Wie gut kann KI mit wenigen Beispielen lernen?

Das Problem

Sie möchten KI in Ihrem Betrieb nutzen, zum Beispiel für das Sortieren von Anfragen oder das Beantworten typischer Fragen. Aber Sie haben nur 30 vergangene Fälle oder ein paar Dutzend Dokumente. In Beiträgen lesen Sie, dass KI «riesige Datenmengen» braucht, und befürchten, dass Ihre Basis zu klein ist.

Diese Sorge hält viele davon ab, überhaupt anzufangen. Dabei kommt es sehr auf die Art der Aufgabe und den gewählten Weg an. Ein fertiges Sprachmodell braucht für viele Aufgaben kaum eigene Daten, ein selbst trainiertes Vorhersagemodell dagegen schon.

Mit ein paar einfachen Überlegungen erkennen Sie, was mit Ihrer Datenmenge realistisch ist.

So lösen Sie es mit KI – Schritt für Schritt

1. Aufgabe benennen: Was genau soll die KI tun? Texte schreiben, zusammenfassen und einordnen sind Aufgaben, für die Sprachmodelle schon vorbereitet sind. Exakte Vorhersagen aus Zahlen, etwa Lagerbedarf, brauchen oft mehr eigene Daten.
2. Vorhandene Beispiele zählen und sichten: Wie viele Fälle haben Sie? Sind sie vollständig, richtig und abwechslungsreich? Fünfzig gute Beispiele sind besser als tausend lückenhafte.
3. Mit Beispielen im Auftrag arbeiten: Geben Sie der KI zwei bis fünf gute Beispiele direkt im Auftrag mit. Dieses Vorgehen heisst Few-Shot und funktioniert ohne Training, siehe Wie leite ich eine KI mit Beispielen an?.
4. Dokumente anbinden statt trainieren: Wenn Wissen aus Ihren Unterlagen gebraucht wird, kann die KI diese bei der Antwort nachschlagen, ohne dass sie neu lernen muss. Siehe Was ist RAG?.
5. Ein paar Fälle zurückhalten: Prüfen Sie die KI an Beispielen, die sie vorher nicht gesehen hat, sonst sagt der Test wenig aus.
6. Seltene Fälle einplanen: Bei kleinen Datenmengen fehlen oft Sonderfälle. Legen Sie fest, wie diese erkannt und an Menschen übergeben werden, siehe Warum hat KI mit seltenen Fällen Schwierigkeiten?.
7. Klein starten: Beginnen Sie mit einem begrenzten Einsatz und kontrollieren Sie jedes Ergebnis. Erweitern Sie erst, wenn die Qualität stimmt.
8. Daten nachsammeln: Sammeln Sie im Betrieb sauber geprüfte Fälle weiter. So verbessert sich Ihre Basis mit der Zeit.

Welcher Weg passt zu welcher Datenmenge?

Vorlage zum Kopieren

Ich möchte, dass du [Aufgabe, z. B. Kundenanfragen einer von drei Kategorien zuordnen]: [Kategorie 1], [Kategorie 2], [Kategorie 3].
Hier sind drei Beispiele mit der richtigen Einordnung:
1. «[Beispieltext 1]» → [Kategorie]
2. «[Beispieltext 2]» → [Kategorie]
3. «[Beispieltext 3]» → [Kategorie]
Ordne nun diesen neuen Text ein: «[neuer Text]»
Wenn der Text zu keiner Kategorie passt oder unklar ist, antworte mit «unklar» und nenne den Grund.

Verwenden Sie erfundene oder anonymisierte Beispiele. Prüfen Sie die Einordnung mit weiteren Fällen, die nicht in den Beispielen stehen.

Worauf Sie achten müssen

• Datenschutz: Auch wenige Beispiele können Personendaten enthalten. Anonymisieren Sie oder lassen Sie klären, was erlaubt ist.
• Zufall beachten: Bei wenigen Testfällen kann ein gutes Ergebnis Zufall sein. Erhöhen Sie die Zahl der Tests, bevor Sie sich verlassen.
• Verzerrte Auswahl: Wenn Ihre Beispiele nur aus einem Teil des Alltags stammen, kennt die KI den Rest nicht.
• Falsche Beispiele wirken stark: Ein fehlerhaftes Beispiel im Auftrag kann Folgefehler auslösen. Kontrollieren Sie sie.
• Grenzen akzeptieren: Wenn die Datenlage für eine zuverlässige Lösung nicht reicht, ist es besser, zuerst Daten zu sammeln, als ein unsicheres Programm einzusetzen.

Wie Sie Ihre Beispielsammlung aufbauen

Legen Sie ein Dokument an, in dem Sie gute Beispiele für Ihre Aufgabe sammeln. Notieren Sie zu jedem Beispiel kurz, warum es gut ist, und markieren Sie die schwierigen Fälle. Nach jeder Woche kommen ein bis zwei neue dazu. Mit der Zeit entsteht eine geprüfte Sammlung, die Sie in KI-Aufträgen verwenden und für Tests zurückhalten können. Das ist aufwendiger als ein einmaliges Hochladen, zahlt sich aber aus, weil Ihre Beispiele genau zu Ihrem Alltag passen.

Ein Beispiel aus der Praxis

Ein Beispiel: Eine Schreinerei in Reinach möchte Kundenanfragen nach «Offerte», «Reparatur» und «Beratung» sortieren. Sie hat erst 35 bereinigte Beispiele. Vorher glaubt der Inhaber, dafür brauche es tausende Fälle.

Nachher testet seine Mitarbeiterin ein fertiges Sprachmodell mit vier Beispielen im Auftrag. Bei 20 weiteren, vorher nicht verwendeten Anfragen liegt es bei 17 richtig, bei drei unklaren Mails gibt es «unklar» aus. Die Schreinerei setzt die Sortierung als Vorschlag ein, den die Mitarbeiterin bestätigt, und sammelt weitere Fälle.

So hilft Ihnen Alpasana

Für Betriebe bietet absofort KI-Weiterbildung für Unternehmen an. Beschrieben sind Online-Weiterbildung von Grundlagen bis zum Executive-Diplomlehrgang, KI für Verwaltung, Kommunikation, Analyse und Texte, Datenschutz als Lerninhalt und der verantwortungsbewusste Umgang mit Unternehmensdaten.

Ob Ihre konkrete Datenbasis genügt, müssen Sie am eigenen Fall prüfen. Eine Garantie gibt kein Kurs.

Häufige Fragen

Wie viele Beispiele brauche ich mindestens?

Eine feste Zahl gibt es nicht. Für Few-Shot genügen oft zwei bis fünf gute Beispiele im Auftrag. Für verlässliche Tests sollten Sie 30 bis 50 abwechslungsreiche Fälle haben.

Kann ich die KI mit meinen Daten «trainieren», wenn ich nur wenige habe?

Eigenes Training ist bei wenigen Daten meist weder nötig noch sinnvoll. Nutzen Sie ein vorhandenes Modell und geben Sie Beispiele oder Dokumente mit.

Ist mehr Daten immer besser?

Nein. Qualität zählt mehr als Menge. Fehlerhafte oder widersprüchliche Daten können schaden, siehe Warum braucht KI gute Daten?.

Was, wenn die KI bei meinem Spezialgebiet unsicher bleibt?

Dann geben Sie mehr Kontext, verlangen Sie Quellen aus Ihren Dokumenten und lassen Sie Ergebnisse von einer Fachperson prüfen.