# Retrieval-Augmented Generation (RAG)

> Retrieval-Augmented Generation (RAG) ist ein Verfahren, bei dem ein Sprachmodell vor der Antwort passende Texte aus einer externen Quelle abruft und in die Antwort einbezieht. So stützt sich die Antwort auf aktuelle oder spezifische Dokumente statt nur auf Trainingswissen.

- Adresse: https://techtafel.com/glossar/retrieval-augmented-generation/
- Veröffentlicht: 13. November 2026
- Andere Sprachen: EN https://techtafel.com/en/glossary/retrieval-augmented-generation/

**RAG verbindet Suche und Textgenerierung.** Das Verfahren läuft in zwei Schritten: Zuerst sucht ein Retriever in einem Index nach relevanten Passagen. Danach formuliert ein Sprachmodell die Antwort auf Basis dieser Passagen.

Den Begriff prägte ein Forschungsteam um Patrick Lewis im Mai 2020 mit dem Paper „Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks“. Das Modell griff damals auf einen Index von Wikipedia-Passagen zu und lieferte damit spezifischere und sachlich genauere Antworten.

KI-Suchen arbeiten nach einem ähnlichen Prinzip. Google beschreibt für AI Overviews und AI Mode, dass das System Seiten aus dem Index abruft und daraus eine Antwort mit Links erzeugt. Für Website-Betreiber folgt daraus:

- Inhalte müssen crawlbar und indexiert sein, sonst kann kein Retriever sie finden.
- Klar gegliederte, eigenständige Absätze lassen sich leichter als Passage abrufen.

Wie das bei Google konkret aussieht, zeigt der Beitrag zu [AI Overviews und AI Mode](https://techtafel.com/blog/google-ai-overviews-ai-mode/).

## Quellen

1. [Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks](https://arxiv.org/abs/2005.11401), Lewis et al., arXiv, 2020-05-22
2. [AI features and your website](https://developers.google.com/search/docs/appearance/ai-features), Google Search Central, 2025-12-10