BEGRIFF· 03.01.2026
Zero Shot Prompting
Zero-Shot-Prompting ist die Anweisung ohne Beispiel. Wann das reicht, wann ein Beispiel doch mehr bringt als eine noch genauere Formulierung.
Was Zero-Shot-Prompting bedeutet
Zero-Shot-Prompting heißt: Du gibst dem Modell eine Aufgabe, kein Beispiel und keine Vorlage. Der Prompt besteht allein aus der Anweisung. "Zero Shot" steht dabei für null Anschauungsbeispiele, One-Shot gibt eines vor, Few-Shot-Prompting mehrere.
Schreibst du "Fasse diesen Text in drei Sätzen zusammen" und hängst keine Beispielzusammenfassung an, ist das Zero-Shot. Das Modell muss aus der Formulierung allein verstehen, was du willst, und aus seinem Training wissen, wie eine gute Zusammenfassung aussieht.
Genau darauf beruht die Technik. Ein Modell wie GPT-5 oder Claude hat beim Training Milliarden Texte gesehen, darunter unzählige Übersetzungen, Zusammenfassungen und Einordnungen. Diese Muster stecken im Modell, nicht im Prompt. Etabliert hat den Dreiklang aus Zero-Shot, One-Shot und Few-Shot das GPT-3-Paper von OpenAI aus dem Jahr 2020.
Warum Zero-Shot oft die pragmatischere Wahl ist
Ein Zero-Shot-Prompt ist in einem Satz geschrieben. Ein guter Few-Shot-Prompt braucht erst zwei oder drei passende Beispiele, die du dir ausdenken oder heraussuchen musst.
Dazu kommt der Preis. Jedes Beispiel zählt als Token und wird bei jeder Anfrage neu mitgeschickt. Bei einer Anfrage ist das egal, bei zehntausend am Tag ist es ein Kostenfaktor.
Und findest du keinen wirklich passenden Referenzfall, verwirrt ein schlechtes Beispiel das Modell mehr, als es hilft. Zero-Shot umgeht das, weil es gar keins braucht.
Wo es reicht und wo es kippt
Zero-Shot passt bei Aufgaben, die das Modell im Training häufig gesehen hat: Zusammenfassen, Übersetzen, Stimmungserkennung, Einordnung in wenige feste Kategorien. Für eine Sentiment-Analyse genügt "Klassifiziere den folgenden Text als positiv, negativ oder neutral". Das Modell erkennt "beschädigt" als negatives Merkmal, ohne dass du ihm vorher gezeigt hast, wie eine negative Bewertung aussieht.
Es kippt bei sehr spezifischen Ausgabeformaten. "Antworte ausschließlich als JSON, exakt in diesem Schema" wird im Zero-Shot-Modus seltener eingehalten, weil das Modell ohne Vorlage selbst entscheiden muss, wie eng "exakt" gemeint ist. Dasselbe gilt für einen ungewöhnlichen Ton.
Dazwischen liegt One-Shot mit einem einzigen Beispiel. Willst du eine Produktbeschreibung in einem bestimmten Aufbau, reicht meist eine Beispielbeschreibung, damit das Modell Länge und Gliederung übernimmt. Auch Custom GPTs bauen im Kern auf Zero-Shot auf: Der System-Prompt enthält meist keine Beispiele, sondern eine sehr genaue Beschreibung der Aufgabe.
Was hilft, bevor du zu Few-Shot wechselst
Ohne Beispiel gibt es kein Sicherheitsnetz. Bei speziellen Themen neigt ein Modell dann eher zu Halluzinationen, und die Ergebnisse streuen stärker, weil mehr Interpretationsspielraum bleibt. Vier Dinge fangen das ab.
Präzise Verben schränken den Spielraum ein, also "analysiere", "kategorisiere" oder "extrahiere" statt "schau dir das mal an". Eine klare Rollenzuweisung wirkt ähnlich und aktiviert einen engeren Ausschnitt des Modellwissens. Der Zusatz "Denke Schritt für Schritt" hilft bei Logikaufgaben, weil er das Modell zwingt, Zwischenschritte auszuschreiben. Diese Technik heißt Zero-Shot Chain-of-Thought und ist in der Arbeit von Kojima et al. von 2022 untersucht. Und ein klar benanntes Ausgabeformat liefert konsistentere Ergebnisse, als wenn du es dem Modell überlässt.
Prompt Engineering fängt für mich deshalb fast immer bei null Beispielen an. Wer die Grundlagen des Promptings einmal durchgegangen ist, merkt schnell, dass die meisten Prompts im Alltag Zero-Shot sind.
Zurück zum AI und Automation Glossar.
FAQ
- Brauche ich für Zero-Shot-Prompting eine besonders perfekte Formulierung?
- Nicht perfekt, aber präzise. Ohne Beispiel trägt die Anweisung die ganze Last, also lohnt es sich, klare Verben zu nutzen und das gewünschte Format zu benennen. Eine vage Anweisung wie "Schreib was zu X" liefert einen vagen Durchschnitt, weil dem Modell nichts anderes bleibt, um zu erraten, was du willst. Wer die Anweisung schärft, bekommt oft schon ohne ein einziges Beispiel ein brauchbares Ergebnis.
- Ist eine normale Frage an ChatGPT schon Zero-Shot-Prompting?
- In der Regel ja. Sobald du eine Frage stellst oder eine Aufgabe formulierst, ohne dem Modell vorher zu zeigen, wie die Antwort aussehen soll, ist das technisch Zero-Shot. Der Großteil aller Chats mit einem Sprachmodell läuft so ab, weil die meisten Alltagsfragen keine Beispiele brauchen, um verstanden zu werden.
- Wann lohnt sich der Wechsel von Zero-Shot zu Few-Shot?
- Wenn das Ergebnis nach mehreren Versuchen mit klarerer Formulierung immer noch am Format oder am Ton vorbeigeht. Ein Beispiel zeigt dem Modell in einem Satz, was eine seitenlange Beschreibung nicht schafft. Der Wechsel lohnt sich vor allem bei festen Datenformaten wie JSON oder bei einem sehr spezifischen Schreibstil, den die Anweisung allein nicht eindeutig trifft.
