Lernziel
Du entscheidest, ob Informationen gesucht oder Modellgewichte angepasst werden sollen.
Voraussetzungen
LLMs, Token und Kontext.
So funktioniert es
Bei Retrieval-Augmented Generation, kurz RAG, wird zuerst passendes Material gesucht. Gefundene Abschnitte werden zusammen mit der Frage an ein Sprachmodell übergeben. Die Modellgewichte müssen dafür nicht verändert werden. Die Idee ist besonders nützlich, wenn Antworten auf einem veränderlichen Dokumentbestand beruhen sollen.
Fine-Tuning passt dagegen ein bereits trainiertes Modell durch zusätzliches Training an. Das kann beispielsweise für ein bestimmtes Ausgabeformat oder Verhalten sinnvoll sein. Es ist kein verlässlicher Ersatz für einen aktuellen, überprüfbaren Dokumentzugriff. Die Verfahren können auch kombiniert werden.
Ein RAG-System besteht aus mehreren Fehlerquellen. Vielleicht wurde ein Dokument schlecht ausgelesen. Vielleicht findet die Suche den falschen Abschnitt. Oder der richtige Abschnitt wird gefunden, aber die Antwort fügt etwas hinzu. Prüfe deshalb Suche und Formulierung getrennt.
Die drei sichtbaren Teile
- Frage: Was soll beantwortet werden?
- Fundstellen: Welche Dokumentabschnitte wurden gefunden?
- Antwort: Welche Aussage lässt sich daraus belegen?
Eine Quellenangabe ist dabei eine Hilfe für die Kontrolle. Sie garantiert keine Richtigkeit. Besonders fehlende Informationen müssen offen bleiben.
- 01Dokumente
In Abschnitte teilen und durchsuchbar machen.
- 02Suche
Passende Abschnitte zur Frage auswählen.
- 03Antwort
Gefundene Texte als Kontext mitgeben.
- 04Prüfung
Aussagen mit den Originalstellen vergleichen.
Vereinfachtes Lernmodell. Die Schritte erklären den Zusammenhang; sie zeigen keine gemessene Produktleistung.
Konkretes Beispiel
Eine fiktive Hausordnung ändert ihre Öffnungszeiten. Bei RAG ersetzt du das Dokument und aktualisierst den Index. Das Sprachmodell muss deshalb nicht neu trainiert werden. Ob die neue Information tatsächlich gefunden wird, prüfst du mit einer Testfrage.
Deine Übung
Ordne zwei Aufgaben zu: aktuelle interne Öffnungszeiten beantworten; ein einheitliches Antwortformat trainieren. Begründe, weshalb beim ersten Fall eine aktualisierbare Suche passt und beim zweiten Fall zunächst sogar eine Promptvorlage genügen könnte.
Selbsttest
Häufige Fehler
- RAG als Garantie gegen erfundene Antworten verstehen.
- Eine Quellenzahl ungeprüft als Beleg werten.
- Jede Dokumentänderung zum Anlass für Training nehmen.
Nächster Lernschritt
Chunking, Embeddings und Vektorsuche →Quellen
Offizielle Dokumentation und Originalveröffentlichungen; abgerufen am 11. September 2026. Eigene Beispiele und Übungen stammen von Wittmer AI. Externe Seiten können sich ändern.
- Lewis et al.: Retrieval-Augmented Generation (extern)
- Hugging Face: LLM Course (extern)
Dein Lernfortschritt
Optional, nur in diesem Browser. Kein Konto, keine Übertragung. Bei gelöschten Browserdaten geht der Fortschritt verloren.