Was ist Retrieval-Augmented Generation (RAG)?
Retrieval-Augmented Generation (RAG) ist ein Verfahren, bei dem ein Sprachmodell vor dem Formulieren einer Antwort passende Textstücke aus einer Dokumentensammlung oder dem Web abruft und diese als Grundlage nutzt. So kann das Modell mit Informationen antworten, die nicht in seinen Trainingsdaten stehen.
Der Begriff geht auf einen Forschungsartikel von Lewis und Kollegen zurück, veröffentlicht auf der NeurIPS 2020. Das Grundmuster hat sich seitdem durchgesetzt: Eine Anfrage wird in eine Suche übersetzt, die besten Treffer werden in Abschnitte zerlegt, und die relevantesten Abschnitte gehen zusammen mit der Frage an das Modell.
Für Websites folgt daraus weniger, als oft behauptet wird. Das Modell liest selten eine ganze Seite, sondern einzelne Abschnitte. Dass in sich geschlossene Absätze deshalb häufiger übernommen werden, ist nicht belegt. Google schreibt im eigenen Leitfaden zu KI-Funktionen, es gebe keine Pflicht, Inhalte für die KI in kleine Stücke zu zerlegen; seine Systeme fänden den passenden Teil auch in Seiten mit mehreren Themen.
KI-Suchen wie ChatGPT mit Websuche oder Perplexity arbeiten nach diesem Prinzip, die genaue Umsetzung veröffentlichen die Anbieter aber nicht. Aussagen darüber, wie lang ein idealer Abschnitt sein muss, sind deshalb Vermutungen.
Was das für deine Website heisst
Für die eigene Seite heißt das vor allem: Der Inhalt muss im ausgelieferten HTML stehen, weil viele Abrufsysteme kein JavaScript ausführen. Gut gegliederte Absätze, Tabellen und Listen helfen Lesern; dass sie für KI-Suchen besser zitierbar sind, ist nicht belegt.
Verwandte Begriffe
Quellen
Begriffe helfen beim Verstehen. Ob KI-Crawler deine Seite erreichen, zeigt die Messung.
Website gratis prüfenkostenlos · keine Anmeldung · keine Kreditkarte