Loading content
Retrieval-Augmented Generation (RAG) kombiniert externe Informationsabrufe mit großen Sprachmodellen, um faktischere und kontextuell aktuelle Antworten zu erzeugen. Das Konzept verbindet Such-, Index- und Ranking-Komponenten mit generativen Modulen und definiert Schnittstellen, Evaluationskriterien und Governance für wissensintensive Anwendungen. RAG adressi…
Nutze diesen Steckbrief, um den Baustein kurz zu verstehen, ihn im Modell einzuordnen und bei Bedarf in die 360°-Bewertung zu wechseln.
Theoretisches Gebilde: erklärt einen Begriff, ein Prinzip oder ein Denkmodell.
Was du verstehen musst, um ein Themenfeld sinnvoll zu denken.
Retrieval-Augmented Generation (RAG) ergänzt ein Sprachmodell zur Antwortzeit um passende Informationen aus einer externen Wissensquelle.
RAG wurde 2020 von Patrick Lewis und Koautoren als Forschungsansatz beschrieben. Er verbindet Informationsabruf mit generativer Modellierung, um Wissen außerhalb der Modellgewichte nutzbar und aktualisierbar zu machen.
Eine Anfrage wird verstanden, gesucht und gerankt; relevante Passagen werden als Kontext an das Modell gegeben, das daraus eine Antwort erzeugt. Qualität hängt daher an Chunking, Index, Retrieval, Kontextfenster, Prompt, Modell und Evaluation. Quellenbelege helfen, ersetzen aber keine Prüfung der Daten und Antwort.
Eine Suchkomponente findet und bewertet Dokumente oder Passagen zur Anfrage.
Ausgewählte Quellen begrenzen und informieren die Generierung, statt Wissen nur aus Modellparametern abzurufen.
Retrieval- und Antwortqualität werden getrennt sowie gemeinsam mit realen Fragen und Fehlerklassen gemessen.
RAG eignet sich für sich ändernde, domänenspezifische oder private Wissensbestände. Es kann Halluzinationen und Suchfehler nicht automatisch beseitigen; Zugriffsschutz, Aktualität, Quellenqualität und Kosten gehören in den Betrieb.
Wo dieser Baustein im Themenmodell verortet ist.
Keine Strukturpfade verfügbar.
Erkunde, wie dieser Wissensbaustein mit Konzepten, Methoden, Technologien und Tools verbunden ist.
Diese Quellen belegen den Begriff und seine fachliche Bedeutung.
Alle direkten Verbindungen des aktuellen Wissensbausteins in einer kompakten, textuellen Darstellung.
Diese Einordnung zeigt, in welchem Kontext der Baustein typischerweise relevant wird, wie anspruchsvoll er ist und welche Wirkung er im Modell hat.
Die Ebene innerhalb der Organisation (Unternehmen, Domäne, Team), auf der der AssetBlock angewendet wird.