RAG
Retrieval-Augmented Generation (RAG) verbindet die Texterzeugung eines Modells mit zuvor gefundenen Informationen aus einer externen Sammlung.
Zuerst werden zur Frage passende Dokumentstellen gesucht. Anschließend erhält das Modell diese Stellen als Kontext für seine Antwort. Auswahl und Qualität der Fundstellen bestimmen, wie belastbar das Ergebnis sein kann.
Praktische Bedeutung
RAG kann aktuelles oder internes Wissen zugänglich machen, ohne das Modell für jede Änderung neu zu trainieren. Eine Quellenprüfung bleibt nötig.
Ein einfaches Beispiel
Ein Assistent sucht im freigegebenen Handbuch die passende Passage und beantwortet damit eine Produktfrage.
Nicht verwechseln mit
RAG ist nicht Fine-Tuning: Die gefundenen Texte werden zur Anfrage bereitgestellt, nicht dauerhaft in die Modellgewichte geschrieben.
Verwandte Begriffe
Quellen und weiterführende Links
Redaktionell verantwortlich: David Schmitt · KI-Unterstützung bei Recherche und Formulierung.
Veröffentlicht: · Aktualisiert: