Retrieval Augmented Generation (RAG)

RAG kombiniert Retrieval (Wissensabruf aus externen Quellen) und Generation (KI-Texterzeugung) zu einem hybriden Ansatz. Das Modell greift in Echtzeit auf externe Datenbanken, Dokumente oder APIs zu und nutzt diese Informationen für präzisere, aktuellere Antworten. Überwindet die Wissensgrenzen von LLMs.

Technologien: vektorbasierte Suchmethoden (semantische Ähnlichkeit), Dense Passage Retrieval (DPR), Transformer-Modelle für Textgenerierung, externe Datenbanken (SQL, JSON, freie Texte). Vorteil: kein komplettes Retraining des Modells nötig, wenn neues Wissen hinzukommt.

Anwendungsbereiche: Unternehmenswissensmanagement (interne Dokumente), Kundenservice (aktuelle Produktinfos), medizinische Diagnostik (Fachliteratur-Abruf), E-Learning (externe Quellen einbinden), Forschungsassistenz.