In KI-Suchsystemen einordnen / Begriff
RAG
Auch gebräuchlich: Retrieval-Augmented Generation, retrieval-augmentierte Generierung
Was bedeutet RAG?
RAG steht für Retrieval-Augmented Generation: Ein System ruft passende Quellen ab und nutzt sie als Grundlage für eine generierte Antwort.
Ein klarer Weg durch diese Aufgabe
- RAG einordnen
- Grenzen und Verwechslungen prüfen
- Passende nächste Arbeit bestimmen
Relevanz
Warum ist RAG wichtig?
Die Qualität einer Antwort hängt nicht nur vom Sprachmodell ab, sondern auch davon, welche aktuellen Informationen gefunden, ausgewählt und korrekt verwendet werden.
Konkretes Beispiel
So zeigt sich der Begriff in der Praxis.
Zu einer Relaunchfrage kann ein System aktuelle Google-Dokumentation und einen projektspezifischen Leitfaden abrufen, bevor es eine Antwort mit Quellen formuliert.
Abgrenzung
Was damit nicht gemeint ist.
RAG ist eine Systemtechnik, keine Garantie, dass eine konkrete Website ausgewählt, zitiert oder richtig interpretiert wird.
Genauer erklärt
RAG und Grounding unterscheiden
RAG kombiniert Abruf und Generierung. Grounding ist weiter gefasst: Eine Antwort wird an überprüfbare Informationen oder einen vorgegebenen Kontext gebunden. Ein System kann Grounding auch ohne genau diese RAG-Architektur betreiben. Ein Quellenlink zeigt nicht automatisch, dass jede Aussage korrekt aus der Quelle folgt.
Häufiges Missverständnis
Falsch wäre: Ein Text müsse dafür künstlich in winzige Abschnitte zerlegt oder mit speziellem KI-Markup versehen werden.
Einordnung: RAG ist eine Systemtechnik, keine Garantie, dass eine konkrete Website ausgewählt, zitiert oder richtig interpretiert wird.
Handlung
Was Sie als Nächstes prüfen können.
Veröffentlichen Sie erreichbare, klar gegliederte Inhalte mit prüfbaren Aussagen; beobachten Sie Auswahl und Richtigkeit später unter dokumentierten Bedingungen.
Quellenstand