Informational – technische Grundlagen des Retrievals.
RAG, Embeddings & Vector Search
Die technische Grundlage moderner Antwortsysteme: Retrieval Augmented Generation, Vektorrepräsentationen und Ähnlichkeitssuche.
Aktualisiert am 2026-09-05
Definition
Retrieval Augmented Generation (RAG) bezeichnet ein Verfahren, bei dem ein Sprachmodell vor der Antworterzeugung passende Dokumente abruft und seine Antwort auf deren Inhalt stützt.
Key Takeaways
- RAG trennt Wissen vom Modell: Inhalte kommen zur Laufzeit dazu.
- Embeddings bilden Text als Zahlenvektoren ab, sodass Bedeutungsnähe berechenbar wird.
- Vector Search findet inhaltlich ähnliche Passagen, nicht identische Wörter.
- Dokumente werden in Abschnitte zerlegt – die Abschnittsqualität entscheidet mit.
Der Ablauf in vier Schritten
Technisch läuft eine RAG-Antwort typischerweise so ab:
- Die Frage wird in einen Vektor umgewandelt.
- Die Datenbank liefert die ähnlichsten Textabschnitte zurück.
- Diese Abschnitte werden dem Modell als Kontext übergeben.
- Das Modell formuliert die Antwort und verweist auf die genutzten Abschnitte.
Was daraus für Inhalte folgt
Weil einzelne Abschnitte abgerufen werden, muss jeder Abschnitt für sich stehen können. Absätze, die ohne den vorherigen Text unverständlich sind, verlieren im Retrieval an Wert. Klare Zwischenüberschriften, ausgeschriebene Begriffe und eigenständige Aussagen erhöhen die Chance, dass ein Abschnitt als brauchbarer Kontext ausgewählt wird.
Häufige Fragen
- Kann ich meine Inhalte in eine solche Datenbank einspeisen?
- Bei öffentlichen Systemen nicht direkt. Man kann nur dafür sorgen, dass die Inhalte abrufbar, gut segmentiert und eindeutig sind. Im eigenen Unternehmenskontext ist eine eigene RAG-Lösung dagegen möglich.
Begriffe auf dieser Seite
Weiterlesen
- Semantic SEOWie sich Inhalte an Bedeutungsräumen statt an einzelnen Suchbegriffen ausrichten und warum das für Retrieval-Systeme wichtig ist.
- LLM OptimizationWie große Sprachmodelle Wissen über Marken bilden, warum falsche Darstellungen entstehen und welche Maßnahmen dagegen wirken.
- Generative Engine OptimizationDer vollständige Überblick zur Disziplin Generative Engine Optimization: Aufgabenfelder, Arbeitsprozess, Rollen und Messgrößen.