Freiberuflicher Webentwickler · Hamburg
RAG (Retrieval-Augmented Generation)
RAG (Retrieval-Augmented Generation) koppelt ein LLM an eine Suche über eigene Quellen: Zuerst werden passende Textstellen gefunden, dann fließen sie als Kontext in die Generierung. So lassen sich Antworten an Handbücher, Code oder interne Richtlinien binden, ohne das Modell neu zu trainieren.
Der Nutzen steht und fällt mit Index-Qualität, Chunking und Zugriffsrechten. Ohne saubere Quellen und Prüfung bleibt Halluzinationsrisiko. Für Teams plane ich RAG pragmatisch – zuerst klarer Use-Case und Datenlage, dann Technik. Siehe auch Vektordatenbank & Embeddings und AI Development.
Wenn der nächste Schritt ein Agent ist: KI-Agenten & Agentic AI.