ReAct‑Prinzip

Sep. 20, 2025

—

von

Philipp: Schweizer KI Akademie

ReAct – Reason + Act

Einfach erklärt

ReAct heißt: Nachdenken (Reason) und Handeln (Act) abwechseln – Schritt für Schritt. Ein KI‑Assistent überlegt laut (z. B. Zwischenschritte notieren) und führt dann gezielte Aktionen aus (z. B. im Web nachschlagen, eine Datei lesen, Code ausführen). Danach nutzt er die neuen Infos und denkt weiter. So kommt er sicherer zum Ziel und kann Fehler leichter korrigieren. Für die Orchestrierung von KI‑Agenten & Workflows ist dieses Muster zentral.

Beispiel 1 – Faktenfrage:

Reason: „Ich brauche aktuelle Daten zu X. Quelle: Wikipedia API.“
Act: Anfrage an die API → Ergebnis.
Reason: „Die Zahl stammt von Jahr Y, ich prüfe noch Quelle Z.“ → weiter Act …

Beispiel 2 – Aufgabenfolge:

Reason: „Plan: Datei laden → Inhalte filtern → Tabelle bauen.“
Act: Datei öffnen.
Reason: „Filter anpassen, weil Spaltennamen anders sind.“
Act: Filter neu ausführen → Ergebnis.

Warum nützlich? ReAct verhindert, dass ein Modell im Blindflug antwortet. Es beschafft Belege und passt den Plan unterwegs an. Für produktive Szenarien hilft es, ReAct mit Guardrails (Datenschutz & Compliance) zu kombinieren, um Pflichten zu erfüllen.

Professionelle Definition

ReAct ist ein Prompting‑/Agentik‑Rahmen für LLMs, bei dem sprachliche Begründungen (reasoning traces) und tool‑gestützte Handlungen interleaved erzeugt werden. Dies erlaubt dynamische Plan‑Aktualisierung und Wissensbeschaffung aus externen Umgebungen (APIs/Web/Tools). In der Originalarbeit zeigte ReAct überlegene Ergebnisse gegenüber reinem Reasoning oder reinem Acting – u. a. bei HotpotQA/FEVER (weniger Halluzinationen durch Wikipedia‑Interaktion) sowie in interaktiven Umgebungen wie ALFWorld und WebShop (höhere Erfolgsraten). ReAct prägt zahlreiche Agenten‑Implementierungen (z. B. in unternehmensnahen KI‑Workflows & Automatisierung), wo Planen, Handeln und Verifizieren zu einem robusten Ablauf verbunden werden. prägt zahlreiche Agenten‑Implementierungen (z. B. in LangChain/LangGraph).