ReAct
Agentic AIAgentenarchitektur, bei der das Modell abwechselnd denkt (Reason) und handelt (Act) — so werden komplexe Aufgaben nachvollziehbar und schrittweise gelöst.
Was ist ReAct?
ReAct (Reasoning + Acting) ist ein 2022 von Yao et al. vorgestelltes Prompting-Framework für KI-Agenten. Die Kernidee: Das Modell wechselt in einem strengen Schema zwischen zwei Schritten. Erstens „Thought” — der Agent denkt explizit nach, was er als nächstes tun soll. Zweitens „Action” — er führt eine konkrete Aktion aus (z.B. Werkzeugaufruf). Dann folgt „Observation” — das Ergebnis der Aktion wird eingelesen. Dieser Zyklus wiederholt sich, bis das Ziel erreicht ist.
Der entscheidende Vorteil: Die Denkschritte sind sichtbar und auditierbar. Fehler lassen sich leichter diagnostizieren als bei einem Black-Box-Agenten.
Ablauf eines ReAct-Zyklus
Ein typischer ReAct-Durchlauf besteht aus wiederkehrenden Zyklen:
- Thought: Agent formuliert explizit seine Überlegung (z.B. „Ich muss zuerst den Lagerbestand prüfen”)
- Action: Agent wählt ein Werkzeug und übergibt Parameter (z.B. check_inventory(„Artikel-42”))
- Observation: Ergebnis des Werkzeugaufrufs wird eingelesen (z.B. „Lagerbestand: 150 Stück”)
- Iteration: Auf Basis der Observation folgt der nächste Thought-Action-Zyklus
- Final Answer: Nach ausreichend Beobachtungen formuliert der Agent die Endantwort
Merksatz
ReAct macht den „Gedankengang” eines KI-Agenten sichtbar — das ist entscheidend für Nachvollziehbarkeit und Fehlersuche in Unternehmensanwendungen.
Relevanz für den Mittelstand
ReAct ist die de-facto-Basisarchitektur vieler produktiver KI-Agenten (u.a. in LangChain, LlamaIndex, Claude). Für Unternehmen ist besonders wertvoll, dass die Thought-Schritte protokollierbar sind: Compliance-Teams können nachvollziehen, warum ein Agent welche Entscheidung getroffen hat. Das ist eine wesentliche Voraussetzung für den Einsatz in regulierten Branchen (Finanz, Versicherung, Gesundheit).
← Zurück zum Glossar