Reflexion
ReasoningMechanismus, bei dem ein KI-Modell seine eigene Ausgabe kritisch bewertet und auf Basis dieser Selbsteinschätzung eine verbesserte Antwort erzeugt.
Was bedeutet Reflexion bei KI-Modellen?
Reflexion (englisch: Self-Reflection oder Reflection) bezeichnet eine Prompting- und Architekturstrategie, bei der ein Sprachmodell nach einer ersten Antwort explizit aufgefordert wird, diese zu überprüfen. Das Modell bewertet seine eigene Ausgabe, identifiziert mögliche Fehler oder Lücken und erzeugt anschließend eine überarbeitete Version.
Das Konzept wurde 2023 mit dem Reflexion-Framework formal beschrieben. Es kombiniert sprachliches Feedback mit einem Gedächtnis für frühere Versuche, sodass das Modell in mehreren Iterationen konvergiert. Reflexion ist damit ein Werkzeug für höhere Ausgabequalität ohne Modell-Finetuning.
Typischer Ablauf eines Reflexions-Zyklus
Ein typischer Reflexionsprozess läuft in klar definierten Phasen ab:
- Erste Antwort: Das Modell löst die Aufgabe nach bestem Wissen
- Selbstbewertung: Das Modell analysiert seine Antwort auf Fehler oder Unvollständigkeiten
- Kritik formulieren: Konkrete Schwachstellen werden benannt
- Überarbeitete Antwort: Das Modell erstellt eine verbesserte Version auf Basis der Kritik
Reflexion im Alltag
Lässt man ein Modell einen Vertragsentwurf zunächst erstellen und danach selbst nach rechtlichen Lücken suchen, verbessert sich die Qualität messbar — ähnlich dem Vier-Augen-Prinzip beim Menschen.
Relevanz für den Mittelstand
Für Unternehmen bietet Reflexion eine praktische Möglichkeit, die Qualität KI-generierter Dokumente, Analysen oder Code zu steigern, ohne einen menschlichen Reviewer in jeden Schritt einzubinden. Besonders wertvoll ist der Ansatz bei Texten mit hohem Fehlerrisiko: technische Spezifikationen, Angebotskalkulation oder Compliance-Dokumente. Reflexions-Prompts lassen sich in bestehende Workflows integrieren.
← Zurück zum Glossar