RAG (Retrieval Augmented Generation)
von Nicole Angela Buck
Wenn KI plötzlich Deine eigenen Daten kennt – und warum das mehr verändert als gedacht
Wenn KI nicht rät, sondern nachschlägt.
Was ist RAG?
RAG steht für Retrieval Augmented Generation – zu Deutsch: abrufunterstützte Textgenerierung. Dabei wird einem KI-Modell beim Beantworten einer Frage aktiv relevantes Wissen aus einer externen Quelle zugespielt – z. B. aus einer Datenbank, einem Dokumentenarchiv oder einer Website.
Das Modell „erfindet" die Antwort also nicht aus dem Gedächtnis, sondern greift auf echte, aktuelle Inhalte zurück – und formuliert daraus eine verständliche Antwort.
Was Du wirklich wissen musst
Ein normales KI-Modell arbeitet nur mit dem Wissen, das beim Training eingeflossen ist. Das ist statisch und kann veralten. Mit RAG wird dieses Modell um eine Art „Nachschlagemechanismus" erweitert: Zuerst wird die passendste Information aus einer Quelle abgerufen (Retrieval), dann wird sie vom Modell verarbeitet und als Antwort formuliert (Generation).
Stell dir vor, du fragst eine KI nach deinem aktuellen Produktkatalog. Ohne RAG kennt sie ihn nicht. Mit RAG kann sie ihn abrufen – und dir trotzdem eine flüssige Antwort geben.
Was Du damit machst
RAG ist die Technologie hinter vielen „Chat mit deinen Dokumenten"-Tools. Wenn du eine KI auf deine eigenen Inhalte trainieren oder sie mit internem Wissen füttern willst, ohne das Modell selbst anzupassen, ist RAG der Weg. Wichtig in der Praxis: Die Qualität des Retrievals entscheidet über die Qualität der Antwort – Garbage in, garbage out gilt auch hier.
Verwandte Begriffe: Embedding, LLM (Large Language Model), Fine-Tuning vs. Prompting, Kontextfenster
Stand: Mai 2026
← Zurück: Multimodal | MCP (Model Context Protocol): Weiter →