| Typ | Konzept |
|---|---|
| Aliases | RAG |
| Quellen | Quelle - LLM Wiki - Ideendatei |
| Erstellt | 2026-09-23 |
| Aktualisiert | 2026-09-24 |
| Tags | ki, llm, rag, suche |
RAG: Ein LLM sucht bei jeder Frage passende Textstücke aus hochgeladenen Dokumenten heraus und erzeugt daraus eine Antwort, ohne dass sich Wissen ansammelt.
Funktionsweise
Dateien werden hochgeladen. Bei einer Frage holt das System relevante Abschnitte („chunks“), und das LLM formuliert daraus die Antwort (Quelle - LLM Wiki - Ideendatei).
Beispiele laut Quelle: NotebookLM, Datei-Uploads in ChatGPT, die meisten RAG-Systeme.
Schwäche laut Quelle
Das Wissen wird bei jeder Frage neu entdeckt, „there's no accumulation“. Wenn eine Frage fünf Dokumente zusammenführen muss, sucht das LLM die Fragmente jedes Mal neu zusammen.
Abgrenzung zum LLM Wiki
| RAG | LLM Wiki | |
|---|---|---|
| Wann wird verarbeitet? | bei jeder Frage | einmal beim Ingest, danach gepflegt |
| Wissen sammelt sich an? | nein | ja → Wissen mit Zinseszinseffekt |
| Querverweise / Widersprüche | werden nicht festgehalten | stehen schon im Wiki |
| Infrastruktur | Embeddings, Vektorsuche | bis ca. hunderte Seiten reicht index.md |
Die Ansätze schliessen sich nicht aus. Die Quelle nennt selbst qmd, eine lokale hybride Suche mit Vektoren, als Ergänzung für grosse Wikis. RAG kann also über dem Wiki eingesetzt werden, statt es zu ersetzen.
Verwandt
- LLM Wiki
- Wiki-Operationen
- Wissensrepräsentation damals und heute – RAG im Vergleich mit klassischer Wissensrepräsentation