Prompt-Typen

Zero-Shot Prompting

Die einfachste Prompting-Technik: Eine direkte Anweisung ohne Beispiele oder Zwischenschritte. Ideal für einfache Aufgaben und als Einstieg ins Prompt Engineering.

Lesedauer: ca. 6 Minuten | Level: Einsteiger

Person beim Lernen - Symbolbild für Zero-Shot Prompting ohne Beispiele

Executive Summary

Zero-Shot bedeutet: Sie geben dem LLM eine Aufgabe, ohne vorher Beispiele zu zeigen. Das Modell nutzt sein vortrainiertes Wissen, um die Antwort zu generieren. Moderne LLMs wie GPT-4, Claude oder Gemini sind erstaunlich gut in Zero-Shot-Tasks.

Was ist Zero-Shot Prompting?

Bei Zero-Shot Prompting stellen Sie eine direkte Anfrage oder geben eine Anweisung, ohne dem Modell vorher Beispiele zu zeigen. Das Modell verlässt sich vollständig auf sein vortrainiertes Wissen.

Beispiel:
"Übersetze folgenden Text ins Englische: Der Kurs findet morgen statt."

Das LLM übersetzt direkt, ohne dass Sie Übersetzungsbeispiele geben müssen.

Wann funktioniert Zero-Shot?

Gut geeignet für

  • Einfache Übersetzungen ("Übersetze X nach Y")
  • Zusammenfassungen ("Fasse diesen Text zusammen")
  • Klassifizierungen ("Ist diese Email Spam? Ja/Nein")
  • Einfache Fragen ("Was ist die Hauptstadt von Oesterreich?")
  • Formatkonvertierungen ("Wandle CSV zu JSON")
  • Brainstorming ("Gib mir 10 Ideen für...")

Weniger geeignet für

  • Sehr spezifische Formate (besser: Few-Shot)
  • Komplexes Reasoning (besser: Chain-of-Thought)
  • Unbekannte Terminologie (Modell rät)
  • Mehrstufige Probleme (besser: CoT)
  • Konsistenter Stil über viele Outputs (besser: Few-Shot)
  • Domain-spezifisches Wissen (Fine-Tuning nötig)

Praktische Beispiele

Beispiel 1: Textzusammenfassung

Fasse folgenden Artikel in 3 Saetzen zusammen:

[ARTIKEL-TEXT HIER]

Zielgruppe: Laien ohne Fachkenntnisse.

Warum das funktioniert: Zusammenfassen ist eine Kernfähigkeit von LLMs. Die Zielgruppen-Info hilft bei der Sprachebene.

Beispiel 2: Sentiment-Analyse

Analysiere das Sentiment dieser Produkt-Review:

"Das Produkt kam zu spät an, aber die Qualität ist überraschend gut."

Kategorien: Positiv / Neutral / Negativ
Antwort in einem Wort.

LLM-Antwort: Neutral
Warum das funktioniert: Sentiment-Analyse ist gut trainiert. Die Kategorien-Vorgabe verhindert kreative Ausschweifungen.

Beispiel 3: Code-Generierung (einfach)

Schreibe eine Python-Funktion, die prüft ob eine Zahl eine Primzahl ist.

Anforderungen:
- Name: is_prime
- Input: Ganzzahl
- Output: Boolean (True/False)
- Optimiert für Zahlen unter 1 Million

Warum das funktioniert: Standardalgorithmen sind im Training gut vertreten. Klare Anforderungen führen zu präzisem Code.

Beispiel 4: Email-Entwurf

Schreibe eine hoefliche Absage-Email für eine Bewerbung.

Kontext:
- Position: Marketing Manager
- Bewerber: Sarah M.
- Grund: Andere Kandidatin besser qualifiziert
- Ton: Wertschätzend, nicht entmutigend

Länge: Max. 100 Wörter

Warum das funktioniert: Standardkommunikation ist trainiert. Kontext plus Constraints sorgen für passenden Output.

Tipps für bessere Zero-Shot Prompts

  1. Sei spezifisch
    Schlecht: "Schreib einen Text"
    Gut: "Schreib einen 200-Wörter Blog-Post über Photosynthese für 12-Jährige"
  2. Gib Constraints vor
    Länge, Ton, Format, Was zu vermeiden ist
  3. Definiere das Output-Format
    "Antworte in JSON", "Verwende Bullet-Points", "Ein Wort: Ja/Nein"
  4. Gib Kontext
    Das Modell kennt Ihre Situation nicht - erklären Sie Hintergrund und Ziel
  5. Iteriere bei Bedarf
    Erste Antwort nicht perfekt? "Mach es formeller" oder "Kuerze auf 50 Wörter"

Wann auf andere Techniken wechseln?

Zero-Shot ist ein guter Startpunkt, aber nicht immer die beste Wahl:

Weiterführende Themen

Prompting in der Praxis lernen?

Im 1:1 KI-Sparring vertiefen wir Ihr Wissen und wenden es direkt auf Ihre Use Cases an.

Kostenloses Erstgespräch buchen

Unverbindlich. Persönlich. 30 Minuten.