One-Shot

One-Shot beschreibt eine Situation, in der ein Computerprogramm eine Aufgabe nach genau einem Beispiel erledigt. Das Wort kommt aus dem Englischen und heißt sinngemäß „ein einziger Versuch“. Man zeigt dem Programm also eine Musterlösung und erwartet, dass es den Rest selbst überträgt. Ein Beispiel: Man schreibt „Berlin gehört zu Deutschland“ und fragt dann nach Paris. Die richtige Antwort wäre „Paris gehört zu Frankreich“. Daneben gibt es die verwandten Bezeichnungen Zero-Shot, also gar kein Beispiel, und Few-Shot, also einige wenige Beispiele.

Warum ein einziges Beispiel so viel verändert

Früher musste man einem Programm für jede neue Aufgabe tausende Beispiele vorlegen. Erst danach konnte es die Aufgabe zuverlässig lösen. Dieses aufwendige Anlernen aus vielen Beispielen nennt man Training. Wer Daten sammeln, sortieren und beschriften muss, verliert Wochen und viel Geld.

Moderne Sprachmodelle brauchen das für viele Aufgaben nicht mehr. Sie haben beim ursprünglichen Training so viel Text gesehen, dass ihnen ein Muster oft genügt. Das eine Beispiel lernt das Modell dabei nicht wirklich dazu. Es dient nur als Hinweis, welches Format und welcher Stil gemeint sind.

Für Unternehmen ist das ein enormer Kostenfaktor. Eine neue Aufgabe kostet dann keine Trainingsläufe mehr, sondern nur ein paar Zeilen Text. Deshalb liest man in Nachrichten über KI-Modelle oft, wie gut sie im One-Shot-Fall abschneiden. Diese Zahl gilt als Maß dafür, wie flexibel ein Modell ist.

Das eine Beispiel als Bauanleitung

Technisch passiert dabei nichts Geheimnisvolles. Das Beispiel steht einfach mit in der Eingabe, also in dem Text, den man dem Modell schickt. Das Modell liest diesen Text von vorn bis hinten. Dann sagt es Wort für Wort voraus, wie es sinnvoll weitergeht. Weil das Beispiel direkt davor steht, orientiert sich die Vorhersage daran.

Man kann sich das wie eine Vorlage in einem Formular vorstellen. Über dem leeren Feld steht ein ausgefülltes Muster. Niemand erklärt die Regeln, aber jeder erkennt, was gemeint ist. Genauso funktioniert ein One-Shot-Beispiel im Text.

Ein häufiger Irrtum ist die Annahme, das Modell würde sich das Beispiel merken. Das tut es nicht. Nach dem Gespräch ist der Hinweis wieder weg, die inneren Werte des Modells bleiben unverändert. Wer dauerhafte Anpassung will, braucht ein echtes Nachtrainieren, das sogenannte Fine-Tuning.

One-Shot in Chatbots und Benchmarks

Im Alltag begegnet dir das Prinzip, sobald du einem Chatbot ein Muster mitgibst. Wer ein Beispiel für die gewünschte Zusammenfassung anhängt, bekommt meist ein passenderes Ergebnis. Das gilt auch für Tabellen, Übersetzungen oder feste Textformate. In Programmen zur Textverarbeitung ist so ein Beispiel oft fest eingebaut und für Nutzer unsichtbar.

In Fachartikeln und Firmenpräsentationen taucht One-Shot als Testbedingung auf. Man vergleicht Modelle dann bei null, einem oder mehreren Beispielen. Die Unterschiede zeigen, wie stark ein Modell auf Hilfestellung angewiesen ist. Ein starkes Modell verliert zwischen Zero-Shot und One-Shot nur wenig.

Der Begriff wird außerdem in der Bilderkennung benutzt, etwa beim Entsperren per Gesicht. Dort genügt oft ein einziges Referenzfoto, um eine Person später wiederzuerkennen. Gemeint ist derselbe Grundgedanke: aus einem Beispiel eine allgemeine Regel gewinnen. Verlässlich ist das aber nur, wenn das eine Beispiel wirklich typisch ist.