Definition
Retrieval-Augmented Generation (RAG) verbindet die Suche in vorhandenen Dokumenten mit generativer KI. Das System ruft zunächst relevante Quellen ab, etwa Herstellerhandbücher oder die Instandhaltungshistorie, und nutzt sie anschließend für die Antwort. So kann die Antwort auf konkrete Fundstellen verweisen, statt sich nur auf das Modellwissen zu stützen.
Key Facts
- RAG verbindet die Suche in Quellen mit der anschließenden Antworterzeugung.
- Quellenbezug macht Antworten überprüfbarer, verhindert Fehler aber nicht automatisch.
- Embeddings und Vektordatenbanken können passende Dokumentstellen finden.
- Nützlich ist das etwa bei Fragen zu Handbüchern und Instandhaltungshistorien.
Wie funktioniert Retrieval-Augmented Generation (RAG) in der Instandhaltung?
Bei RAG werden zuerst passende Stellen aus vorhandenen Dokumenten abgerufen. Ein Sprachmodell formuliert auf dieser Grundlage eine Antwort, die auf die verwendeten Quellen verweisen kann.
Was benötigt Retrieval-Augmented Generation (RAG)?
Embeddings bilden Bedeutungen als Zahlenvektoren ab. Eine Vektordatenbank kann damit ähnliche Dokumentstellen finden, die RAG dem Modell als Kontext für die Antwort übergibt.
FAQ
Häufige Fragen
Wie funktioniert RAG bei technischen Fragen?
Zuerst werden passende Stellen in vorhandenen Dokumenten gesucht. Ein Sprachmodell nutzt diese Fundstellen anschließend für seine Antwort, sodass Aussagen anhand der Quellen überprüft werden können.
Zuletzt fachlich geprüft: