Retrieval-Augmented Generation (RAG)
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 adressiert Genauigkeit und Aktualität von Modellantworten.
Dieser Baustein bündelt Grundinformationen, Kontext und Beziehungen – als neutrale Referenz im Modell.
Definition · Einordnung · Trade-offs · Beispiele
Worum geht es hier?
Diese Seite bietet einen neutralen Einstieg mit Kerndaten, Strukturkontext und direkten Beziehungen – unabhängig von Lern- oder Entscheidungswegen.
Basisdaten
Kontext im Modell
Strukturelle Einordnung
Verortung in der Struktur.
Keine Strukturpfade verfügbar.
Beziehungen
Verknüpfte Bausteine
Direkt verbundene Content-Elemente.