RAG - genaue Bedeutung

Was RAG wirklich bedeutet

RAG („Retrieval-Augmented Generation“) heißt, dass ein Modell gezielt externe Informationen abruft, bevor es antwortet.
Diese Informationen kommen aus einem vordefinierten Dokumenten- oder Datenindex, z. B.:

• PDFs

• Wissensdatenbanken

• Webseiten, die vorher gecrawlt und in einen Vektor-Store gelegt wurden

• interne Datenbanken

• strukturierte Daten (z. B. SQL, CSV)

Holt RAG Daten aus dem „Internet“?

Nur dann, wenn du aktiv eine eigene Pipeline baust, die:

1. Websites crawlt,

2. den Inhalt extrahiert,

3. ihn vektorisiert,

4. in den Index speichert,

5. und dein RAG-System diesen Index durchsucht.

Ein klassisches RAG-System ruft NICHT spontan das Internet auf.
Es benutzt nur die Quellen, die du explizit bereitgestellt und indiziert hast.

Praxisvergleich

Szenario	Gehört zu RAG?	Erklärung
PDF hochladen → Fragen dazu stellen	✔️ Ja	Modell sucht im vektorisierten PDF
Firmeninterne Wissensdatenbank durchsuchen	✔️ Ja	Index = interne Daten
„Schau bitte live auf Webseite X“	❌ Nein	Das ist Web-Browsing, kein RAG
Eigenen Webcrawler bauen und Inhalte in RAG-Index legen	✔️ Ja	Website wird erst zum Index, dann RAG

Quintessenz

RAG = Antworten aus deinen bereitgestellten oder indizierten Quellen
Nicht aus dem offenen Internet – außer du machst das Internet zuerst zu deinen Quellen.