RAG (Retrieval-Augmented Generation)
Definition
RAG heißt: Bevor das Sprachmodell antwortet, sucht das System in Ihren eigenen Dokumenten die passenden Stellen und legt sie als Kontext bei. Das Modell antwortet aus belegtem Material statt aus vagem Gedächtnis.
Der Vergleich, der hängen bleibt: Fine-Tuning ist wie Auswendiglernen für eine Prüfung, RAG ist eine Open-Book-Prüfung — das Wissen liegt aufgeschlagen daneben und wird bei jeder Frage neu nachgeschlagen. Deshalb kann RAG mit Wissen umgehen, das sich täglich ändert, ohne dass das Modell neu trainiert werden muss, und es kann seine Antworten mit Quellen belegen.
Für den Mittelstand ist RAG fast immer der richtige erste Schritt, um KI auf eigene Daten anzuwenden: schneller live, günstiger, nachvollziehbar. Die Qualität entscheidet sich an der Datenaufbereitung — sauberes Zerteilen der Dokumente, gute Embeddings und, für hohe Trefferqualität, ein Reranking-Schritt. Ein tieferer Vergleich findet sich im Wissens-Artikel „RAG oder Fine-Tuning?".
Passend dazu
Passende Leistung
Individualsoftware mit GenAI-Anbindung
Maßgeschneiderte Software vom Prototyp bis zur Produktionsreife – mit nahtloser GenAI-Integration.
Zur Leistung →AI-Usecases in Cloud-Umgebungen
KI-Anwendungsfälle auf führenden Cloud-Plattformen – von der Konzeption bis zum produktiven Betrieb.
Zur Leistung →Von der Definition zur Umsetzung?
Lassen Sie uns besprechen, wie sich das konkret in Ihrem Unternehmen anwenden lässt.
Projekt anfragen