RAG-Modell

RAG steht für Retrieval-Augmented Generation. Ein RAG-System sucht zu einer Anfrage relevante Informationen in einer externen Wissensquelle und übergibt ausgewählte Ausschnitte zusammen mit der Frage an ein generatives Modell. Häufig werden Dokumente segmentiert, als Embeddings indexiert und über Ähnlichkeit gesucht; auch klassische Suchverfahren oder kombinierte Ansätze sind möglich.

RAG kann aktuelle oder interne Informationen verfügbar machen und Antworten mit Quellenhinweisen unterstützen, ohne das Grundmodell für jede Änderung neu zu trainieren. Es garantiert jedoch keine korrekten Antworten. Ungeeignete Dokumente, fehlende Treffer, schlechte Segmentierung, Berechtigungsfehler oder falsche Interpretation können weiterhin zu Fehlern führen. Qualität erfordert gepflegte Quellen, Zugriffskontrolle, Retrieval- und Antworttests sowie nachvollziehbare Zitate.

• Verbindet Suche mit generativer Ausgabe
• Nutzt externe, aktualisierbare Wissensquellen
• Kann Vektor-, klassische oder hybride Suche einsetzen
• Beseitigt Halluzinationen nicht vollständig
• Quellen, Rechte und Trefferqualität laufend prüfen