Grundlagen

Retrieval-Augmented Generation

AMAdil Mektoub

Veröffentlicht am 13 July 2026Zuletzt geprüft 13 July 2026

Definition

Retrieval-Augmented Generation: ist eine Technik, die die Ausgabe eines Sprachmodells in abgerufenen Dokumenten verankert, sodass die Antworten vertrauenswürdige, aktuelle und zugriffsgesteuerte Daten widerspiegeln statt nur das Gedächtnis des Modells.

Executive Summary

Executive Summary

RAG ruft relevante Passagen aus einer freigegebenen Wissensquelle ab und liefert sie dem Sprachmodell als Kontext, bevor es antwortet. Das verankert die Antworten in realer, aktueller Information und ermöglicht es dem System, seine Quellen zu zitieren.

Für Unternehmen ist sie wesentlich: Sie beschränkt die Antworten auf freigegebenes internes Wissen, reduziert Erfindungen und respektiert die Zugriffsberechtigungen der zugrunde liegenden Dokumente.

Kernaussagen

Kernaussagen
  • RAG verankert Antworten in abgerufenen und freigegebenen Dokumenten.
  • Sie reduziert Erfindungen und ermöglicht das Zitieren von Quellen.
  • Sie respektiert die Zugriffsberechtigungen auf Dokumentenebene.
  • So liefert Knowledge AI zuverlässige interne Antworten.

Architektur

Eine RAG-Pipeline umfasst einige Schritte:

  1. 1IndexierungFreigegebene Dokumente werden für den Abruf aufbereitet und gespeichert.
  2. 2AbrufRelevante Passagen werden zu einer gegebenen Frage gefunden.
  3. 3AugmentierungDiese Passagen werden dem großen Sprachmodell als Kontext bereitgestellt.
  4. 4GenerierungDas Modell antwortet verankert im abgerufenen Inhalt, mit Quellenangaben.

Geschäftsbeispiel

Beispielhaftes Umsetzungsszenario

Ein Mitarbeiter stellt eine Frage zu einer internen Richtlinie. RAG ruft das aktuelle Richtliniendokument ab, und das Modell antwortet auf dieser Grundlage und verlinkt die Quelle.

Existiert kein relevantes Dokument, sagt ein gut gestaltetes System dies, statt eine Antwort zu erfinden.

FAQ

Häufig gestellte Fragen

Wie reduziert RAG Halluzinationen?
Indem sie die Antwort des Modells in abgerufenen und freigegebenen Dokumenten verankert statt in seinem Gedächtnis, und ihm ermöglicht, seine Quellen zu zitieren oder zu kennzeichnen, wenn eine Information nicht verfügbar ist.
Respektiert RAG unsere Zugriffsberechtigungen?
Das muss sie. In Unternehmensbereitstellungen ist der Abruf auf die Dokumente beschränkt, die der Nutzer sehen darf, sodass Antworten niemals unautorisierten Inhalt offenlegen.
Verwandte Konzepte
Großes Sprachmodellist ein KI-Modell, das auf großen Textmengen trainiert wurde, um Sprache zu verstehen und zu erzeugen, und die Reasoning- und Sprachfähigkeit im Kern eines KI-Agenten bereitstellt.KI-Agentist ein Softwaresystem, das ein Sprachmodell nutzt, um über eine Aufgabe zu schlussfolgern, Werkzeuge aufzurufen und zu ihrer Erledigung zu handeln, wobei es innerhalb definierter Berechtigungen und Aufsicht arbeitet.Enterprise-KI-Sicherheitist die Disziplin, die Daten, Identitäten und Aktionen in KI-Systemen schützt — durch Zugriff nach minimalen Rechten, Verschlüsselung, Isolierung, Prüfbarkeit und menschliche Freigabe.Agentische KIbezeichnet KI-Systeme, die planen, Werkzeuge auswählen, mehrstufige Aufgaben ausführen und ihr Handeln auf ein definiertes Ziel hin anpassen können, statt sich mit der Beantwortung einer einzigen Anfrage zu begnügen.
Zugehörige MONACOPS-Frameworks
MONACOPS Enterprise AI Security FrameworkSicherheits-Framework — ist der geschichtete Ansatz von MONACOPS zur Absicherung agentischer KI — er umfasst Identität, Datenschutz, Werkzeugsicherheit, Freigabekontrolle, Prüfbarkeit und Bereitstellungsoptionen.
AM

Autor

Adil Mektoub

Mitgründer · KI-Engineering & -Infrastruktur

DevOps-, Plattform- und KI-Systeme-Ingenieur, spezialisiert auf sichere und skalierbare agentische KI-Infrastrukturen.

Setzen Sie dies mit MONACOPS in die Praxis um

Buchen Sie ein vertrauliches, von einem Gründer geführtes Gespräch, um zu sehen, wie das auf Ihr Unternehmen in Monaco zutrifft.

KI-Strategiegespräch für Führungskräfte buchen