Few-Shot-Prompting: die KI mit Beispielen anleiten

Nimm einen Gastronomen, der seine Kundenbewertungen sortieren will, um zu sehen, was am häufigsten vorkommt. Er fügt eine Bewertung ein und fragt:

Ordne diese Bewertung einem Thema zu.

Die Antwort kann richtig und trotzdem unbrauchbar sein. Bei der ersten Bewertung schreibt die KI einen ganzen Satz. Bei der zweiten antwortet sie „Gemischte Erfahrung“. Bei der dritten erfindet sie eine weitere Kategorie. Nach zwanzig Bewertungen lässt sich nichts mehr zählen.

Er könnte Formatregeln ergänzen, und das würde helfen. Er kann es auch kürzer machen: zwei oder drei Bewertungen zeigen, die schon so eingeordnet sind, wie er es möchte. Das ist Few-Shot-Prompting: das Modell mit ein paar Beispielen anleiten, statt alles zu beschreiben. Ohne Beispiel spricht man von Zero-Shot, mit nur einem von One-Shot.

Was Beispiele besser sagen als Vorgaben

Eine Vorgabe beschreibt mit Worten, was du willst, und diese Worte lassen Spielraum. „Professioneller, aber herzlicher Ton“ deckt Dutzende Arten zu schreiben ab. Ein Beispiel legt auf einen Schlag Länge, Zeichensetzung, Detailgrad und das fest, was weggelassen werden soll, auch Dinge, an die du gar nicht gedacht hättest.

Besonders lohnend ist das in drei Situationen:

• bei der Klassifikation, wenn die Kategorien von Durchlauf zu Durchlauf stabil bleiben sollen;
• bei der wiederholten Umwandlung eines Textes in eine bestimmte Form, etwa Notizen in ein Protokoll;
• beim Ton, weil er sich leichter zeigen als erklären lässt.

Bei einer offenen Frage, etwa Ideen für einen Firmennamen, können Beispiele das Modell dagegen einengen: Es liefert dann Varianten dessen, was du ihm gezeigt hast. Hebe dir deine Beispiele dort für den Schluss auf, wenn du eine Spur verfeinern willst.

Dieselbe Bewertungssortierung, mit drei Beispielen

Hier die verbesserte Version des Prompts des Gastronomen. Die Kategorien sind geschlossen, das Format wird gezeigt statt beschrieben, und das letzte Beispiel klärt einen uneindeutigen Fall.

Du ordnest Kundenbewertungen eines Restaurants für eine Auswertungstabelle ein.

Erlaubte Themen: Küche, Service, Wartezeit, Preis, Ambiente, Sonstiges.
Erlaubte Stimmung: positiv, negativ, gemischt.
Antworte ausschließlich mit einer Zeile im Format: Thema | Stimmung | Zusammenfassung in weniger als 8 Wörtern.
Spricht die Bewertung mehrere Themen an, nimm dasjenige, das für das Urteil des Gastes am meisten Gewicht hatte.

Beispiele:

Bewertung: „Die Entenbrust war perfekt, auf den Punkt gegart.“
Antwort: Küche | positiv | Entenbrust perfekt gegart

Bewertung: „Gesalzene Rechnung für solche Portionen.“
Antwort: Preis | negativ | Portionen zu klein für den Preis

Bewertung: „Sehr gutes Essen, aber 40 Minuten bis zur Bedienung an einem Dienstagmittag, wir kommen nicht wieder.“
Antwort: Wartezeit | negativ | 40 Minuten Wartezeit, kommt nicht wieder

Zu ordnende Bewertung:
[BEWERTUNG HIER EINFÜGEN]

Das dritte Beispiel leistet die Hauptarbeit. Es enthält eine Stärke und einen Mangel, und die Antwort zeigt, wie entschieden wird: Der Gast kommt wegen der Wartezeit nicht wieder, also ist das Thema die Wartezeit. Eine Regel allein hätte mehr Raum für Interpretation gelassen, das Beispiel macht sie greifbar.

Beispiele wählen, die die schwierigen Fälle abdecken

Der übliche Reflex ist, die eindeutigsten Beispiele zu nehmen, die die KI auch ohne Hilfe richtig gelöst hätte. Sie dienen dem Format, aber sie lehren sie nichts darüber, wie sie entscheiden soll.

Eine wirksame Auswahl besteht aus drei Ideen:

• ein typischer Fall, um das Format festzulegen;
• ein Grenzfall, bei dem du selbst gezögert hast;
• Vielfalt: Wenn alle deine Beispiele positiv sind oder alle kurz, kann das Modell in diese Richtung kippen.

Den Grenzfall findest du am einfachsten, indem du deinen Prompt ohne Beispiele an etwa zehn echten Fällen laufen lässt und dann schaust, wo er sich irrt. Jeder korrigierte Fehler wird zum Kandidaten. Das ist eine Art, einen Prompt zu testen, die ihn zugleich verbessert.

Wie viele Beispiele, und in welcher Form

Es gibt keine magische Zahl. Zwei bis fünf Beispiele reichen für viele Alltagsaufgaben. Bleiben deine Ergebnisse auch mit fünf instabil, liegt das Problem oft an deinen Kategorien, die einander zu ähnlich sind, und weniger an fehlenden Beispielen.

Bei der Darstellung zählen drei Details:

1. Halte in jedem Beispiel genau dieselbe Struktur ein. Die KI reproduziert die Muster, auch deine Bezeichnungen (Bewertung:, Antwort:) und deine Unregelmäßigkeiten.
2. Trenne die Beispiele klar vom zu bearbeitenden Fall, mit einem Hinweis wie „Zu ordnende Bewertung“ oder mit Tags. Sonst kann das Modell ein Beispiel wie eine Anfrage behandeln.
3. Achte auf die Reihenfolge. Das letzte Beispiel kann stärker wiegen: Setze dort eher einen nuancierten Fall hin als einen Extremfall.

Willst du eine sehr strenge Ausgabe, kombiniere die Beispiele mit den Techniken zum Vorgeben eines Ausgabeformats.

Wenn die KI deine Beispiele abschreibt

Der Hauptmangel der Methode zeigt sich, sobald du ausformulierten Text verlangst: Die KI übernimmt deine Wendungen, deinen Satzbau, manchmal ein inhaltliches Detail, das dort nichts verloren hat. Eine Lehrerin, die ein Beispiel mit „sollte sich mündlich mehr beteiligen“ liefert, findet die Formel womöglich in der Hälfte der Bemerkungen wieder, auch bei Schülern, die sehr gut sprechen.

Zwei Gegenmittel: die Beispiele untereinander deutlich variieren und ausdrücklich sagen, was sie zeigen sollen. Dieser Prompt wendet beides an, mit anonymisierten Schülern (füge keine personenbezogenen Schülerdaten in ein Tool ein, ohne zu wissen, was deine Schule erlaubt).

Du hilfst einer Lehrerin an einer weiterführenden Schule, Zeugnisbemerkungen aus ihren Stichwortnotizen zu formulieren.

Die folgenden Beispiele zeigen die Länge (2 Sätze), den Ton (direkt, wohlwollend, ohne Floskeln) und die Struktur (eine genaue Feststellung, dann ein umsetzbarer Rat). Verwende ihre Formulierungen nicht wieder: Jede Bemerkung muss sich ausschließlich auf die gelieferten Notizen stützen.

Notizen: gutes Niveau, unregelmäßige Abgabe, vergisst seit November seine Hausaufgaben
Bemerkung: Die Ergebnisse sind solide, wenn die Arbeit gemacht ist, aber die wiederholten Versäumnisse seit November drücken den Schnitt. Ein jeden Abend geführtes Hausaufgabenheft würde das Problem lösen.

Notizen: schüchtern, große Fortschritte im Aufsatz, traut sich nicht, um Hilfe zu bitten
Bemerkung: Die Fortschritte im Aufsatz sind deutlich und belohnen ernsthaftes Arbeiten. Jetzt gilt es, sich zu trauen, im Unterricht Fragen zu stellen, sie helfen allen.

Zu bearbeitende Notizen für Schüler/in [INITIALE]:
[DEINE STICHWORTNOTIZEN]

Wenn die Notizen zu dünn sind, um zwei genaue Sätze zu schreiben, sag es, statt aufzufüllen.

Ohne die letzte Zeile kann das Modell die Lücken mit plausiblen Allgemeinplätzen füllen. Lies trotzdem jede Ausgabe gegen, denn es kann eine Notiz falsch deuten. Geht es darum, über längere Zeit eine Stimme nachzubilden, genügt ein Beispiel nicht mehr, und du musst ein Profil aufbauen: Das ist das Thema des Artikels darüber, wie du die KI in deinem Stil schreiben lässt.

Dein erstes Beispiel gibt es schon

Such das letzte KI-Ergebnis heraus, das du von Hand korrigiert hast, bevor du es verwendet hast. Die korrigierte Version bildet zusammen mit dem Ausgangstext ein fertiges Beispielpaar. Füge es dem Prompt hinzu, starte mit einem neuen Fall noch einmal und schau, ob du dieselbe Korrektur immer noch brauchst.