Loading content
Retrieval-Augmented Generation (RAG) ist ein Verfahren, das generative Modelle durch externe Dokumentensuche mit faktischer Grundlage versorgt. Es kombiniert einen Retriever und einen Generator, um Genauigkeit und Kontextbezug zu erhöhen. Die Methode beeinflusst Architektur, Datenpipelines und Evaluationsstrategien für wissensintensive produktive Anwendungen…
Nutze diesen Steckbrief, um den Baustein kurz zu verstehen, ihn im Modell einzuordnen und bei Bedarf in die 360°-Bewertung zu wechseln.
Ausführbares Vorgehen: kann angewendet werden und erzeugt ein Ergebnis.
Was Zusammenhänge ordnet, verbindet oder entscheidbar macht.
Eine RAG-Implementierung verbindet Dokumentenabruf mit einem generativen Modell, damit Antworten auf ausgewählten externen Wissensquellen aufbauen können.
Retrieval-Augmented Generation wurde 2020 von Patrick Lewis und Koautoren als Forschungsansatz beschrieben. Die Implementierungspraxis übertrug das Prinzip auf Suchindizes, Embeddings und Anwendungs-Pipelines; Microsoft dokumentiert dafür aktuelle Architekturvarianten.
Zerlege und indexiere vertrauenswürdige Dokumente, erzeuge passende Repräsentationen und rufe zur Anfrage die relevantesten Passagen ab. Übergib diese mit klaren Instruktionen an das Modell und gib Quellen oder Fundstellen aus. Messe getrennt Abrufqualität, Antworttreue, Latenz und Kosten; behandle fehlende Evidenz als möglichen Abbruch.
Aufbereitete Dokumentabschnitte und Metadaten ermöglichen gezielte Suche zur Anfrage.
Ein Retriever wählt relevante Evidenz aus, bevor das Modell die Antwort erzeugt.
Die Antwort soll sich auf den abgerufenen Kontext stützen und unbelegte Aussagen vermeiden.
RAG kann domänenspezifisches und aktuelles Wissen nutzbar machen, ohne ein Modell vollständig nachzutrainieren. Qualität hängt an Quellen, Zerlegung, Suche und Evaluation; Retrieval allein garantiert weder Wahrheit noch Datenschutz.
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.