Zum Inhalt

Shot Prompting

Manchmal genügt eine reine Anweisung, manchmal helfen Beispiele dem Modell, die gewünschte Antwort zu treffen. Die Wahl des richtigen Ansatzes ist eine zentrale Prompting-Entscheidung.

Der Name klingt technischer, als es ist: Ein Shot ist schlicht ein Beispiel, das du im Prompt mitlieferst. Kein Beispiel = Zero-Shot. Ein paar Beispiele = Few-Shot. Geprägt haben diese Begriffe Brown et al. in jenem Paper, das GPT-3 vorstellte - der Titel „Language Models are Few-Shot Learners" war Programm.1

Merksatz

Ein Shot ist kein Versuch. „Few-Shot" heißt nicht, dass du das Modell mehrmals fragst - es heißt, dass in einem Prompt mehrere Beispiele stehen.

Warum das so gut funktioniert, kennst du aus dem Alltag: Versuche einmal, in Worten zu erklären, wie man einen Krawattenknoten bindet. Und dann mach es jemandem einfach vor. Zeigen ist oft einfacher als beschreiben - und manches lässt sich überhaupt nur zeigen. Genau das ist der Unterschied zwischen einer Anweisung und einem Beispiel.

Meme mit der Überschrift „Wenn du keine Krawatte binden kannst…“ - daneben eine Person, die sich statt einer Krawatte einen Schuhlöffel unter den Hemdkragen geklemmt hat.
Wer eine Anleitung nur gehört hat, produziert erstaunliche Ergebnisse. (Quelle: Pinterest)

Die drei Ansätze

Zero-Shot

Bei Zero-Shot Prompting beschreibst du die Aufgabe ohne ein einziges Beispiel zu nennen. Das ist der Normalfall: Praktisch alles, was du bisher in einen Chatbot getippt hast, war Zero-Shot. Und meistens genügt es auch, denn Aufgaben wie übersetzen, zusammenfassen oder klassifizieren hat das Modell im Training millionenfach gesehen.

Ollama Chat
Klassifiziere die folgende Kundenbewertung als positiv, neutral oder negativ.
...
...Bewertung: "Die Lieferung kam pünktlich, aber das Gemüse war welk."
Beispielausgabe
Negativ
Die negative Bewertung deutet darauf hin, dass der Service von Qualität her ablings ist und ein Problem mit dem
Produkt selbst besteht.

Wenn wir uns die Antwort ansehen, merken wir: Inhaltlich ist sie richtig - und trotzdem eventuell unbrauchbar, sobald du hundert Bewertungen auswerten willst. Das Modell liefert eine Begründung mit, die niemand bestellt hat. Dies steht nicht im Widerspruch zu deiner Anweisung - du hast schlicht nie gesagt, wie die Antwort aussehen soll.

One-Shot

Im Gegensatz zu Zero-Shot zeigt One-Shot Prompting ein - einziges - Beispiel, und damit meist auch das Format und die Erwartungshaltung. Wenn du dir das nachfolgende Beispiel anschaust, erkennst du, wie viel in diesen zwei Zeilen steckt, ohne dass ein einziges Wort es erklärt: die Feldnamen Bewertung und Kategorie, ihre Reihenfolge, die Kleinschreibung des Labels - und vor allem, dass die Antwort aus einem Wort besteht und nicht aus einem Absatz.

Ollama Chat
Klassifiziere Kundenbewertungen.
...
...Bewertung: "Alles top, gerne wieder!"
...Kategorie: positiv
...
...Bewertung: "Die Lieferung kam pünktlich, aber das Gemüse war welk."
...Kategorie:
Beispielausgabe
negativ
Der Trick hier: die letzte Zeile offen lassen

Der Prompt endet mit Kategorie: - und da hört er auf. Kein Fragezeichen, keine Bitte, keine Erklärung.

Das ist kein Schönheitsfehler, sondern der Kern der Technik. Ein Sprachmodell macht nichts anderes, als den Text fortzusetzen. Eine angefangene Zeile ist deshalb die stärkste Anweisung, die du geben kannst: Die einzige plausible Fortsetzung ist genau das eine Wort, das du willst.

Schreibst du stattdessen „Wie lautet die Kategorie?", ist auch „Die Kategorie dieser Bewertung lautet: negativ." eine völlig plausible Fortsetzung - und schon hast du wieder einen Satz statt eines Labels.

Few-Shot

Für Aufgaben mit eigenen Regeln, Grenzfällen oder ungewöhnlichen Formaten, eignet sich Few-Shot besonders gut. Dabei übergibt man dem LLM mehrere Beispiele - idealerweise auch Grenzfälle.

Welche Beispiele du wählst, ist dabei keine Nebensache. Liu et al. haben systematisch untersucht, was ein gutes Beispiel ausmacht, und kommen zu einem klaren Ergebnis: Beispiele, die dem aktuellen Fall inhaltlich ähneln, wirken deutlich besser als zufällig gewählte.2 Nimm deine Beispiele also aus demselben Themenfeld wie die Fälle, die du später wirklich bearbeiten willst.

Ollama Chat
Klassifiziere Kundenbewertungen.
...
...Bewertung: "Alles top, gerne wieder!"
...Kategorie: positiv
...
...Bewertung: "Ware kam an. Nichts Besonderes."
...Kategorie: neutral
...
...Bewertung: "Zwei Tage zu spät und die Hälfte fehlte."
...Kategorie: negativ
...
...Bewertung: "Super Qualität, aber viel zu teuer."
...Kategorie: neutral
...
...Bewertung: "Die Lieferung kam pünktlich, aber das Gemüse war welk."
...Kategorie:
Beispielausgabe
negativ
Beispiele sind Definitionen

Sieh dir das vierte Beispiel an: „Super Qualität, aber viel zu teuer." → neutral. Man könnte es genauso gut negativ nennen - beides wäre vertretbar.

Und genau das ist der Punkt: Es gibt hier keine objektiv richtige Antwort. Es gibt nur deine Festlegung. Ein gemischtes Urteil als neutral einzustufen ist eine Entscheidung, die das Modell unmöglich erraten kann.

Solche Grenzfälle in Worte zu fassen wird schnell mühsam - „Wenn Lob und Kritik sich ungefähr die Waage halten, dann …". Ein einziges Beispiel erledigt dasselbe in zwei Zeilen. Deshalb gehören genau die Fälle in den Prompt, bei denen du selbst kurz überlegen musstest.

Die drei Ansätze im Vergleich

Eine generell beste Methode gibt es nicht. Es gibt nur die billigste, die für deine Aufgabe noch funktioniert - und die findest du nicht durch Nachdenken, sondern durch Ausprobieren. Fang deshalb mit der einfachsten Variante an und rüste erst nach, wenn das Ergebnis es verlangt.

Zero-Shot One-Shot Few-Shot
Beispiele im Prompt keine eines drei bis fünf
Aufwand für dich keiner gering spürbar
Token-Verbrauch niedrig mittel hoch
Formattreue wackelig gut sehr gut
Vermittelt Grenzfälle nein kaum ja
Typischer Einsatz einmalige Fragen Format festzurren wiederkehrende Aufgaben mit eigenen Regeln

Die Reihenfolge der Spalten ist zugleich die Reihenfolge, in der du vorgehen solltest: von links nach rechts, aber nur so weit wie nötig. Jede Spalte weiter rechts kostet Tokens und Vorbereitungszeit - und die zahlst du bei jedem Aufruf.

In-Context Learning

Das Modell lernt durch Few-Shot-Prompting nicht wirklich dazu - seine Parameter ändern sich nicht. Es erkennt lediglich im Kontext ein Muster und setzt es fort. Fachbegriff: In-Context Learning1.

Deshalb ist die Wirkung nach dem Chat auch wieder weg. Wer dauerhaft ein Verhalten will, braucht Fine-Tuning - oder eine Prompt-Sammlung, aus der er die Beispiele jedes Mal wieder mitschickt.

In-Context Learning ist inzwischen ein eigenes Forschungsfeld; Dong et al. bieten dazu einen aktuellen Überblick.5 Bemerkenswert ist, dass niemand die Fähigkeit einprogrammiert hat: Sie tauchte ab einer gewissen Modellgröße einfach auf - ein Nebenprodukt des Trainings, das bis heute nicht abschließend erklärt ist.

Unterschied: kleine vs. große Modelle

Ein großes Modell braucht selten Beispiele - es rät richtig. Kleine Modelle profitieren dramatisch von Few-Shot. Wenn gemma3:1b deine Aufgabe partout nicht versteht: gib ihm zwei Beispiele, statt den Anweisungstext ein viertes Mal umzuformulieren.

Man würde annehmen, das Modell lerne aus Beispielen die richtige Zuordnung. Min et al.3 haben das geprüft und die Labels in den Beispielen absichtlich falsch gesetzt - „Alles top!" → negativ. Das Ergebnis: Die Leistung brach kaum ein.

Was Beispiele tatsächlich vermitteln, sind drei andere Dinge:

  1. den Label-Raum (welche Antworten überhaupt zulässig sind),
  2. die Eingabeverteilung (wie die Aufgaben aussehen),
  3. das Format der Antwort.

Der Befund ist allerdings nicht das letzte Wort: Yoo et al. haben die Studie mit anderen Aufgaben wiederholt und zeigen, dass richtige Labels je nach Aufgabe und Modell sehr wohl ins Gewicht fallen.4 Die ehrliche Zusammenfassung lautet also: Format und Abdeckung wirken immer, korrekte Labels wirken manchmal.

Drei typische Few-Shot-Fallen

  • Unausgewogene Beispiele: Nur positive Beispiele → das Modell klassifiziert alles als positiv. Decke alle Kategorien ab.7

  • Uneinheitliches Format: Wenn deine Beispiele mal Kategorie: und mal Bewertung: schreiben, kopiert das Modell die Inkonsistenz.

    Comic: Ein Roboter bekommt das Streichen eines Zauns vorgemacht und ahmt es exakt nach - inklusive der nur halb gestrichenen Latten.
    Few-Shot heißt Nachahmen: Das Modell übernimmt dein Muster - auch die Unsauberkeiten darin. (Quelle: Substack)

  • Zu viele Beispiele: Der Zugewinn flacht mit jedem weiteren Beispiel ab - schon Brown et al. zeigen das an GPT-31 -, der Token-Verbrauch steigt aber linear weiter. Und bei kleinen Modellen droht das Kontextfenster überzulaufen. Als Faustregel für den Kurs: drei bis fünf Beispiele.

Die vierte Falle: die Reihenfolge

Man würde erwarten, dass es egal ist, in welcher Reihenfolge die Beispiele stehen. Ist es nicht. Lu et al. haben sämtliche Permutationen derselben Beispiele durchgetestet - und fanden Unterschiede zwischen nahezu bestem Ergebnis und blindem Raten, allein durch die Reihenfolge.6

Zwei Details aus der Studie sind für die Praxis wichtig:

  • Der Effekt verschwindet nicht bei größeren Modellen.
  • Eine Reihenfolge, die bei einem Modell gut funktioniert, lässt sich nicht auf ein anderes Modell übertragen.

Zhao et al. liefern die Erklärung: Modelle bevorzugen Labels, die häufiger vorkommen und die zuletzt im Prompt standen.7 Stehen deine drei negativen Beispiele alle am Ende, kippt die Vorhersage in Richtung negativ.

👉 Misch die Kategorien durch, statt sie zu gruppieren. Und wenn ein Few-Shot-Prompt unerklärlich schlecht läuft: zieh einmal die Reihenfolge um, bevor du am Text feilst.

Ausblick: Beispiele, die denken zeigen

Bisher haben unsere Beispiele nur Eingabe → Ausgabe gezeigt. Wei et al. haben eine Kleinigkeit geändert: Sie schrieben in die Beispiele auch den Rechenweg dazu - und plötzlich lösten Modelle Aufgaben, an denen sie zuvor gescheitert waren.8

Diese Technik heißt Chain-of-Thought und ist nichts anderes als Few-Shot mit ausformulierten Zwischenschritten. Du triffst sie im Kapitel Kritisches Prompting wieder.

🔬 Ollama-Lab

Alles ab hier drehst du an deiner eigenen Geschäftsidee. Die Beispiele oben im Kapitel zeigen das Verfahren - hier wendest du es an. Terminal auf, ollama run gemma3:1b, los.

Übung 1: Zero-Shot vs. Few-Shot messen

Denk dir eine Klassifikationsaufgabe aus deinem Geschäftsfeld aus - etwa Kundenanfragen in Beschwerde / Frage / Lob einsortieren. Zum Beispiel:

Ollama Chat
Klassifiziere die folgende Kundenbewertung als Beschwerde, Frage oder Lob.

Teste nun, wie gut Zero-Shot funktioniert, indem du die Aufgabe und eine Kundenanfrage ohne Beispiele übergibst. Ergänze noch „Antworte mit genau einem Wort." zu deiner Anweisung. Entspricht das Ergebnis dem, was du erwartest?

Schreibe nun fünf Testfälle in dein lab_log.md unter ## 02a.

Mindestens einer davon soll ein Grenzfall sein - eine Eingabe, bei der du selbst kurz überlegen musst:

lab_log.md → ## 02a
BEWERTUNG: "Die Lieferung kam zwei Tage zu spät."
KATEGORIE: Beschwerde

BEWERTUNG: "Liefert ihr auch nach Hall?"
KATEGORIE: Frage

BEWERTUNG: "Super Gemüse, danke!"
KATEGORIE: Lob

BEWERTUNG: "Preis okay, Qualität mittel."
KATEGORIE: Grenzfall: ?

BEWERTUNG: "Kann ich das Abo pausieren? Sonst top."
KATEGORIE: Grenzfall: ?

Nun testen wir, ob der Few-Shopt Ansatz besser funktioniert. Übergib dieselbe Anweisung plus deine fünf Beispiele. Am Ende lässt du das Label offen.

Vergleiche nun beide Ansätze. Zähle zwei Dinge getrennt und notiere beide als Bruch in dein lab_log.md:

  • Formattreue: Wie oft kommt wirklich nur ein Wort zurück - ohne Erklärsatz, ohne Punkt, ohne Wiederholung der Frage?
  • Richtigkeit: Wie oft stimmt das Label mit deiner eigenen Einordnung überein?

Übung 2: Business Model Canvas erzeugen

Jetzt das große Stück - dein Canvas9, einmal auf beide Arten:

  1. Zero-Shot: „Erstelle ein Business Model Canvas für [deine Idee]." Zähle: Wie viele der neun Felder kommen?
  2. Few-Shot: Gib zwei vollständig ausgefüllte Felder eines fremden Beispiels vor (etwa für einen Fahrradkurier) und lass den Rest für deine Idee ergänzen.

Vergleiche nach Vollständigkeit (0-9 Felder), Formattreue und inhaltlicher Substanz.

Speichere den besseren Prompt in deinem lab_log.md unter ## 02a Canvas (Few-Shot) - direkt unter deinen Testfällen. Die Nummerierung mit Buchstaben ist Absicht: In den nächsten beiden Kapiteln entstehen 02b und 03 aus demselben Canvas, und am Ende willst du den Weg sehen, nicht nur das Ziel.

🐍 Optional (Python): Few-Shot-Baukasten

Beispiele von Hand in jeden Prompt zu kopieren wird schnell mühsam. Diese Funktion baut den Prompt automatisch:

fewshot_builder.py
def baue_fewshot(anweisung, beispiele, neue_eingabe,
                 label_in="Eingabe", label_out="Ausgabe"):
    teile = [anweisung, ""]

    for eingabe, ausgabe in beispiele:
        teile.append(f"{label_in}: {eingabe}")
        teile.append(f"{label_out}: {ausgabe}")
        teile.append("")

    teile.append(f"{label_in}: {neue_eingabe}")
    teile.append(f"{label_out}:")      # bewusst offen lassen!

    return "\n".join(teile)


prompt = baue_fewshot(
    "Klassifiziere Kundenbewertungen. Antworte mit genau einem Wort.",
    [("Alles top!", "positiv"), ("Kam zu spät.", "negativ")],
    "Preis okay, Qualität mittel.",
    label_in="Bewertung", label_out="Kategorie",
)
print(prompt)
Ausgabe
Klassifiziere Kundenbewertungen. Antworte mit genau einem Wort.

Bewertung: Alles top!
Kategorie: positiv

Bewertung: Kam zu spät.
Kategorie: negativ

Bewertung: Preis okay, Qualität mittel.
Kategorie:

Damit lässt sich der Prompt anschließend an frage() übergeben - und du kannst zwanzig Testfälle durchlaufen lassen, statt zwanzigmal zu tippen.

Quellen

Zur Ausarbeitung wurden generative Tools unterstützend eingesetzt.

  1. T. B. Brown, B. Mann, N. Ryder, et al., "Language models are few-shot learners," arXiv:2005.14165, 2020. ↩↩↩

  2. J. Liu, D. Shen, Y. Zhang, et al., "What makes good in-context examples for GPT-3?," in Proc. Workshop Knowledge Extraction and Integration for Deep Learning Architectures (DeeLIO), 2022, pp. 100-114. [Online]. Available: https://aclanthology.org/2022.deelio-1.10/ ↩

  3. S. Min, X. Lyu, A. Holtzman, et al., "Rethinking the role of demonstrations: What makes in-context learning work?," arXiv:2202.12837, 2022. ↩

  4. K. M. Yoo, J. Kim, H. J. Kim, et al., "Ground-truth labels matter: A deeper look into input-label demonstrations," in Proc. Conf. Empirical Methods in Natural Language Processing (EMNLP), 2022, arXiv:2205.12685. ↩

  5. Q. Dong, L. Li, D. Dai, et al., "A survey on in-context learning," in Proc. Conf. Empirical Methods in Natural Language Processing (EMNLP), 2024, pp. 1107-1128. [Online]. Available: https://aclanthology.org/2024.emnlp-main.64/ ↩

  6. Y. Lu, M. Bartolo, A. Moore, et al., "Fantastically ordered prompts and where to find them: Overcoming few-shot prompt order sensitivity," in Proc. 60th Annu. Meeting Assoc. Computational Linguistics (ACL), 2022, arXiv:2104.08786. ↩

  7. T. Z. Zhao, E. Wallace, S. Feng, et al., "Calibrate before use: Improving few-shot performance of language models," arXiv:2102.09690, 2021. ↩↩

  8. J. Wei, X. Wang, D. Schuurmans, et al., "Chain-of-thought prompting elicits reasoning in large language models," arXiv:2201.11903, 2022. ↩

  9. A. Osterwalder and Y. Pigneur, Business Model Generation: A Handbook for Visionaries, Game Changers, and Challengers. Wiley, 2010, ISBN 978-0-470-87641-1. ↩