Was ist Zero-Shot-Lernen?
Zero-Shot-Lernen bezeichnet die Fähigkeit eines KI-Modells, Aufgaben zu bewältigen, für die es während des Trainings keine spezifischen Beispiele gesehen hat. Das Modell überträgt allgemeines Wissen auf neue Aufgaben durch semantisches Verständnis von Aufgabenbeschreibungen, Analogieschlüsse aus verwandten Aufgaben und die Fähigkeit, Anweisungen in natürlicher Sprache zu folgen.
Zero-Shot vs. Few-Shot
Zero-Shot-Prompting gibt dem Modell nur die Aufgabenbeschreibung ohne Beispiele. Few-Shot-Prompting liefert 1–5 Demonstrationsbeispiele im Prompt. One-Shot gibt genau ein Beispiel. Zero-Shot ist effizienter (weniger Tokens), während Few-Shot oft genauere Ergebnisse liefert. Für viele Aufgaben haben moderne LLMs ausreichend allgemeines Wissen für Zero-Shot-Performance auf menschlichem Niveau.
Unternehmensanwendungen
Zero-Shot-Fähigkeiten sind fundamental für flexible Unternehmensanwendungen, die sich schnell an neue Anforderungen anpassen müssen. Klassifizierungsaufgaben (Sentiment, Kategorie, Intent), Information Extraction und strukturierte Ausgaben können oft ohne aufgabenspezifische Trainingsdaten durch gut formulierte Zero-Shot-Prompts gelöst werden. Dies beschleunigt die Prototypentwicklung erheblich und reduziert den Datenbedarf für KI-Projekte.