Life Of Media 360 Logo 2048x801 1
Gratis KI-Check
Kontakt

Retrieval-Augmented Generation (RAG)

Retrieval-Augmented Generation (RAG) ist ein Verfahren, bei dem ein Sprachmodell vor dem Antworten passende Dokumente abruft (Retrieval) und seine Antwort auf dieser Grundlage formuliert (Generation). RAG ist der technische Kern jeder KI-Suche: ChatGPT Search, Perplexity und Google AI Overviews arbeiten so – und deshalb bestimmt RAG, welche Websites in KI-Antworten zitiert werden.

Was ist Retrieval-Augmented Generation?

Ein Large Language Model weiß nur, was zum Zeitpunkt seines Trainings im Web stand. Aktuelle Ereignisse, neue Produkte oder interne Firmendaten kennt es nicht – und bei Detailfragen neigt es dazu, plausibel klingende Antworten zu erfinden. RAG löst beides: Zu jeder Anfrage werden zuerst relevante Texte gesucht, dann bekommt das Modell diese Texte als Kontext und antwortet nur auf deren Basis. Der Ansatz wurde 2020 von Forschern bei Meta beschrieben und ist heute Standard.

So läuft eine RAG-Anfrage ab

  1. Anfrage verstehen: Die Nutzerfrage wird analysiert und oft in mehrere Suchanfragen zerlegt („Videoagentur Nürnberg“, „Kosten Imagefilm“, „Referenzen“).
  2. Retrieval: Ein Suchindex oder eine Live-Websuche liefert die passendsten Dokumente – bei Google die eigenen Suchergebnisse, bei ChatGPT die Bing-Suche plus eigener Index, bei Perplexity ein eigener Crawler.
  3. Auswahl und Ranking: Aus Hunderten Treffern werden wenige Abschnitte ausgewählt, die die Frage am direktesten beantworten. Hier entscheidet sich, wer zitiert wird.
  4. Generation: Das Sprachmodell schreibt die Antwort auf Basis dieser Abschnitte und verlinkt die Quellen.

Was RAG für Ihre Website bedeutet

Der Retrieval-Schritt sucht nicht nach Keywords, sondern nach Passagen, die eine Frage vollständig beantworten. Daraus ergeben sich klare Regeln für Inhalte, die zitiert werden sollen:

RAG als KI-Lösung im Unternehmen

Dasselbe Prinzip funktioniert nach innen: Ein RAG-Assistent beantwortet Fragen von Mitarbeitern oder Kunden aus den eigenen Dokumenten – Angebote, Produktdatenblätter, Wissensdatenbank – ohne dass ein Modell neu trainiert werden muss. Bei Life of Media 360 setzen wir solche Assistenten im Rahmen unserer KI-Lösungen um; nach außen prüfen wir im KI-Sichtbarkeits-Check, ob die Website eines Unternehmens von den RAG-Systemen der großen KI-Suchen überhaupt als Quelle ausgewählt wird.

Verwandte Begriffe: Large Language Model, Generative Engine Optimization, AI Overviews, KI-Agent.

Häufige Fragen

Was ist der Unterschied zwischen RAG und Training?

Beim Training lernt das Modell einmalig aus großen Datenmengen; dieses Wissen ist danach eingefroren. RAG ergänzt das Modell zur Laufzeit um aktuelle Dokumente, die es liest und zitiert. Training ist das Langzeitgedächtnis, RAG das Nachschlagen im Moment der Frage.

Nutzen ChatGPT und Google RAG?

Ja. ChatGPT Search, Perplexity, Google AI Overviews und AI Mode holen sich zu einer Anfrage aktuelle Webseiten, lesen sie und formulieren daraus die Antwort mit Quellenangaben. Genau dieser Abrufschritt macht Ihre Website für KI-Antworten relevant.

Warum wird meine Website in KI-Antworten nicht zitiert?

Meist, weil der Retrieval-Schritt sie nicht auswählt: Die Seite rankt in der klassischen Suche nicht gut genug, beantwortet die Frage nicht in klar abgegrenzten Abschnitten oder ist für KI-Crawler gesperrt. Oft fehlt auch schlicht die inhaltliche Tiefe zum Thema.

Können Unternehmen RAG selbst einsetzen?

Ja, das ist einer der häufigsten KI-Anwendungsfälle im Mittelstand: ein Assistent, der Fragen auf Basis eigener Dokumente beantwortet – Produktdaten, Verträge, Handbücher, Support-Wissen. Das Modell bleibt Standard, das Wissen kommt aus den eigenen Daten.