Retrieval-Augmented Generation (RAG)
Retrieval-Augmented Generation (RAG) ist eine Methode, mit der eine KI nur aus bestimmten Dokumenten antwortet. Sie sucht erst die passenden Stellen heraus und schreibt die Antwort dann allein aus diesen Stellen. Das senkt erfundene Fakten deutlich.
Normale KI-Modelle antworten aus dem, was sie beim Training mitbekommen haben. Klingt gut, bis sie etwas Falsches mit voller Überzeugung sagen. RAG löst das, indem es dem Modell zuerst feste Quellen zum Lesen gibt. Statt aus dem Gedächtnis zu raten, holt es die richtigen Abschnitte und baut die Antwort darauf auf.
Jedes Mal passieren zwei Schritte. Zuerst sucht das System die Stellen in deinen Dokumenten, die zu deiner Frage passen. Dann gibt es diese Stellen an das Modell weiter und sagt: Antworte daraus. Das Modell setzt die Fakten eher zusammen, als sie selbst zu erfinden. Genau deshalb bleiben die Antworten näher an der Wahrheit.
Ein Punkt zum Aufpassen: RAG ist nur so gut wie das, was es findet. Wird die richtige Stelle nie gefunden, oder decken deine Dokumente die Frage nicht ab, kann die Antwort trotzdem dünn oder falsch sein. Es senkt erfundene Fakten stark. Ganz weg sind sie nicht.
Maya lernt für eine Biochemie-Klausur. Sie fragt ihr KI-Tool nach dem Citratzyklus. Mit RAG holt es genau die Absätze aus ihren Vorlesungsfolien und erklärt es in diesen Begriffen, statt zufällige Details aus dem weiten Internet einzubauen, die ihr Professor nie behandelt hat.