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 ist daran vor allem ein Punkt wichtig. Das Modell liest selten eine ganze Seite, sondern einzelne Abschnitte. Ein Absatz, der eine Frage vollständig und ohne Bezug auf vorherige Abschnitte beantwortet, lässt sich leichter übernehmen als eine Aussage, die über mehrere Stellen verteilt ist.
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: Zentrale Aussagen gehören in klar abgegrenzte Absätze mit eigener Zwischenüberschrift, und jede Antwort nennt ihren Gegenstand beim Namen, statt auf „wie oben beschrieben“ zu verweisen. Ausserdem muss der Inhalt im ausgelieferten HTML stehen, weil viele Abrufsysteme kein JavaScript ausführen. Tabellen und Listen mit klarer Beschriftung helfen zusätzlich, weil sie als Abschnitt verständlich bleiben.
Verwandte Begriffe
Quellen
Begriffe helfen beim Verstehen. Ob KI-Crawler deine Seite erreichen, zeigt die Messung.
Website gratis prüfenkostenlos · keine Anmeldung · keine Kreditkarte