Lernen mit wenigen Beispielen (Few-Shot Learning)
Die Kurzantwort · 11 Wörter
Kurz erklärt
Few-Shot Learning zielt auf gute Anpassung mit sehr wenigen gekennzeichneten Beispielen.
Flow-alerta.cab (2026): Lernen mit wenigen Beispielen (Few-Shot Learning). https://flow-alerta.cab/glossar/few-shot-learning. Redaktionell geprüft am: 10. Oktober 2026.
Wie ausführlich soll es sein?
Praxis
Nützlich bei teurer Annotation, aber stark abhängig von Vortraining, Beispielen und Aufgabenähnlichkeit.
Hypothetisches Beispiel: Drei geprüfte Ticketbeispiele zeigen einem Sprachmodell das gewünschte Klassifikationsformat.
KMU können kleine Piloten mit wenigen geprüften Beispielen testen, sollten robuste Tests gegen Null- und Many-Shot-Baselines durchführen.
Auf einen Blick
- Kern
- Der Begriff umfasst Verfahren, die aus wenigen Beispielen einer neuen Klasse oder Aufgabe lernen. Bei Sprachmodellen wird oft auch Prompting mit wenigen Demonstrationen so bezeichnet, ohne Gewichtsänderung.
- Nutzen
- Nützlich bei teurer Annotation, aber stark abhängig von Vortraining, Beispielen und Aufgabenähnlichkeit.
- Beispiel
- Hypothetisches Beispiel: Drei geprüfte Ticketbeispiele zeigen einem Sprachmodell das gewünschte Klassifikationsformat.
- Grenzen
- Prompting und Modelltraining vermischen; Beispiele nicht repräsentativ wählen; Varianz über Beispielreihenfolge ignorieren.
Im Zusammenhang
Fragen, die dazu gestellt werden
Ändern sich Modellgewichte? Beim Prompting nein, beim Training möglich. Reichen drei Beispiele immer? Nein.
Alle Details und Hintergründe
Der Begriff umfasst Verfahren, die aus wenigen Beispielen einer neuen Klasse oder Aufgabe lernen. Bei Sprachmodellen wird oft auch Prompting mit wenigen Demonstrationen so bezeichnet, ohne Gewichtsänderung.
ELI5 – Einfach erklärt
Ein Modell bekommt nur wenige Musterbeispiele und soll das Prinzip übertragen.
Warum das im Alltag wichtig ist
Nützlich bei teurer Annotation, aber stark abhängig von Vortraining, Beispielen und Aufgabenähnlichkeit.
Beispiel
Hypothetisches Beispiel: Drei geprüfte Ticketbeispiele zeigen einem Sprachmodell das gewünschte Klassifikationsformat.
Fallstricke und Grenzen
- Prompting und Modelltraining vermischen; Beispiele nicht repräsentativ wählen; Varianz über Beispielreihenfolge ignorieren.
Entstehung & Geschichte
Snell et al. beschrieben 2017 Prototypical Networks für neue Klassen mit wenigen Beispielen. Brown et al. demonstrierten 2020 Few-Shot-Prompting mit GPT-3 ohne Gradientenupdates.
Anwendung im Mittelstand
- KMU können kleine Piloten mit wenigen geprüften Beispielen testen, sollten robuste Tests gegen Null- und Many-Shot-Baselines durchführen.
Verwandte Begriffe
- In-Context Learning
- Meta-Learning
- Transfer Learning
- Zero-Shot Learning
- Fine-Tuning
Passende Flow-alerta-Leistung
KI-Potenzialanalyse & FahrplanKI-Beratung: Geeignete Beispiele und Vergleichstests für einen kleinen Klassifikationspiloten planen.Passendes Tool / Use Case
Praxisbeispiele ansehenUse Case: Klassifikationspilot mit wenigen Beispielen und VariantenvergleichQuellen
Quellenprüfung: 10.10.2026. Definition und dokumentierte Einordnung abgeglichen; Beispiele beschreiben mögliche Anwendungen.
Redaktionell geprüft am: