Retrieval-Augmented Generation
Retrieval-Augmented Generation, kurz RAG, ist ein Verfahren, bei dem ein Sprachmodell nicht nur aus seinem Training antwortet. Zuerst wird in einer Sammlung von Dokumenten oder im Web nach passenden Stellen gesucht („Retrieval“). Dann schreibt das Modell eine Antwort, die auf diesen Fundstellen beruht („Generation“).
Warum man das macht
Ein Sprachmodell kennt nur den Stand seines Trainings und kann Dinge erfinden. Mit RAG greift es auf aktuelle Quellen zu und kann sie angeben. Viele KI-Suchen und Firmenassistenten arbeiten nach diesem Prinzip.
Was das für dich heißt
Dein Betrieb kann nur genannt werden, wenn deine Inhalte beim Suchschritt gefunden werden und verständlich sind. Eine Seite, die die Frage klar beantwortet, wird eher herangezogen als eine, auf der der Hinweis in einem Bild oder in langen Werbetexten verschwindet.
Beispiel
Eine Kundin fragt einen Assistenten nach einer Hundepension bei Rostock mit Platz für zwei Hunde (Beispiel). Das System sucht Seiten zu Hundepensionen, liest Leistungen, Kapazität und Standort und fasst zusammen. Steht auf einer Seite nur „Rufen Sie uns an“, fehlt dem System etwas Greifbares.
- Schreibe Fakten als gut lesbaren Text.
- Teile lange Seiten mit Überschriften in klare Abschnitte.
- Nutze strukturierte Daten für Anschrift, Zeiten und Leistungen.
RAG verringert Fehler, beseitigt sie aber nicht. Wenn die gefundene Quelle falsch oder veraltet ist, gibt das System die falsche Information gut formuliert weiter. Gute Quellen bleiben deshalb die Grundlage, egal wie klug das Modell ist.
Tipp: Frage dich bei jeder Seite: Könnte jemand aus diesem Absatz allein die Antwort entnehmen?