RAG (Retrieval-Augmented Generation)

Was ist Retrieval-Augmented Generation (RAG)?
Retrieval-Augmented Generation (RAG) ist eine KI-Architektur, bei der ein großes Sprachmodell vor der Antwortgenerierung relevante, aktuelle Informationen aus einer externen Datenquelle abruft, statt sich allein auf das im Training Gelernte zu stützen. Die abgerufenen Dokumente werden in den Kontext des Modells eingespeist und verankern die Ausgabe in aktuellen Fakten.

Für den Handel ist RAG deshalb entscheidend, weil sich Preise und Verfügbarkeiten weit schneller ändern als die Trainingsdaten jedes Modells. Ein mit RAG gebauter Pricing-Assistent kann zum Fragezeitpunkt einen Live-Feed mit Wettbewerbspreisen oder eine Produktdatenbank abfragen und „Was ist heute das günstigste zugeordnete Angebot für diesen Artikel?" korrekt beantworten – was ein statisches Modell nicht kann.

Die Qualitätsobergrenze eines RAG-Systems ist seine Datenschicht: Ein Retrieval über veraltete oder falsch zugeordnete Produktdaten erzeugt selbstbewusste, aber falsche Antworten. Deshalb sind strukturierte, laufend aktualisierte Marktdaten-Feeds das Fundament kommerzieller RAG-Anwendungen.