RAG (Retrieval-Augmented Generation)
RAG kombiniert ein Sprachmodell mit einer Wissensquelle: Vor der Antwort werden passende Dokumente gesucht und ins Modell gegeben – so antwortet die KI faktenbasiert statt geraten.
Was ist RAG?
Retrieval-Augmented Generation (RAG) ist eine Methode, die ein Sprachmodell mit einer externen Wissensquelle verbindet. Bevor das Modell antwortet, durchsucht ein Retrieval-Schritt eine Datenbasis – etwa eure Produktdaten, Handbücher oder Support-Artikel – nach relevanten Passagen und gibt sie dem Modell als Kontext mit. Die Antwort basiert dann auf diesen echten Inhalten.
RAG ist die pragmatische Antwort auf das größte LLM-Problem: Halluzinationen und veraltetes Wissen.
Relevanz & Funktionsweise
RAG macht aus einem allgemeinen Sprachmodell einen Experten für eure Domäne – ohne teures Neutraining:
- Faktenanbindung: Antworten stützen sich auf belegbare Quellen statt auf Modell-Raten.
- Aktualität: Die Wissensbasis lässt sich jederzeit aktualisieren – kein Re-Training nötig.
- Firmenwissen: Interne Dokumente werden nutzbar, ohne sie ins öffentliche Modell zu geben.
- Bausteine: Vektordatenbank für die Suche, Embeddings zur Bedeutungsabbildung, LLM für die Formulierung.
SENSUS MEDIA Praxistipp
RAG ist für uns der Schlüssel zu seriösen KI-Anwendungen im Unternehmen – etwa ein Support-Assistent, der ausschließlich aus eurer Doku antwortet. Wir bauen die nötige Pipeline aus Datenaufbereitung, Vektorsuche und Modell und orchestrieren sie über n8n. So bekommt ihr KI, die belastbare Auskünfte gibt – mit Quellen statt mit Bauchgefühl.
Verwandte Begriffe & Leistungen
Bereit, gemeinsam Großes zu schaffen?
Lass uns unverbindlich über dein Projekt sprechen.