Was ist ein RAG-Modell?

Ein RAG-Modell kombiniert KI-Textgenerierung mit dem Abruf externer Informationen, z. B. aus Datenbanken oder Dokumenten.

Wofür wird das RAG-Modell eingesetzt?

Zur Generierung präziser, kontextbasierter Antworten in KI-Suchen, z. B. in Chatbots, Assistenzsystemen oder semantischen Suchmaschinen.

Was sind die Vorteile eines RAG-Modells?

RAG-Modelle liefern aktuelle, nachvollziehbare Antworten und vermeiden Halluzinationen, da sie reale Quellen einbeziehen.

RAG-Modell - RAG-Modell – Retrieval-Augmented Generation

Ein RAG-Modell (Retrieval-Augmented Generation) kombiniert die Textgenerierung durch ein Sprachmodell mit einer angebundenen Wissensquelle – etwa einer Datenbank, einem Dokumentenarchiv oder einer semantischen Suchmaschine.

Im Gegensatz zu klassischen KI-Systemen, die nur auf ihrem Training basieren, kann ein RAG-Modell während der Anfrage externe Informationen abrufen und diese in die Antwort integrieren. Das macht die Antworten präziser, aktueller und besser nachvollziehbar.

Besonders in KI-Suchsystemen, wie <a href="/de/glossar/ChatGPT/" alt="Info zu ChatGPT" target="_blank">ChatGPT</a> mit Bing oder Unternehmens-Chatbots mit angebundenen Dokus, sorgen RAG-Modelle dafür, dass Ergebnisse auf reale Quellen gestützt sind – statt auf vermutete Inhalte.</p>

Kombiniert Sprachmodell mit angebundener Datenquelle
Antworten basieren auf tagesaktuellen Informationen
Ideal für kontextbezogene KI-Suchen
Reduziert Halluzinationen durch echte Quellen
Eingesetzt z. B. in Unternehmens-Chatbots oder KI-Suchsystemen