Few-Shot Prompting, der AI gute Beispiele geben
Warum ein einziges gutes Beispiel im Prompt oft mehr bringt als drei Absätze Erklärung. Wann Du Beispiele brauchst, wie viele, und wie Du sie baust.
Das Muster hinter dem Wort
Du hast bestimmt schon erlebt dass Du der AI etwas erklärst, sie es fast richtig macht, und Du dann drei Runden lang nachbesserst. Meistens liegt das nicht daran dass Deine Erklärung schlecht war. Es liegt daran dass Du erklärt hast statt gezeigt zu haben.
Few-Shot Prompting heißt einfach: Du gibst der AI ein paar fertige Beispiele mit, bevor Du Deine eigentliche Aufgabe stellst. "Few" heißt wenige, "Shot" ist hier so was wie Versuch oder Durchgang. Zwei bis fünf Beispiele reichen fast immer. Das Modell schaut sich an wie Deine Beispiele aussehen und macht die neue Aufgabe im gleichen Stil.
Der Gegenpol heißt Zero-Shot. Das ist das was die meisten Leute die ganze Zeit machen, ohne den Namen zu kennen: Du stellst eine Aufgabe ganz ohne Beispiel und hoffst dass die AI schon weiß was Du meinst. Für einfache Sachen reicht das. Für alles wo es auf ein bestimmtes Format, einen bestimmten Ton oder eine bestimmte Struktur ankommt, ist es die schlechtere Wahl.
Warum Beispiele stärker wirken als Erklärungen
Sprachmodelle sind darauf trainiert Muster fortzusetzen. Das ist wörtlich ihr Grundmechanismus. Wenn Du drei Beispiele zeigst die alle das gleiche Muster haben, wird das vierte mit hoher Wahrscheinlichkeit auch dieses Muster haben. Du musst gar nicht in Worte fassen was das Muster ist. Das Modell liest es aus Deinen Beispielen ab.
Ein konkreter Fall. Du willst aus Kundenmails eine kurze Zusammenfassung mit fester Struktur. Mit Erklärung müsstest Du schreiben: "Fasse zusammen, nenne zuerst das Anliegen in einem Satz, dann die Dringlichkeit auf einer Skala, dann ob eine Antwort nötig ist." Das funktioniert so halb. Die AI variiert trotzdem, mal schreibt sie die Dringlichkeit als Wort, mal als Zahl, mal vergisst sie den dritten Punkt.
Mit einem einzigen Beispiel verschwindet das Problem. Du zeigst eine Beispiel-Mail und die perfekte Ausgabe dazu, genau in der Form die Du willst. Die AI kopiert die Form. Kein Interpretationsspielraum mehr.
Wie ein Few-Shot-Prompt aufgebaut ist
Der Aufbau ist immer gleich und Du kannst ihn Dir wie eine Tabelle vorstellen. Eingabe, dann Ausgabe. Eingabe, dann Ausgabe. Ein paar Mal. Und am Ende eine neue Eingabe ohne Ausgabe, die die AI dann ergänzt.
So sieht das für die Kundenmail-Aufgabe aus:
Mail: "Hallo, meine Rechnung vom letzten Monat stimmt nicht,
da sind 40 Euro zu viel drauf. Bitte klärt das schnell."
Zusammenfassung:
- Anliegen: Falsche Rechnung, 40 Euro zu viel
- Dringlichkeit: 4 von 5
- Antwort nötig: ja
Mail: "Danke für den super Service letzte Woche, wollte mich
nur mal melden. Alles top."
Zusammenfassung:
- Anliegen: Positives Feedback, kein konkretes Problem
- Dringlichkeit: 1 von 5
- Antwort nötig: nein
Mail: "Wann genau kommt meine Bestellung? Steht seit drei Tagen
auf verschickt aber nichts da."
Zusammenfassung:
Die AI ergänzt jetzt die dritte Zusammenfassung im exakt gleichen Format. Drei Zeilen, gleiche Reihenfolge, Dringlichkeit als Zahl von 1 bis 5. Du hast nie erklärt dass die Skala von 1 bis 5 geht. Die AI hat es aus den zwei Beispielen gelernt.
Wie viele Beispiele wirklich
Mehr ist nicht automatisch besser. Ich würde mit zwei anfangen und nur nachlegen wenn das Ergebnis noch schwankt. Faustregel aus der Praxis:
Für Format und Struktur reichen oft ein bis zwei Beispiele. Das Modell braucht nur zu sehen wie die Kiste aussehen soll.
Für Ton und Stil, also wenn es lockerer oder förmlicher klingen soll, nimm drei bis vier. Ton lässt sich schwerer aus einem einzigen Beispiel ablesen.
Für kniffelige Sortierungen und Kategorien, wo es Grenzfälle gibt, lohnen sich vier bis sechs Beispiele, und zwar bewusst welche die die Grenzfälle abdecken. Wenn Du eine Kategorie "unklar" hast, zeig auch ein Beispiel das in diese Kategorie fällt, sonst rät die AI sie nie.
Ab ungefähr acht Beispielen bringt jedes weitere kaum noch was und Du verbrauchst nur unnötig Kontext, also Platz und Geld. Wenn acht Beispiele nicht reichen, ist meistens die Aufgabe selbst unklar, nicht die Menge zu klein.
Der häufigste Fehler
Beispiele die nicht zusammenpassen. Wenn Dein erstes Beispiel die Dringlichkeit als Zahl schreibt und Dein zweites als Wort ("hoch"), dann hast Du der AI zwei widersprüchliche Muster gezeigt und sie wählt zufällig eines. Deine Beispiele müssen untereinander bis auf die Kommastelle konsistent sein. Das ist die halbe Miete.
Der zweite häufige Fehler sind zu ähnliche Beispiele. Wenn alle drei Deiner Beispiele Beschwerden sind, wird die AI bei einer Lob-Mail unsicher, weil sie das nie gesehen hat. Streu Deine Beispiele so dass sie die Bandbreite abdecken die in echt vorkommt. Eine Beschwerde, ein Lob, eine neutrale Frage. Dann ist das Modell auf alles vorbereitet.
Few-Shot und Chain-of-Thought zusammen
Im Chain-of-Thought Kapitel hast Du gelernt die AI laut denken zu lassen bevor sie antwortet. Das lässt sich mit Few-Shot kombinieren und wird dann richtig stark. Du zeigst dann nicht nur Eingabe und Ausgabe, sondern in jedem Beispiel auch den Gedankengang dazwischen.
Wenn Du zum Beispiel möchtest dass die AI Rechnungen prüft, zeig in jedem Beispiel den Rechenweg: "Positionen addiert, 340 Euro. Mehrwertsteuer 19 Prozent, 64,60 Euro. Summe müsste 404,60 sein, auf der Rechnung steht 410, also 5,40 zu viel." Wenn Du das in zwei Beispielen vormachst, rechnet die AI beim dritten Fall genauso Schritt für Schritt, statt einfach eine Zahl zu raten. Fehlerquote sinkt deutlich.
Wo Few-Shot in echter Arbeit auftaucht
Fast überall wo Du eine Aufgabe wiederholt hast. Support-Mails kategorisieren. Produkt-Beschreibungen in einem festen Schema erzeugen. Termine aus wilden Text-Nachrichten rausziehen. Bewertungen in positiv, neutral, negativ einsortieren. Immer wenn Du merkst dass Du die gleiche Art Aufgabe zum zehnten Mal stellst und die AI mal so mal so antwortet, ist Few-Shot die Lösung.
Und ein Punkt der oft untergeht: Sobald Du Deine Beispiele einmal sauber gebaut hast, kannst Du sie in eine Automatisierung stecken. Der Prompt mit den Beispielen bleibt immer gleich, nur die neue Eingabe wechselt. Genau das ist die Brücke zu Level 3, wo Du solche Prompts in n8n oder Zapier einbaust und tausendfach automatisch laufen lässt. Ein guter Few-Shot-Prompt ist die Zutat die aus einer netten Chat-Spielerei eine verlässliche Maschine macht.
Was Du jetzt ausprobieren kannst
Nimm eine Aufgabe die Du in letzter Zeit mehrmals an eine AI gegeben hast und bei der die Antwort mal gut mal daneben war. Bau zwei bis drei Beispiele mit perfekter Ausgabe. Achte darauf dass die Beispiele im Format identisch sind und die Bandbreite abdecken. Häng eine neue Eingabe dran und schau was passiert. Du wirst merken dass Du plötzlich nicht mehr nachbessern musst.
Wenn Du das ein paar Mal gemacht hast, leg Dir Deine besten Beispiel-Sets ab. Genau darum geht es im Playbook zur eigenen Prompt-Bibliothek, wo Du Deine bewährten Prompts sammelst statt sie jedes Mal neu zu bauen.