Zero-Shot, Few-Shot, Chain-of-Thought: Der Leitfaden zur Auswahl der richtigen Prompt-Techniken

Die drei wichtigsten Prompt-Techniken verstehen

Im Umgang mit Sprachmodellen ist die Art und Weise, wie man eine Frage stellt, genauso wichtig wie die Frage selbst. Die drei wichtigsten Prompting-Ansätze – Zero-Shot, Few-Shot und Chain-of-Thought – bieten unterschiedliche Wege, um KI-Modelle zu besseren Ergebnissen zu führen. Jede Technik hat spezifische Stärken, und die Wahl der passenden Methode hängt von der Komplexität der Aufgabe, den verfügbaren Beispielen und der erforderlichen Genauigkeit ab.

Stellen Sie sich diese Techniken als unterschiedliche Trainingsstrategien vor. Zero-Shot ist, als würden Sie jemanden, der noch nie Tennis gesehen hat, bitten, Tennis zu spielen. Few-Shot ist, als würden Sie ihm zuerst ein paar Spiele zeigen. Chain-of-Thought ist, als würden Sie ihn bitten, seine Gedanken beim Spielen laut zu erklären. Zu verstehen, wann welche Technik anzuwenden ist, verwandelt Prompts von zufällig zu strategisch und zuverlässig.

Zero-Shot Prompting: Schnell, direkt und überraschend wirkungsvoll

Zero-Shot Prompting bedeutet, das Modell zu bitten, eine Aufgabe ohne Beispiele zu lösen. Sie geben ihm einfach Anweisungen und lassen das Modell die Arbeit erledigen. Es ist der schnellste Weg, von der Frage zur Antwort zu gelangen.

Wann Zero-Shot verwenden:

• Für einfache, direkte Aufgaben (z. B. Klassifizierung, Zusammenfassungen, grundlegende Fragen und Antworten)
• Wenn Sie schnelle Ergebnisse benötigen und keine Zeit haben, Beispiele vorzubereiten
• Wenn die Aufgabe sehr gängig ist und das Modell sie wahrscheinlich allein aus seinen Trainingsdaten versteht
• Wenn Sie die Machbarkeit einer Aufgabe testen möchten, bevor Sie in einen komplexeren Ansatz investieren

Beispiel: Inhaltsklassifizierung

Prompt: Klassifizieren Sie die folgende E-Mail als "Spam", "Werbung" oder "legitim":

"Hallo Sarah, nur zur Bestätigung unseres morgigen Treffens um 14 Uhr zur Überprüfung des Q4-Budgets. Ich freue mich darauf, die neuen Prognosen zu besprechen. -Michael"

Klassifizierung:

Da die E-Mail-Klassifizierung eine gängige Aufgabe ist, bewältigen moderne Sprachmodelle diese ohne Beispiele. Sie können eine zuverlässige und sofortige Antwort erwarten.

Praxisbeispiel: Ein Kundenserviceteam verwendet Zero-Shot Prompting, um eingehende Nachrichten an die entsprechende Abteilung (Support, Rechnungsstellung, Produkt-Feedback) weiterzuleiten. Das Modell versteht diese Kategorien auf natürliche Weise und benötigt keine Beispiele.

Few-Shot Prompting: Beispiele hinzufügen für mehr Konsistenz

Few-Shot Prompting bedeutet, einige gut gestaltete Beispiele bereitzustellen, bevor Sie die eigentliche Frage stellen. Diese Beispiele zeigen dem Modell genau, wonach Sie suchen (Format, Ton, Argumentationsstil, Detailgrad).

Wann Few-Shot verwenden:

• Für Aufgaben mit spezifischen kundenspezifischen Anforderungen (ungewöhnliche Formate, Markenstimme, spezialisierte Bereiche)
• Wenn Sie ein konsistentes Ausgabemuster über mehrere Anfragen hinweg benötigen
• Wenn die Aufgabe etwas mehrdeutig ist und von einer Klärung durch Beispiele profitieren kann
• Wenn Zero-Shot-Versuche zu inkonsistenten oder falschen Ergebnissen führten
• Wenn Ihnen 2-5 gute Beispiele leicht zur Verfügung stehen

Beispiel: Kundenfeedback in umsetzbare Verbesserungsvorschläge umwandeln

Prompt: Wandeln Sie Kundenfeedback in umsetzbare Produktverbesserungsvorschläge um. Folgen Sie diesem Format.

Beispiel 1:
Kundenfeedback: "Der Bezahlvorgang ist verwirrend. Ich musste 6 Seiten anklicken und wusste immer noch nicht, welche Zahlungsmethoden akzeptiert werden."
Verbesserungsvorschlag: Fügen Sie ein Informationsfeld für Zahlungsmethoden oberhalb des Zahlungsfeldes hinzu und optimieren Sie den Bezahlvorgang auf maximal 3 Schritte.

Beispiel 2:
Kundenfeedback: "Ihre App stürzt jedes Mal ab, wenn ich versuche, ein Foto aus meiner Galerie hochzuladen."
Verbesserungsvorschlag: Debuggen Sie das Foto-Upload-Modul für Android-Geräte und testen Sie es mit verschiedenen Dateigrößen und -formaten.

Wandeln Sie nun dieses Feedback um:
Kundenfeedback: "Die mobile App ist zu überladen. Ich kann den Button für den Bestellverlauf nicht finden."
Verbesserungsvorschlag:

Ohne diese Beispiele würde das Modell möglicherweise allgemeine Ratschläge wie „App verbessern“ geben. Durch die Bereitstellung von Beispielen lernt das Modell Ihr spezifisches Format, den Grad der Umsetzbarkeit und die technische Tiefe.

Praxisbeispiel: Ein SaaS-Unternehmen erhält Feature-Anfragen in Dutzenden von Formaten. Durch die Verwendung von Few-Shot Prompting mit 3-4 gut strukturierten Beispielen vereinheitlicht das Unternehmen alle Anfragen in einem konsistenten Format, das das Produktteam bewerten kann.

Chain-of-Thought Prompting: Das Modell seine Logik erklären lassen

Chain-of-Thought (CoT) Prompting fordert das Modell auf, seinen Denkprozess darzulegen. Das bedeutet, jeden Schritt seiner Argumentation zu erklären, bevor es zu einem Ergebnis kommt. Diese Technik verbessert die Genauigkeit bei komplexen Aufgaben wie Mathematik, Logik und mehrstufigen Analysen erheblich.

Wann Chain-of-Thought verwenden:

• Für komplexe Denkaufgaben (Mathematik, Logikrätsel, Analysen mit mehreren Faktoren)
• Wenn Sie den Denkprozess des Modells sehen müssen, nicht nur die Antwort
• Wenn Genauigkeit wichtiger ist als Geschwindigkeit
• Wenn die Aufgabe die Berücksichtigung mehrerer Faktoren oder Schritte erfordert
• Bei der Kombination mit Few-Shot: um Schritt-für-Schritt-Argumentationsbeispiele zu zeigen

Beispiel: Ohne Chain-of-Thought

Prompt: Ein Restaurant hatte diese Woche 240 Kunden. 30% bestellten Salate, 50% Hauptgerichte und 20% Desserts. Wie viele Kunden bestellten jeden Artikel?

Antwort: [Das Modell könnte falsche Summen liefern, die 240 überschreiten, oder das Überlappungsproblem nicht erkennen]

Beispiel: Mit Chain-of-Thought

Prompt: Ein Restaurant hatte diese Woche 240 Kunden. 30% bestellten Salate, 50% Hauptgerichte und 20% Desserts. Wie viele Kunden bestellten jeden Artikel? Denken Sie Schritt für Schritt.

Analysieren wir dies:
1. Zuerst muss ich jeden Prozentsatz von 240 Kunden berechnen
2. 30% bestellten Salate: 0.30 × 240 = 
3. 50% bestellten Hauptgerichte: 0.50 × 240 = 
4. 20% bestellten Desserts: 0.20 × 240 = 
5. Lassen Sie mich überprüfen: Diese Prozentsätze addieren sich zu 100%, sodass jeder Kunde genau einen Artikel bestellt hat

Antwort:

Indem Sie explizit eine Schritt-für-Schritt-Denkweise anfordern, erhöhen Sie die Chancen auf eine genauere mathematische und logische Analyse erheblich.

Praxisbeispiel: Ein Compliance-Beauftragter verwendet Chain-of-Thought Prompting, um zu analysieren, ob Kundenverträge regulatorische Anforderungen erfüllen. Das Modell muss erläutern, welche Klauseln es geprüft und warum es jede Anforderung als konform oder nicht konform eingestuft hat. Diese Transparenz ist rechtlich entscheidend.

Techniken kombinieren: Few-Shot + Chain-of-Thought

Der leistungsstärkste Ansatz für anspruchsvolle Aufgaben ist die Kombination von Few-Shot und Chain-of-Thought. Geben Sie dem Modell Schritt-für-Schritt-Argumentationsbeispiele im gewünschten Format und bitten Sie es dann, die gleiche Denkweise auf die eigentliche Frage anzuwenden.

Beispiel: Finanzrisikoanalyse

Prompt: Analysieren Sie das finanzielle Risiko dieser Geschäftsentscheidung. Zeigen Sie Ihre Argumentation Schritt für Schritt.

Beispiel:
Entscheidung: Ein Startup gibt 60% des monatlichen Umsatzes für eine einzige Marketingkampagne aus.
Analyse:
Schritt 1: Identifizieren Sie die Risikofaktoren (Liquiditätsmarge, Betriebskosten, Umsatzschwankungen)
Schritt 2: Bewerten Sie die aktuelle Finanzlage (60% der Ausgaben bedeuten, dass 40% für den Betrieb übrig bleiben)
Schritt 3: Bewerten Sie das Worst-Case-Szenario (wenn die Kampagne fehlschlägt, können sie 3 Monate überleben?)
Schritt 4: Berücksichtigen Sie Alternativen (kleinere Kampagnen, diversifizierte Kanäle)
Fazit: HOHE RISIKO. Begrenzte Liquidität und Abhängigkeit der Einnahmen vom Ergebnis einer einzigen Kampagne.

Analysieren Sie nun dies:
Entscheidung: Ein profitables SaaS-Unternehmen weist 20% des Quartalsumsatzes für die Expansion in einen neuen Markt zu.
Analyse:

Diese Kombination funktioniert, weil die Beispiele das Format lehren und die Chain-of-Thought-Anfrage eine logische Argumentation gewährleistet.

Entscheidungsrahmen: Schnelle Zusammenfassung

So treffen Sie schnell eine Entscheidung, welche Technik zu verwenden ist:

• Für einfache Aufgaben, allgemeines Wissen: Zero-Shot. Beginnen Sie hier.
• Inkonsistente oder falsche Ergebnisse mit Zero-Shot: Wechseln Sie zu Few-Shot mit 2-3 Beispielen.
• Für mehrstufige oder analytische Aufgaben: Chain-of-Thought (mit oder ohne Beispiele).
• Für komplexe Aufgaben mit spezifischen Anforderungen: Eine Kombination aus Few-Shot + Chain-of-Thought.
• Wenn Zeit entscheidend ist: Zero-Shot. Akzeptieren Sie eine geringere Genauigkeit für Geschwindigkeit.

Häufige Fehler, die es zu vermeiden gilt

Geben Sie nicht zu viele Beispiele (der Nutzen nimmt nach 5 ab). Verwenden Sie keine minderwertigen Beispiele, die Ihren Erwartungen widersprechen. Verwenden Sie Chain-of-Thought nicht für einfache Ja/Nein-Fragen; dies erhöht die Antwortzeit ohne Nutzen. Und gehen Sie nicht davon aus, dass eine einzige Technik universell für jeden Anwendungsfall funktioniert. Testen Sie jeden Ansatz mit realen Daten, bevor Sie ihn in einer Produktionsumgebung bereitstellen.