Retrieval-Augmented Generation (RAG)
RAG ist eine Technik, bei der ein KI-Modell beim Antworten aktiv externe Quellen abruft, damit Antworten präzise und überprüfbar werden.
Retrieval-Augmented Generation (RAG) ist die Architektur der meisten modernen KI-Suchmaschinen. Statt dass das LLM aus dem Gedächtnis antwortet, durchsucht das System zuerst eine Wissensbasis (Web, Produktkatalog, Dokumentenarchiv), wählt relevante Passagen und übergibt sie dem Sprachmodell als Kontext. Das Modell baut seine Antwort um diese echten, aktuellen Fakten herum. Für GEO ist RAG der Hauptauslöser, der Ihre Seite zitieren lässt.
Beispiel
Ein Nutzer fragt Perplexity: 'Was kostete ein Antminer S21 im März 2026?'. Perplexity führt eine Websuche durch, findet u.a. antminerdistribution.com, extrahiert die Preisinformation und generiert eine zentralisierte Antwort mit dieser Quelle als Zitat.
Häufig gestellte Fragen
Wie optimiere ich für RAG-Retrieval?
Inhalte leicht auffindbar und parsbar machen: starke klassische SEO, klare h2/h3-Struktur, TL;DR-Blöcke, Schema-Markup und Antworten, die die Nutzerfrage wörtlich umformulieren.
Verwandte Begriffe
Weiterführende Links
- → Unser Service: GEO
- → Blog: Was ist GEO? Generative Engine Optimization erklärt