Glossar

Retrieval-Augmented Generation (RAG)

Was ist Retrieval-Augmented Generation (RAG)?

Retrieval-Augmented Generation verbindet eine Suche mit der Textgenerierung: Vor dem Antworten sucht das System in einer Wissenssammlung – etwa Handbüchern, Richtlinien oder FAQ – die passenden Abschnitte und gibt sie dem Sprachmodell als Kontext mit. So stützt sich die Antwort auf aktuelle, unternehmenseigene Inhalte statt nur auf das Trainingswissen des Modells. Das verringert erfundene Aussagen, macht Quellen nachvollziehbar und erlaubt Aktualisierungen ohne neues Training.

So hilft KI.ordo

Genau so arbeiten KI.ordo-Agenten: Sie durchsuchen das hinterlegte Wissen per Stichwortsuche (BM25) und antworten mit Quellenangaben.

Mehr erfahren →

Themen

RAG
Wissenssuche
Sprachmodelle

KI.ordo ausprobieren

Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.

Demo starten

← Alle Begriffe

Verwandte Begriffe

Retrieval-Pipeline

Eine Retrieval-Pipeline ist die Abfolge von Verarbeitungsschritten, mit der ein System zu einer Frage die passenden Informationen findet. Typisch sind: Dokumente einlesen und bereinigen, in Abschnitte zerlegen, einen Suchindex aufbauen, die Anfrage gegebenenfalls umformulieren, Treffer suchen, sortieren (Reranking) und die besten an das Sprachmodell übergeben. Sie bildet das Fundament jeder RAG-Anwendung; ihre Qualität entscheidet maßgeblich darüber, wie gut die späteren Antworten sind.

RAG
Suche
+1

Halluzination

Als Halluzination bezeichnet man Ausgaben eines KI-Modells, die überzeugend klingen, aber falsch oder frei erfunden sind – etwa ein nicht existierendes Gerichtsurteil, eine falsche Zahl oder eine erfundene Quelle. Die Ursache: Sprachmodelle erzeugen wahrscheinliche Formulierungen, sie schlagen nicht automatisch Fakten nach. Das Risiko sinkt, wenn Antworten auf geprüften Quellen beruhen, Belege angegeben werden und Menschen wichtige Ergebnisse kontrollieren.

Sprachmodelle
Verlässlichkeit
+1

Vorlage

Cache Augmented Generation (CAG)

Cache Augmented Generation (CAG) ist ein Ansatz, bei dem ein Sprachmodell das benötigte Wissen nicht bei jeder Frage neu sucht, sondern den gesamten, überschaubaren Wissensbestand vorab in sein Kontextfenster lädt und diesen Zustand zwischenspeichert. Antworten entstehen dann ohne separaten Suchschritt. Der Begriff wurde Ende 2024 in einer Forschungsarbeit als Alternative zu Retrieval-Augmented Generation (RAG) bekannt. CAG eignet sich für kleinere, stabile Wissensbestände; bei großen oder häufig wechselnden Daten bleibt RAG meist praktikabler.

RAG
Kontextfenster
+1

Informationsabruf

Informationsabruf (Information Retrieval) umfasst Verfahren, die aus großen Textbeständen die zu einer Anfrage passenden Dokumente oder Abschnitte finden und nach Relevanz sortieren. Klassische Methoden wie BM25 gewichten Suchbegriffe nach Häufigkeit und Seltenheit, neuere ergänzen semantische Ähnlichkeit. Informationsabruf ist die Grundlage von Suchmaschinen, Unternehmenssuche und Retrieval-Augmented Generation, bei der ein Sprachmodell gefundene Passagen als Grundlage seiner Antwort nutzt.

Suche
BM25
+1