RAG (Retrieval-Augmented Generation)
RAG sorgt dafür, dass ein Chatbot Antworten aus deiner Website, deinen FAQ und Dokumenten ableitet und passende Quellen nennen kann. Der technische Name lautet Retrieval-Augmented Generation: Vor jeder Antwort findet die KI relevante Textstellen und nutzt sie als Beleg, statt fehlende Unternehmensfakten zu erfinden.
Das Problem, das RAG löst
Ein Sprachmodell (LLM) kennt deine Rückgabefrist nicht automatisch. Ohne verbundene Quelle kann es die Antwort verweigern oder eine plausibel klingende Frist erfinden. RAG stellt dem Modell stattdessen die passenden Stellen aus deinen freigegebenen Inhalten bereit.
So funktioniert RAG in drei Schritten
- 1. Inhalte einlesen: Website-Seiten, FAQ und PDFs werden in sinnvolle Abschnitte geteilt. Das System erfasst dabei auch inhaltliche Zusammenhänge, nicht nur gleiche Wörter.
- 2. Passende Stellen finden: Bei einer Kundenfrage sucht das System die relevantesten Abschnitte – auch wenn die Frage anders formuliert ist als dein Text („Kann ich das zurückschicken?" findet die Rückgaberichtlinie).
- 3. Antwort formulieren: Das Sprachmodell nutzt diese Abschnitte als Beleg und kann die Quelle nennen. So bleibt nachvollziehbar, woher eine Aussage stammt.
Warum RAG für Business-Chatbots der Standard ist
Drei Gründe: Antworten lassen sich auf deine Quellen zurückführen, was das Risiko erfundener oder falscher Aussagen senkt. Änderungen an einer Preisseite können nach dem erneuten Einlesen in Antworten einfließen. Und statt hunderte Dialogregeln zu pflegen, aktualisierst du die zugrunde liegenden Inhalte.
Deshalb ist „Wie kommt Wissen in den Bot?" ein wichtiges Kriterium bei der Anbieterwahl. Prüfe, wie Quellen eingelesen, aktualisiert und in Antworten kenntlich gemacht werden. Mehr dazu im Chatbot-Anbieter-Vergleich. Den praktischen Einstieg zeigt Chatbot erstellen ohne Programmierung; für internes Firmenwissen hilft der Guide Wissensdatenbank aufbauen.