Reason and Act (ReAct)

« Zurück zum Glossar Index

ReAct (Reason-and-Act) bezeichnet eine Prompt- und Agentenstrategie, bei der ein Sprachmodell abwechselnd Schlussfolgerungen bildet (Reason) und externe Aktionen ausführt (Act). Das Modell generiert nicht nur Text, sondern entscheidet schrittweise über Werkzeugnutzung oder Informationsabfragen. Ziel ist die kontrollierte Lösung komplexer, mehrstufiger Aufgaben.

Funktionsweise und Einordnung

ReAct kombiniert zwei Komponenten in einer iterativen Schleife:

Reasoning-Schritt: Analyse der aktuellen Situation und Planung des nächsten Schritts.
Action-Schritt: Ausführung einer konkreten Operation, z. B. Suchanfrage, Datenbankabfrage oder API-Aufruf.

Typischer Ablauf:

Das Modell analysiert die Frage.
Es entscheidet, dass externe Information benötigt wird.
Es ruft ein Tool auf (z. B. Suche oder Rechner).
Es verarbeitet das Ergebnis.
Es wiederholt den Prozess, bis eine finale Antwort möglich ist.

ReAct unterscheidet sich von reinem Chain-of-Thought, da hier aktive Systeminteraktionen stattfinden. Es ist eine agentenbasierte Architektur, die Reasoning mit Tool-Use verbindet.

Strategische Bedeutung für SEO und AI-Search

AI-Search-Systeme integrieren zunehmend externe Datenquellen, APIs und Wissensdatenbanken. ReAct-ähnliche Architekturen sind dafür zentral.

Implikationen für Generative Engine Optimization:

Inhalte müssen klar referenzierbar sein.
Strukturierte Daten erleichtern maschinelle Abfragen.
Eindeutige Entitäten erhöhen die Integrationsfähigkeit.

Wenn Inhalte sauber strukturiert und eindeutig definiert sind, können sie leichter in ReAct-Prozesse eingebunden werden. Die Sichtbarkeit verschiebt sich von Ranking-Positionen hin zur maschinellen Nutzbarkeit.

ReAct verdeutlicht, dass moderne KI-Systeme nicht nur generieren, sondern aktiv handeln.

Beispiel

Aufgabe:
„Wie hoch ist die Mehrwertsteuer in Deutschland und wie wirkt sie sich auf einen Nettopreis von 100 € aus?“

ReAct-ähnlicher Ablauf:

Reason: Die aktuelle Mehrwertsteuer muss ermittelt werden.
Act: Abfrage einer verlässlichen Quelle.
Reason: Berechnung von 19 % auf 100 €.
Act: Nutzung eines Rechentools.
Final: Ausgabe des Bruttoergebnisses.

Das Modell kombiniert Informationsbeschaffung und Berechnung.

Häufige Fragen zu ReAct (Reason-and-Act)

Was unterscheidet ReAct von Chain-of-Thought?

Chain-of-Thought erzeugt nur textbasierte Zwischenschritte. ReAct integriert zusätzlich echte Aktionen wie Tool-Aufrufe oder Suchabfragen. Es verbindet Denken mit Handeln.

Ist ReAct ein eigenes Modell?

ReAct ist keine eigene Modellarchitektur, sondern eine Strategie zur Steuerung von Sprachmodellen. Sie kombiniert Prompting mit Tool-Integration. Verschiedene LLMs können in ReAct-Strukturen eingesetzt werden.

Wann ist ReAct besonders sinnvoll?

ReAct ist sinnvoll bei Aufgaben, die externe Daten, Berechnungen oder API-Zugriffe erfordern. Besonders bei mehrstufigen Recherche- oder Analyseprozessen erhöht es Zuverlässigkeit. Für einfache Wissensfragen ist es nicht zwingend notwendig.

Welche Rolle spielt ReAct in AI-Search?

AI-Search-Systeme nutzen häufig externe Wissensquellen und Tools. ReAct-ähnliche Mechanismen ermöglichen strukturierte Informationsbeschaffung. Inhalte mit klarer Struktur sind leichter integrierbar.