Was ist Few-Shot-Prompting?
Du kannst einer KI drei Absätze lang erklären, wie deine Produkttexte klingen sollen. Oder du zeigst ihr drei fertige Produkttexte. Rate mal, was besser funktioniert.
Genau das ist Few-Shot-Prompting: Du gibst dem Sprachmodell im Prompt ein paar gelöste Beispiele mit — jeweils Eingabe und gewünschte Ausgabe — und erst danach die eigentliche Aufgabe. „Few“ heißt wenige, ein „Shot“ ist ein Beispiel. Das Modell erkennt das Muster und setzt es fort.
Wichtig: Dabei wird nichts dauerhaft gelernt. Das Modell wird nicht nachtrainiert, seine Gewichte bleiben gleich. Fachleute nennen das In-Context Learning — Lernen nur aus dem Kontext dieser einen Anfrage. Nach der Antwort ist alles wieder vergessen.
- Zero-Shot: nur die Anweisung, kein Beispiel.
- One-Shot: genau ein Beispiel.
- Few-Shot: mehrere Beispiele, meist drei bis fünf.
Wie viel bringen Beispiele?
Messbar etwas — aber weniger spektakulär, als manche Prompt-Kurse versprechen. Zwei Beispiele mit echten Zahlen:
Fall A · Wissensfragen
GPT-3 im Quiz-Test TriviaQA
64,3 %
richtig ohne Beispiel
71,2 %
richtig mit Beispielen
Plus 6,9 Prozentpunkte nur durch Beispiele
Aus dem GPT-3-Paper (2020). Mit genau einem Beispiel lag der Wert bei 68,0 %.
Fall B · Kundenfeedback
GPT-4 wertet App-Rezensionen aus
0,31
F1 ohne Beispiel
0,38
F1 mit fünf Beispielen
Merkmale in Rezensionen spürbar besser erkannt
Universität Tartu, 1.000 Rezensionen zu acht Apps (Preprint 2024/2025). F1 ist ein Trefferwert zwischen 0 und 1. Ein eigens trainiertes Spezialmodell war trotzdem noch besser.
Im Marketing-Alltag liegt der größte Gewinn aber gar nicht in Prozentpunkten. Er liegt in der Konsistenz: Anthropic nennt Beispiele einen der verlässlichsten Wege, Format, Ton und Struktur einer Antwort zu steuern. Wer zehn Social Posts im selben Stil braucht, merkt den Unterschied sofort.
So schreibst du einen Few-Shot-Prompt
Der Bau ist immer gleich: kurze Anweisung, dann die Beispiele im immer selben Format, dann die neue Aufgabe.
Baustein
Beispiel
Anweisung
Schreib eine Produktzeile, max. 12 Wörter.
Beispiel 1
Wollsocken → Warme Füße, null Kratzen.
Beispiel 2
Thermobecher → Kaffee, der bis zur Mittagspause hält.
Beispiel 3
Regenjacke → Nordsee-Wetter? Läuft.
Aufgabe
Lederrucksack →
Anthropic empfiehlt drei bis fünf Beispiele, möglichst unterschiedlich, und klar abgegrenzt, etwa in eigenen Tags. Google rät sogar, Beispiele „immer“ einzubauen, warnt aber: Bei zu vielen klebt das Modell zu eng an ihnen. Im GPT-3-Paper waren es noch 10 bis 100 Beispiele — so viele, wie in das damals winzige Kontextfenster passten.
Häufige Fehler
Fehler 1 · Drei Beispiele, die gleich aussehen
Sind alle Beispiele gleich lang und fangen gleich an, kopiert die KI genau das — auch das, was du gar nicht wolltest. Misch Länge, Thema und Satzbau, damit das Modell den Kern erkennt statt der Zufälle.
Fehler 2 · Uneinheitliches Format
Einmal Pfeil, einmal Doppelpunkt, einmal Absatz: Das verwirrt. Eine Studie von 2022 an zwölf Modellen zeigte, dass das Format der Beispiele stärker wirkt als ihre inhaltliche Richtigkeit. Halte Aufbau, Zeichen und Zeilenumbrüche in allen Beispielen gleich.
Fehler 3 · Die Reihenfolge ignorieren
Modelle bevorzugen gern das, was zuletzt oder am häufigsten im Prompt stand. Forscher zeigten 2021, dass allein Auswahl und Reihenfolge der Beispiele die Trefferquote von fast Zufall bis fast Bestwert schwanken lassen. Steht zum Schluss immer „positiv“, kommt gern wieder „positiv“.
Fehler 4 · Few-Shot mit Fine-Tuning verwechseln
Beispiele im Prompt bringen der KI nichts dauerhaft bei. Für die nächste Anfrage musst du sie wieder mitschicken. Echtes Fine-Tuning trainiert das Modell mit deinen Daten nach — aufwendiger, und laut OpenAI oft gar nicht nötig, weil gute Prompts mit Beispielen schon reichen.
Wann Beispiele schaden
Bei klassischen Chat-Modellen sind Beispiele fast immer ein Gewinn. Bei Reasoning-Modellen, die vor der Antwort selbst lange nachdenken, ist das anders. Die Entwickler von DeepSeek-R1 schreiben 2025, dass Few-Shot-Prompting die Leistung ihres Modells durchweg verschlechtert. OpenAI rät bei Reasoning-Modellen ebenfalls eher zu knappen Zielvorgaben.
Häufige Fragen
Wie viele Beispiele brauche ich beim Few-Shot-Prompting?
Für die meisten Aufgaben drei bis fünf, so empfiehlt es Anthropic. Wichtiger als die Zahl ist die Mischung: Die Beispiele sollen das Muster zeigen, aber in Länge und Thema variieren. Google warnt, dass zu viele Beispiele die KI zu eng daran kleben lassen.
Was ist der Unterschied zwischen Zero-Shot und Few-Shot?
Beim Zero-Shot-Prompting bekommt die KI nur die Anweisung, beim Few-Shot-Prompting zusätzlich ein paar gelöste Beispiele. Zero-Shot reicht für einfache, klar beschriebene Aufgaben. Sobald Format oder Ton genau stimmen sollen, helfen Beispiele.
Ist Few-Shot-Prompting dasselbe wie Fine-Tuning?
Nein. Beim Few-Shot-Prompting stehen die Beispiele nur im Prompt, das Modell ändert sich nicht. Beim Fine-Tuning wird es mit deinen Daten nachtrainiert und behält das Gelernte. Fang immer mit Beispielen im Prompt an — das ist schneller, billiger und reicht oft.
Kann ich der KI so den Ton meiner Marke beibringen?
Ja, das ist einer der besten Einsätze. Drei echte Texte in deinem Stil zeigen mehr als jede Beschreibung mit Adjektiven. Lege sie dauerhaft in ein Projekt oder einen eigenen Assistenten, dann musst du sie nicht jedes Mal einfügen.
Funktioniert Few-Shot auch bei Reasoning-Modellen?
Nicht unbedingt. Modelle, die vor der Antwort selbst nachdenken, arbeiten oft besser mit einer klaren Zielbeschreibung und einem vorgegebenen Ausgabeformat. Die Entwickler von DeepSeek-R1 berichten sogar, dass Beispiele ihr Modell verschlechtern. Test es für deinen Fall aus.
