Definition
Architekturpattern, das ein generatives KI-Modell mit einem externen Wissensspeicher verbindet. Workflow: Anfrage wird semantisch in einer Vektordatenbank gesucht, die Top-Treffer werden dem Modell als Kontext mitgegeben, das Modell antwortet basierend auf diesem Kontext. Wirkungen: aktuelles Wissen ohne erneutes Training, reduzierte Halluzinationen, Quellen-Nachweisbarkeit. Architektur-Grundlage von Norminator und vergleichbaren Fach-KI-Systemen.
In der Praxis
RAG ist die Architektur, die Fach-KI im Unternehmen erst vertrauenswürdig macht — und das am häufigsten missverstandene Konzept dabei. Der Kernfehler: „Das Modell lernt mit." Nein — RAG ändert keine Modellgewichte. Ihre Dokumente liegen in einem Wissensspeicher, die Anfrage findet die passenden Auszüge, und das Sprachmodell formuliert daraus die Antwort. Das hat drei praktische Konsequenzen, die Entscheider kennen müssen: Erstens bleibt das Wissen aktuell — ein neues Dokument ist nach dem Einlesen sofort nutzbar, ohne teures Nachtraining. Zweitens wird die Antwort nachweisbar — gute RAG-Systeme nennen die Quelle, und genau das trennt die Compliance-taugliche Fach-KI vom generischen Chatbot. Drittens liegt die Qualitätsfalle nicht im Modell, sondern im Wissensspeicher: Wer veraltete Verfahrensanweisungen und widersprüchliche Dokumentenstände einspeist, bekommt verlässlich zitierten Schrott. RAG belohnt also das, was ISO 9001 ohnehin verlangt — gelenkte, aktuelle dokumentierte Information. Die Dokumentenlenkung wird zur KI-Qualitätssicherung.
Verwandte Begriffe
Häufige Fragen zu RAG
Was ist der Unterschied zwischen RAG und Fine-Tuning?
Beide sollen ein Modell fachlich machen — auf grundverschiedenen Wegen. Beim Fine-Tuning wird das Modell selbst nachtrainiert: Seine Gewichte ändern sich, das Wissen wird Teil des Modells. Bei RAG bleibt das Modell unverändert; das Wissen liegt in einem externen Speicher, aus dem die passenden Stellen zur Anfrage als Kontext beigemischt werden. Für Fachwissen im Unternehmen ist RAG in der Regel der bessere Weg: aktualisierbar ohne Nachtraining, deutlich günstiger, und die Antwort kann ihre Quelle nennen — Fine-Tuning kann keine Fundstelle liefern. Fine-Tuning hat seine Stärke woanders: bei Verhalten, Stil und Ausgabeformat, etwa wenn ein Modell konsequent in Ihrer Berichtsstruktur antworten soll. Merksatz: Wissen gehört in den Speicher, Verhalten ins Modell. Wer das verwechselt, zahlt für Nachtrainings, die ein Dokumenten-Update ersetzt hätte.
Gibt es normative Anforderungen, wenn wir ein RAG-System mit unserem QM-Wissen betreiben?
Eine RAG-spezifische Norm gibt es nicht — aber sobald Sie KI-Systeme organisiert betreiben, greifen die Anforderungen eines KI-Managementsystems nach ISO/IEC 42001, und die passen bemerkenswert gut auf die RAG-Praxis. Die Norm verlangt unter anderem, Datenressourcen zu dokumentieren: Herkunft der Daten, Stand der letzten Aktualisierung, Datenqualität, bekannte Verzerrungen. Auf Ihr RAG-System übersetzt heißt das: Sie müssen wissen, welche Dokumente im Wissensspeicher liegen, in welchem Stand, und wer die Einspeisung freigibt. Dazu kommen die klassischen Managementsystem-Elemente — Rollen, Risikobeurteilung, Überwachung der Ergebnisqualität. Wer ISO 9001 oder ISO/IEC 27001 lebt, baut das als Erweiterung, nicht als Parallelwelt: Die Normenfamilie teilt die gleiche Managementsystem-Struktur, Integration ist ausdrücklich vorgesehen (ISO/IEC 42001:2023).
Wie bauen wir ein RAG-System über unsere Managementsystem-Dokumente auf, ohne Schrott einzuspeisen?
Der Erfolg entscheidet sich am Wissensspeicher, nicht am Modell. Erster Schritt: Kuratieren statt Vollabzug — nur gelenkte, freigegebene Dokumentenstände einspeisen, also das, was in Ihrer Dokumentenlenkung als gültig markiert ist. Veraltete Verfahrensanweisungen und Entwürfe gehören nicht hinein, sonst zitiert das System verlässlich den falschen Stand. Zweiter Schritt: Testfragen-Katalog bauen — zwanzig echte Fragen aus Ihrem Audit- und Arbeitsalltag mit bekannten richtigen Antworten, damit prüfen Sie die Suchqualität, bevor die Belegschaft arbeitet. Dritter Schritt: Pflegeprozess festlegen — wer speist neue Dokumente ein, wer löscht ersetzte Stände, in welchem Rhythmus. Das ist dokumentierte Information im Sinn Ihres Managementsystems, behandeln Sie es so. Vierter Schritt: Quellenanzeige verpflichtend machen — eine Antwort ohne Fundstelle ist eine Meinung, keine Auskunft.