Few-Shot Learning (Lernen aus wenigen Beispielen) beschreibt die Fähigkeit moderner KI-Modelle, neue Aufgaben bereits nach dem Zeigen weniger Beispiele korrekt auszuführen. Statt mit Tausenden von Trainingsbeispielen gefüttert zu werden, genügen dem Modell zwei bis fünf Beispiele, um das gewünschte Muster zu erkennen und auf neue Eingaben anzuwenden. Verwandte Konzepte sind Zero-Shot Learning (keine Beispiele) und One-Shot Learning (ein einziges Beispiel).
Für Grundschullehrkräfte ist Few-Shot Learning eine alltagsrelevante Technik beim Prompt Engineering. Wenn Sie einem KI-Tool wie ChatGPT erst zwei Beispiele zeigen, wie ein Arbeitsblatt aussehen soll, und dann bitten, ein weiteres in diesem Stil zu erstellen, nutzen Sie Few-Shot Learning. Dieser Ansatz führt oft zu deutlich besseren Ergebnissen als eine rein verbale Beschreibung. Zum Beispiel können Sie zwei Beispiel-Rechengeschichten im gewünschten Format vorgeben und dann nach weiteren fragen — die KI wird Stil, Struktur und Schwierigkeitsgrad übernehmen.
Im Schulalltag lässt sich das Prinzip auch Kindern erklären: Genau wie ein Kind, dem man zwei Beispiele für ein Muster zeigt und das dann das nächste Element selbst findet, kann KI aus wenigen Beispielen Muster erkennen. Diese Analogie macht das abstrakte Konzept greifbar und fördert gleichzeitig das Verständnis für die Funktionsweise von KI.