Technique Aktualisiert 2026-04
Zero-shot
Zero-shot Learning
Definition
Zero-shot ermöglicht es einem Modell, eine Aufgabe ohne vorherige Beispiele – allein auf Basis der Anweisung – zu lösen.
Siehe auch im Glossar
F
Few-shot
Few-shot bezeichnet die Methode, dem Modell einige Beispiele im Prompt mitzugeben, um es auf das gewünschte Antwortformat oder den gewünschten Stil hinzuführen.
P
Prompt
Ein Prompt ist die Anweisung oder Frage, die Sie einer KI geben, um eine Antwort zu erhalten. Er ist die Schnittstelle zwischen Ihnen und dem Modell.
L
LLM (Large Language Model)
Ein LLM ist ein KI-Modell, das auf Milliarden von Texten trainiert wurde und in der Lage ist, menschliche Sprache zu verstehen und zu generieren.
F
Foundation Model
Ein Foundation Model ist ein großes KI-Modell, das auf umfangreichen Daten vortrainiert wurde und für verschiedene Aufgaben anpassbar ist.
Tools, die zero-shot verwenden
Häufig gestellte Fragen
Was ist der Unterschied zwischen Zero-Shot und Few-Shot?
Zero-Shot: Es werden keine Beispiele angegeben – das Modell versteht die Anweisung allein. Few-Shot: Es werden 2–5 Beispiele mitgegeben, um das Modell zu leiten. Few-Shot liefert häufig bessere Ergebnisse.
Können alle LLMs Zero-Shot?
Große LLMs (GPT-4, Claude, Gemini) sind besonders stark im Zero-Shot-Betrieb. Kleinere Modelle benötigen oft Beispiele (Few-Shot), um gute Ergebnisse zu erzielen.
