Few-Shot-Prompting ist eine Technik, bei der einem Sprachmodell im Prompt einige Beispiele für die gewünschte Aufgabe mitgegeben werden. Anhand dieser Beispiele erkennt das Modell das gewünschte Muster, Format oder den Stil und wendet es auf die neue Eingabe an. ‚Few shot‘ bedeutet, dass wenige Beispiele genügen, um das Verhalten des Modells gezielt zu steuern.
Wie funktioniert Few-Shot-Prompting?
Beim Few-Shot-Prompting enthält der Prompt neben der Anweisung mehrere Beispielpaare aus Eingabe und gewünschter Ausgabe. Möchte man etwa Produktbeschreibungen in einem bestimmten Stil, zeigt man zwei bis drei Muster, bevor man die eigentliche Aufgabe stellt. Das Modell leitet aus den Beispielen das Muster ab.
Diese Beispiele wirken wie eine Vorlage: Sie legen Format, Länge, Tonalität und Struktur der Antwort fest, ohne dass das Modell neu trainiert werden muss. Man spricht auch von In-Context-Learning, weil das Modell allein aus dem Kontext des Prompts lernt. Schon wenige, gut gewählte Beispiele können die Ergebnisqualität deutlich erhöhen.
Wann ist Few-Shot-Prompting sinnvoll?
Few-Shot-Prompting eignet sich, wenn ein konsistentes Format oder ein spezifischer Stil wichtig ist, etwa einheitliche Anzeigentexte, strukturierte Datenausgaben oder ein bestimmter Markenton. Auch bei ungewöhnlichen Aufgaben, die das Modell allein aus einer Anweisung nicht sicher trifft, helfen Beispiele.
Im Marketing lässt sich damit etwa erreichen, dass alle generierten Texte demselben Aufbau folgen oder Fragen in einem festen Schema beantwortet werden. Wichtig ist, repräsentative und korrekte Beispiele zu wählen, da das Modell auch Fehler oder unpassende Muster aus den Beispielen übernimmt.
Warum ist Few-Shot-Prompting wichtig?
Few-Shot-Prompting ist ein einfacher, aber wirkungsvoller Weg, das Verhalten von Sprachmodellen zu steuern, ohne aufwendiges Fine-Tuning. Mit wenigen Beispielen lassen sich Konsistenz und Qualität spürbar verbessern.
Für die praktische Arbeit bedeutet das: Wer wiederkehrende Aufgaben mit einheitlichem Ergebnis benötigt, kann durch gut kuratierte Beispiele viel Kontrolle gewinnen. Die Methode ergänzt Zero-Shot-Prompting und wird oft mit weiteren Techniken wie klaren Anweisungen und Chain-of-Thought kombiniert.