# Retrieval-Augmented Generation (RAG)

Kategorie: [KI-Suche & GEO](https://seo-geo-glossary.com/de/glossar/kategorie/ki-suche-geo/) › [Retrieval & Grounding](https://seo-geo-glossary.com/de/glossar/kategorie/ki-suche-geo/retrieval-grounding/) · Auch genannt: RAG

**Retrieval-Augmented Generation (RAG)** ist ein Verfahren, bei dem ein Sprachmodell vor dem Antworten passende Informationen aus einer externen Quelle abruft und in seine Antwort einbezieht. So kann das Modell aktuelle oder spezielle Inhalte nutzen, die nicht in seinen Trainingsdaten stehen, und die verwendeten Quellen nennen.

## Wie funktioniert RAG?

Ein RAG-System arbeitet in drei Schritten:

1. **Retrieval:** Zur Frage werden passende Dokumente oder Textabschnitte gesucht, häufig über eine Vektorsuche mit Embeddings, teils kombiniert mit klassischer Stichwortsuche.
2. **Augmentation:** Die gefundenen Abschnitte werden zusammen mit der Frage in den Prompt des Sprachmodells eingefügt.
3. **Generation:** Das Modell formuliert die Antwort auf Basis von Frage und abgerufenem Kontext.

Der Begriff stammt aus einem Paper von Patrick Lewis und Koautoren, das im Mai 2020 erschienen ist. Dort kombinierten die Autoren ein vortrainiertes Sprachmodell (parametrisches Gedächtnis) mit einem Vektorindex der Wikipedia (nicht-parametrisches Gedächtnis).

Gegenüber einem Nachtraining (Fine-Tuning) hat RAG praktische Vorteile. Die Wissensbasis lässt sich austauschen, ohne das Modell neu zu trainieren, und Antworten können auf ihre Quellen verweisen.

## Was bedeutet RAG für SEO und GEO?

Viele KI-Suchen arbeiten nach diesem Prinzip (Einschätzung, die Anbieter verwenden den Begriff nicht durchgängig). Sie suchen zur Frage aktuelle Webseiten, lesen sie aus und fassen sie zusammen. Perplexity zum Beispiel betreibt mit PerplexityBot einen Crawler, der Websites für die Anzeige und Verlinkung in seinen Suchergebnissen erfasst.

Für Website-Betreiber heißt das, dass eine Seite nur dann als Quelle in Frage kommt, wenn der jeweilige Bot sie abrufen darf und den Inhalt ohne Hürden lesen kann. Gut abgegrenzte Abschnitte mit klaren Überschriften erleichtern es, einen passenden Ausschnitt zu finden. Diese Folgerung ist eine fachliche Einschätzung, keine Vorgabe eines Anbieters. Google schreibt für die eigenen KI-Funktionen sogar, dass Inhalte nicht in winzige Stücke zerlegt werden müssen.

## Beispiel

Ein Unternehmen baut einen Chatbot für seine Produktdokumentation. Die Handbücher werden in Abschnitte zerlegt und als Vektoren gespeichert. Fragt ein Kunde „Wie setze ich das Gerät zurück?“, holt das System die drei passendsten Abschnitte, gibt sie dem Sprachmodell mit und zeigt unter der Antwort Links zu den Handbuchseiten.

## Häufige Fragen

**Ist ChatGPT ein RAG-Modell?**
Das Sprachmodell selbst nicht. RAG beschreibt eine Architektur um ein Modell herum. Nutzt ChatGPT eine Websuche oder hochgeladene Dateien, um eine Antwort zu stützen, entspricht das dem RAG-Prinzip.

**Verhindert RAG Halluzinationen?**
Es kann sie verringern, weil das Modell sich auf abgerufene Texte stützt. Ausschließen kann es sie nicht. Findet die Suche unpassende Abschnitte oder interpretiert das Modell sie falsch, bleibt die Antwort fehlerhaft.

## Auf einen Blick

- **Art:** Verfahren (Architektur um ein Sprachmodell)
- **Schritte:** Retrieval, Augmentation, Generation
- **Seit:** 2020, Begriff aus Lewis et al.
- **Doku:** [Lewis et al.: Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arXiv:2005.11401)](https://arxiv.org/abs/2005.11401)

Stand: 8. Oktober 2026

*Grafik: Retrieval-Augmented Generation.* Bei Retrieval-Augmented Generation sucht das System zuerst passende Passagen und gibt sie dem Sprachmodell als Kontext mit. Google nennt die Verbindung von Modellausgabe und überprüfbaren Quellen Grounding. Belegen kann die Antwort nur, was vorher abgerufen wurde (Schlussfolgerung aus dem Verfahren, keine Google-Aussage).

## Nicht verwechseln

- [Grounding](https://seo-geo-glossary.com/de/glossar/grounding/index.md): beschreibt das Ziel, eine KI-Antwort in externen, überprüfbaren Quellen zu verankern, meist mit Quellenangaben. RAG ist ein technischer Weg dorthin.

## Verwandte Begriffe

- [Grounding](https://seo-geo-glossary.com/de/glossar/grounding/index.md)
- [Embeddings](https://seo-geo-glossary.com/de/glossar/embeddings/index.md)
- [Vektorsuche](https://seo-geo-glossary.com/de/glossar/vektorsuche/index.md)
- [Large Language Model (LLM)](https://seo-geo-glossary.com/de/glossar/large-language-model/index.md)

## Quellen

- [Lewis et al.: Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arXiv, 22.05.2020)](https://arxiv.org/abs/2005.11401)
- [Was ist RAG (Retrieval-Augmented Generation)? – AWS](https://aws.amazon.com/de/what-is/retrieval-augmented-generation/)
- [Leitfaden zur Optimierung für generative KI-Funktionen in der Google Suche – Google Search Central (englische Fassung, Stand 2026-07-10)](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide)
- [Perplexity Crawlers – Perplexity Docs](https://docs.perplexity.ai/docs/resources/perplexity-crawlers)

---

Stand: 8. Oktober 2026
URL: https://seo-geo-glossary.com/de/glossar/retrieval-augmented-generation/