Clicked Gallery

Was ist Retrieval-Augmented Generation (RAG)?

Markiert in einem echten Engineering-Dokument. Erklärt von Clicked.

Im Satz verwendet

Engineering Notes · AI Systems

Instead of fine-tuning the base LLM, we implemented a RAG pipeline to pull direct facts from internal company files.

Der Leser markierte ein Wort in der Dokumentation. Clicked machte den Fachbegriff „RAG pipeline“ leicht verständlich:

In drei Stufen erklärt

Gleiche Fakten, anderer Vibe — Slang-Modus 😎

Die Clicked-Methode

●○○

Overview

RAG ist ein Weg, ein KI-Modell aus bestimmten Dokumenten antworten zu lassen. Statt sich nur auf das im Training Gelernte zu stützen, holt das System zuerst die relevanten Dateien und reicht sie dem Modell als Kontext für seine Antwort.
●○○

Overview

RAG heißt, der KI einen Spickzettel zu geben, statt sie die ganze Bibliothek auswendig lernen zu lassen. Frage kommt rein, das System schnappt sich die richtigen Dokumente, schiebt sie über den Tisch, und das Modell antwortet daraus. Neue Dokumente einzuwechseln dauert Sekunden, und nichts wird neu trainiert. 😎

Die Kurzfassung — oft reicht sie schon.

●●○

Detail

Der Ablauf hat zwei Stufen. Retrieval: Mit der Frage wird ein Dokumentenspeicher durchsucht — Firmendateien, Handbücher, eine Wissensdatenbank — und die relevantesten Passagen werden herausgezogen. Generation: Diese Passagen werden in den Prompt des Modells eingesetzt, und es antwortet mit ihnen. Der Reiz gegenüber Fine-Tuning: Trainingsdaten sind eingefroren und generisch, während RAG frisches oder privates Wissen ohne Neutraining ergänzt, und man sieht, welche Passagen die Antwort gespeist haben. Die harte Grenze: Die Antwortqualität ist durch die Suchqualität gedeckelt, und zieht der Suchschritt die falschen Passagen, fasst das Modell selbstbewusst das Falsche zusammen.
●●○

Detail

Zwei-Schritt-Manöver: erst suchen, dann antworten. Warum es alle machen: Ein Modell auf die Dateien deiner Firma neu zu trainieren ist teuer und bis Freitag veraltet, während das Austauschen von Dokumenten in einem Ordner gratis ist. Bonus: Du kannst die Belege prüfen, denn die Antwort stammt aus Passagen, die du tatsächlich lesen kannst. Der Haken, den niemand auf die Folie schreibt: Greift die Suche die falschen Seiten, wird das Modell nicht verwirrt — es erklärt selbstbewusst die falschen Seiten. Retrieval ist das ganze Spiel. 😎

Mehr? Ein Klick geht tiefer.

●●●

Analogy

Zwei Wege, einen Helpdesk für das Richtlinienhandbuch deiner Firma zu besetzen. Weg eins: einen Mitarbeiter monatelang schulen, bis das Handbuch in seinem Kopf wohnt, was funktioniert, bis sich das Handbuch ändert. Weg zwei: jemanden einstellen, der schnell liest, das Handbuch auf dem Tisch behält und bei jeder Frage die richtige Seite aufschlägt.
Deepest level reached.
●●●

Analogy

Es ist der Neuzugang, der wie ein Zehnjahresveteran klingt, weil du ihm vor dem Meeting die internen Unterlagen unter dem Tisch zugeschoben hast. Nimm die Unterlagen weg, und er weiß nichts über deine Firma. Gib ihm die falschen Unterlagen, und er präsentiert selbstbewusst genau die.
Deepest level reached.

Neues Konzept? Ein Alltagsbeispiel macht’s greifbar — neue Analogien auf Knopfdruck.

KI-Erklärungen können Fehler enthalten · Keine professionelle Beratung

Formale Definition — Derselbe Begriff, wie er sonst erklärt wird

Retrieval-Augmented Generation ist eine Architektur, bei der die Eingabe eines Sprachmodells zur Inferenzzeit um Dokumente erweitert wird, die aus einem externen Korpus abgerufen werden, typischerweise über dichte Vektorähnlichkeitssuche in einem Index. Durch die Konditionierung der Generierung auf abgerufenen Kontext statt allein auf parametrisches Wissen ermöglichen RAG-Systeme Domänenanpassung ohne Neutraining, unterstützen Quellenattribution und mindern — ohne sie zu beseitigen — Halluzinationen; die Gesamtleistung bleibt durch Präzision und Trefferquote des Retrievals begrenzt.

Soll Clicked Begriffe wie „RAG“ direkt in deinem Browser erklären – auch in PDFs?

Zu Chrome hinzufügen — Kostenlos

50 kostenlose Erklärungen · Keine Kreditkarte nötig