Few-Shot Prompting — Lehren Durch Beispiele

Es gibt Aufgaben, bei denen es nicht ausreicht, der KI zu sagen, was man möchte — man muss es ihr zeigen. Dies ist das Grundprinzip des Few-Shot-Promptings: Anstatt (oder zusätzlich zu) Anweisungen zu schreiben, fügt man ein oder mehrere Beispiele des gewünschten Outputs hinzu und lässt das Modell diese als Vorlage verwenden.

Few-Shot-Prompting ist eine der wirkungsvollsten Techniken, besonders für Aufgaben, bei denen eine bestimmte Tonalität, ein bestimmtes Format oder ein Stil eingehalten werden muss, der sich schwer in Worte fassen lässt.

Funktionsweise von Few-Shot-Prompting

Die Struktur ist einfach. Sie geben an:

1. Eine kurze Anweisung (die Aufgabe);
2. Ein oder mehrere Beispiele mit Eingabe-→-Ausgabe-Paaren;
3. Die eigentliche Eingabe, die das Modell verarbeiten soll.

Das Modell liest die Beispiele, erkennt das Muster und wendet es auf die neue Eingabe an.

Beispielstruktur:

Wie viele Beispiele werden benötigt?

Der Begriff "Few-Shot" spiegelt wider, dass in der Regel nur wenige Beispiele erforderlich sind, um das Muster zu vermitteln:

• Ein Beispiel (One-Shot) reicht oft für einfache Formatierungs- oder Stilvorgaben aus;
• Zwei bis drei Beispiele decken die meisten professionellen Anwendungsfälle ab und bieten dem Modell genügend Variation, um korrekt zu generalisieren;
• Mehr als fünf sind selten notwendig und können den Prompt unübersichtlich machen.

Die Qualität der Beispiele ist wichtiger als die Menge. Ein gut gewähltes Beispiel, das das Muster klar demonstriert, ist wirkungsvoller als drei uneinheitliche Beispiele.

Die richtigen Beispiele auswählen

Die Beispiele sollten:

• Repräsentativ sein — sie sollten die gesamte Bandbreite dessen abdecken, was gefordert ist, nicht nur die einfachsten Fälle;
• Konsistent sein — Stil, Format und Detailgrad sollten bei allen Beispielen einheitlich sein;
• Nach Möglichkeit real sein — Beispiele aus der tatsächlichen Arbeit führen zu einer genaueren Stilnachbildung als erfundene Beispiele;
• Korrekt formatiert sein — das Modell übernimmt Formatierungsentscheidungen, einschließlich Fehlern. Wenn das Beispiel einen strukturellen Fehler enthält, wird dieser voraussichtlich auch im Output erscheinen.

Wann sich Few-Shot Prompting lohnt

Few-Shot erfordert mehr Aufwand als Zero-Shot. Es zahlt sich aus, wenn:

• Die Ausgabe einem bestimmten bestehenden Stil oder Format entsprechen soll (Schreibstil des Unternehmens, Berichtsvorlage, Tonleitfaden);
• Zero-Shot-Versuche Ergebnisse liefern, die zwar nah dran, aber nicht ganz korrekt sind;
• Ein wiederverwendbares Prompt-Template erstellt wird, das mehrfach genutzt werden soll — der Einrichtungsaufwand ist eine einmalige Investition;
• Die Aufgabe subjektive Qualitätsbeurteilungen beinhaltet (was eine gute Betreffzeile ausmacht, was eine Zusammenfassung prägnant macht), die sich leichter demonstrieren als erklären lassen.