Die 3 wichtigsten Prompt-Techniken verstehen
Beim Umgang mit Sprachmodellen ist die Art und Weise, wie Sie fragen, genauso wichtig wie die Frage selbst. Die drei wichtigsten Prompt-Ansätze – Zero-Shot, Few-Shot und Chain-of-Thought – stellen unterschiedliche Wege dar, um KI-Modelle zu besseren Ergebnissen zu führen. Jede Technik hat spezifische Stärken, und die Wahl der richtigen Methode hängt von der Komplexität der Aufgabe, den verfügbaren Beispielen und der gewünschten Genauigkeit ab.
Stellen Sie sich diese Techniken als unterschiedliche Trainingsstrategien vor. Zero-Shot ist, als würde man jemanden bitten, Tennis zu spielen, der es noch nie gesehen hat. Few-Shot ist, als würde man ihm zuerst ein paar Spiele zeigen. Chain-of-Thought ist, als würde man ihn bitten, seine Gedanken laut zu erklären, während er spielt. Zu verstehen, wann welche Technik anzuwenden ist, verwandelt Ihr Prompting von zufällig zu strategisch und zuverlässig.
Zero-Shot Prompting: Schnell, direkt und erstaunlich leistungsstark
Zero-Shot Prompting bedeutet, das Modell zu bitten, eine Aufgabe ohne Beispiele zu lösen. Sie geben einfach eine Anweisung und lassen das Modell die Arbeit erledigen. Dies ist der schnellste Weg von der Frage zur Antwort.
Wann Zero-Shot verwenden:
- Für einfache, direkte Aufgaben (Klassifizierung, Zusammenfassung, grundlegende Q&A)
- Wenn schnelle Ergebnisse erforderlich sind und keine Zeit für die Vorbereitung von Beispielen bleibt
- Wenn die Aufgabe sehr allgemein ist und das Modell sie wahrscheinlich nur anhand seiner Trainingsdaten versteht
- Wenn Sie testen möchten, ob eine Aufgabe machbar ist, bevor Sie in komplexere Ansätze investieren
Beispiel: Inhaltliche Klassifizierung
Prompt: Klassifizieren Sie die folgende E-Mail als "Spam", "Werbung" oder "legitim":
"Hallo Sarah, nur zur Bestätigung unseres morgigen Meetings um 14 Uhr zur Überprüfung des Q4-Budgets. Ich freue mich darauf, die neuen Prognosen zu besprechen. -Michael"
Klassifizierung:Die Klassifizierung von E-Mails ist eine gängige Aufgabe, die moderne Sprachmodelle ohne Beispiele bewältigen können. Sie erhalten sofort eine zuverlässige Antwort.
Praxisbeispiel: Ein Kundenserviceteam verwendet Zero-Shot Prompting, um eingehende Nachrichten der richtigen Abteilung (Support, Abrechnung, Produktfeedback) zuzuordnen. Das Modell versteht diese Kategorien von Natur aus, ohne dass Beispiele erforderlich sind.
Few-Shot Prompting: Beispiele hinzufügen für mehr Konsistenz
Few-Shot Prompting bedeutet, dass Sie einige gut ausgearbeitete Beispiele geben, bevor Sie die eigentliche Frage stellen. Diese Beispiele zeigen dem Modell genau, was Sie erwarten – in Bezug auf Format, Ton, Denkmuster und Detailgrad.
Wann Few-Shot verwenden:
- Für Aufgaben mit spezifischen, angepassten Anforderungen (ungewöhnliche Formate, Markenstimme, Nischendomänen)
- Wenn ein konsistenter Ausgabestil über mehrere Anfragen hinweg erforderlich ist
- Wenn die Aufgabe etwas mehrdeutig ist und Beispiele zur Klärung beitragen
- Wenn Zero-Shot-Versuche zu inkonsistenten oder falschen Ergebnissen führen
- Wenn 2-5 gute Beispiele sofort zur Hand sind
Beispiel: Kundenfeedback in 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 über dem Zahlungsfeld 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 die Bestellhistorie nicht finden."
Verbesserungsvorschlag:Ohne diese Beispiele würde das Modell vielleicht allgemeine Ratschläge wie „App verbessern“ geben. Durch die Beispiele lernt das Modell Ihr spezifisches Format, den Grad der Umsetzbarkeit und die technische Tiefe.
Praxisbeispiel: Ein SaaS-Unternehmen erhält Funktionsanfragen in Dutzenden von Formaten. Mit Few-Shot Prompting und 3-4 gut strukturierten Beispielen standardisiert es alle Anfragen in einem konsistenten Format, das das Produktteam bewerten kann.
Chain-of-Thought Prompting: Das Modell seinen Denkprozess erklären lassen
Chain-of-Thought (CoT) Prompting fordert das Modell auf, seinen Denkprozess zu zeigen. Das bedeutet, es soll jeden Schritt seiner Argumentation erklären, bevor es zu einem Ergebnis kommt. Diese Technik verbessert die Genauigkeit bei komplexen Aufgaben wie Mathematik, Logik und mehrstufigen Analysen dramatisch.
Wann Chain-of-Thought verwenden:
- Für komplexe Denkaufgaben (Mathematik, Logikrätsel, Analyse mit mehreren Faktoren)
- Wenn Sie nicht nur die Antwort, sondern auch den Denkprozess des Modells sehen müssen
- Wenn Genauigkeit wichtiger ist als Geschwindigkeit
- Wenn die Aufgabe mehrere Faktoren oder Schritte berücksichtigen muss
- In Kombination mit Few-Shot: um Schritt-für-Schritt-Argumentationsbeispiele zu geben
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 angeben, 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 das:
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 bestellte
Antwort:Indem Sie explizit eine Schritt-für-Schritt-Argumentation anfordern, ist die Wahrscheinlichkeit viel höher, eine genauere mathematische und logische Aufschlüsselung zu erhalten.
Praxisbeispiel: Ein Compliance-Beauftragter verwendet Chain-of-Thought Prompting, um Kundenverträge auf die Einhaltung regulatorischer Anforderungen zu analysieren. Das Modell muss aufzeigen, welche Klauseln es untersucht hat und warum es jede Anforderung als erfüllt oder nicht erfüllt eingestuft hat. Diese Transparenz ist rechtlich entscheidend.
Techniken kombinieren: Few-Shot + Chain-of-Thought
Der leistungsstärkste Ansatz für schwierige Aufgaben ist die Kombination von Few-Shot und Chain-of-Thought. Sie geben dem Modell Schritt-für-Schritt-Argumentationsbeispiele im gewünschten Format und bitten es dann, dieselbe Argumentation 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 % der monatlichen Einnahmen für eine einzige Marketingkampagne aus.
Analyse:
Schritt 1: Risikofaktoren identifizieren (Liquiditätsmarge, Betriebskosten, Umsatzschwankungen)
Schritt 2: Aktuelle Finanzlage bewerten (60 % Ausgaben bedeutet 40 % verbleibend für den Betrieb)
Schritt 3: Worst-Case-Szenario bewerten (Wenn die Kampagne scheitert, können sie 3 Monate überleben?)
Schritt 4: Alternativen prüfen (kleinere Kampagnen, diversifizierte Kanäle)
Fazit: HOHE RISIKO. Begrenzte Liquidität und Umsatzabhängigkeit vom Ergebnis einer einzigen Kampagne.
Analysieren Sie nun Folgendes:
Entscheidung: Ein profitables SaaS-Unternehmen weist 20 % der Quartalsumsätze für die Expansion in einen neuen Markt zu.
Analyse:Diese Kombination funktioniert, weil die Beispiele das Format lehren und die Chain-of-Thought-Anfrage die logische Argumentation sicherstellt.
Entscheidungsrahmen: Eine Kurzzusammenfassung
Hier erfahren Sie, wie Sie schnell entscheiden, welche Technik Sie verwenden sollen:
- Einfache Aufgabe, allgemeines Wissen: Zero-Shot. Beginnen Sie hier.
- Inkonsistente oder falsche Ergebnisse mit Zero-Shot: Wechseln Sie zu Few-Shot mit 2-3 Beispielen.
- Mehrstufige oder analytische Aufgaben: Chain-of-Thought (mit oder ohne Beispiele).
- Komplexe Aufgaben mit spezifischen Anforderungen: Kombination aus Few-Shot + Chain-of-Thought.
- Zeitkritisch: Zero-Shot. Akzeptieren Sie eine geringere Perfektion zugunsten der Geschwindigkeit.
Häufige Fehler, die es zu vermeiden gilt
Geben Sie nicht zu viele Beispiele (mehr als 5 führen zu abnehmendem Nutzen). Verwenden Sie keine minderwertigen Beispiele, die Ihren Erwartungen widersprechen. Verwenden Sie Chain-of-Thought nicht für einfache Ja/Nein-Fragen; dies erhöht die Latenz ohne Nutzen. Und gehen Sie nicht davon aus, dass eine Technik universell für alle Anwendungsfälle funktioniert. Testen Sie jeden Ansatz mit realen Daten, bevor Sie ihn in die Produktion überführen.
