseres ErgebnisSelf-Consistency-Prompting erklärt: Warum mehrere unabhängige Antworten und eine Mehrheitsentscheidung Fehler reduzieren und wann sich die Mehrkosten lohnen.
  4. Prompts für ChatGPT: Vorlagen und Tipps für bessere AntwortenPrompts für ChatGPT: Vorlagen für Texte, Recherche und Analyse, dazu Tipps zu eigenen Anweisungen, Projekten, Dateien und zum Nachbessern im laufenden Chat.