RAG (Retrieval-Augmented Generation) ist ein Verfahren, bei dem ein KI-Sprachmodell vor dem Formulieren einer Antwort passende Dokumente sucht, etwa aktuelle Webseiten, und diese als Grundlage für die Antwort verwendet. Das Modell antwortet also nicht nur aus dem, was es beim Training gelernt hat, sondern aus dem, was es gerade nachgeschlagen hat. Für Unternehmen heisst das: Wer in dieser Live-Suche gefunden wird, kann in der Antwort genannt werden, auch wenn die Firma in den Trainingsdaten nie vorkam.
Was RAG bedeutet
Ein KI-Sprachmodell lernt beim Training aus einer riesigen Textmenge. Danach ist das Wissen eingefroren. Fragt man es nach etwas, das nach dem Training passiert ist oder in den Texten kaum vorkam, rät es oder erfindet. Für die Frage «Welcher Sanitär in Frauenfeld hat Notdienst?» ist das unbrauchbar.
RAG löst dieses Problem in zwei Schritten. Erst sucht das System passende Dokumente, meist über eine Websuche oder in einer Datenbank. Dann übergibt es die gefundenen Texte dem Sprachmodell mit der Anweisung, die Antwort daraus zu bilden. Das englische Wort retrieval bedeutet Abrufen, augmented heisst erweitert: Die Texterzeugung wird um nachgeschlagene Fakten erweitert.
Man kann es sich wie einen Mitarbeiter vorstellen, der eine Frage nicht aus dem Kopf beantwortet, sondern zuerst in den Unterlagen nachschaut und dann zitiert. Die Qualität der Antwort hängt davon ab, was in den Unterlagen steht.
Ein Beispiel aus dem KMU-Alltag
Ein Hotel in Appenzell wird in ChatGPT nie erwähnt, wenn jemand nach einer Unterkunft mit Hundeerlaubnis fragt. Das Hotel ist zu klein, um in den Trainingsdaten eine Rolle zu spielen. Die Betreiber schreiben eine Seite mit dem Titel «Ferien mit Hund in Appenzell: was unser Haus bietet», mit konkreten Angaben zu Zimmern, Gebühren und Spazierwegen.
Fragt jetzt jemand ChatGPT nach einem hundefreundlichen Hotel in Appenzell, startet das System eine Websuche. Die neue Seite wird gefunden, gelesen und als Quelle in der Antwort genannt. Das Hotel war nie im Training; es ist über den Abruf in die Antwort gekommen.
Warum das für Ihr Unternehmen zählt
RAG ist der Grund, weshalb Sichtbarkeit in KI-Antworten für KMU überhaupt erreichbar ist. Ohne Abruf würden die Systeme nur nennen, was sie schon kennen, und das wären die grossen Namen. Mit Abruf kann jede Website zur Quelle werden, die drei Bedingungen erfüllt: Die KI-Crawler dürfen sie lesen, der Inhalt beantwortet die Frage klar, und die Firma ist eindeutig erkennbar.
Daraus folgt eine Verschiebung der Prioritäten. Nicht Bekanntheit entscheidet, sondern die Antwortqualität einzelner Seiten. Was das für die Gestaltung von Inhalten bedeutet, erklärt die Seite zu GEO. Ob Ihre Website für KI-Crawler überhaupt zugänglich ist, zeigt der Zwei-Minuten-Test.
Häufige Missverständnisse
RAG bedeutet nicht, dass die KI Ihre Website vollständig liest. Meist werden nur wenige Abschnitte abgerufen, oft die ersten Absätze oder die Passage, die zur Frage passt. Die Antwort muss darum früh im Text stehen. Und RAG ist keine Garantie für Richtigkeit: Das Modell kann die abgerufenen Texte auch falsch zusammenfassen.
Häufige Fragen
Nutzen ChatGPT und Perplexity RAG?
Perplexity arbeitet grundsätzlich so: Jede Antwort beruht auf einer Websuche und nennt die Quellen. ChatGPT sucht im Web, wenn die Frage aktuelle oder spezifische Informationen braucht, und setzt dafür einen eigenen Crawler namens OAI-SearchBot ein. Googles KI-Übersicht stützt sich ebenfalls auf den Suchindex.
Muss meine Firma in den Trainingsdaten sein, um genannt zu werden?
Nein. Trainingsdaten sind ein Schnappschuss der Vergangenheit; dort stehen vor allem grosse, oft erwähnte Unternehmen. Für lokale Anfragen holt die KI die Antwort per Live-Suche. Entscheidend ist, dass Ihre Seiten gefunden, gelesen und verstanden werden können.
Wie merke ich, ob eine Antwort aus RAG stammt?
An den Quellenangaben. Wenn die KI Links oder Fussnoten anzeigt, hat sie nachgeschlagen. Antworten ohne Quellen stammen meist aus dem Trainingswissen und sind bei Firmen und Zahlen häufiger veraltet oder falsch.