{"id":99748,"date":"2025-09-25T10:37:49","date_gmt":"2025-09-25T08:37:49","guid":{"rendered":"https:\/\/www.pikon.com\/?p=99748"},"modified":"2025-09-25T13:17:48","modified_gmt":"2025-09-25T11:17:48","slug":"die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen","status":"publish","type":"post","link":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/","title":{"rendered":"Die Bedeutung von Retrieval-Augmented Generation f\u00fcr Unternehmen"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"99748\" class=\"elementor elementor-99748 elementor-99702\" data-elementor-settings=\"{&quot;element_pack_global_tooltip_width&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;size&quot;:&quot;&quot;,&quot;sizes&quot;:[]},&quot;element_pack_global_tooltip_width_tablet&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;size&quot;:&quot;&quot;,&quot;sizes&quot;:[]},&quot;element_pack_global_tooltip_width_mobile&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;size&quot;:&quot;&quot;,&quot;sizes&quot;:[]},&quot;element_pack_global_tooltip_padding&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;top&quot;:&quot;&quot;,&quot;right&quot;:&quot;&quot;,&quot;bottom&quot;:&quot;&quot;,&quot;left&quot;:&quot;&quot;,&quot;isLinked&quot;:true},&quot;element_pack_global_tooltip_padding_tablet&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;top&quot;:&quot;&quot;,&quot;right&quot;:&quot;&quot;,&quot;bottom&quot;:&quot;&quot;,&quot;left&quot;:&quot;&quot;,&quot;isLinked&quot;:true},&quot;element_pack_global_tooltip_padding_mobile&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;top&quot;:&quot;&quot;,&quot;right&quot;:&quot;&quot;,&quot;bottom&quot;:&quot;&quot;,&quot;left&quot;:&quot;&quot;,&quot;isLinked&quot;:true},&quot;element_pack_global_tooltip_border_radius&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;top&quot;:&quot;&quot;,&quot;right&quot;:&quot;&quot;,&quot;bottom&quot;:&quot;&quot;,&quot;left&quot;:&quot;&quot;,&quot;isLinked&quot;:true},&quot;element_pack_global_tooltip_border_radius_tablet&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;top&quot;:&quot;&quot;,&quot;right&quot;:&quot;&quot;,&quot;bottom&quot;:&quot;&quot;,&quot;left&quot;:&quot;&quot;,&quot;isLinked&quot;:true},&quot;element_pack_global_tooltip_border_radius_mobile&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;top&quot;:&quot;&quot;,&quot;right&quot;:&quot;&quot;,&quot;bottom&quot;:&quot;&quot;,&quot;left&quot;:&quot;&quot;,&quot;isLinked&quot;:true}}\" data-elementor-post-type=\"post\">\n\t\t\t\t<div class=\"elementor-element elementor-element-81b0fb9 e-ecs-flex e-flex e-con-boxed e-con e-parent\" data-id=\"81b0fb9\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;ecs_container_type&quot;:&quot;flex&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-ccc825a elementor-toc--minimized-on-tablet elementor-widget elementor-widget-global elementor-global-75856 elementor-widget-table-of-contents\" data-id=\"ccc825a\" data-element_type=\"widget\" data-e-type=\"widget\" data-settings=\"{&quot;exclude_headings_by_selector&quot;:&quot;.bdt-ep-advanced-icon-box-title, .no-table-of-content&quot;,&quot;headings_by_tags&quot;:[&quot;h2&quot;,&quot;h3&quot;,&quot;h4&quot;,&quot;h5&quot;],&quot;container&quot;:&quot;.elementor-widget-theme-post-content&quot;,&quot;no_headings_message&quot;:&quot;No headings were found on this page.&quot;,&quot;marker_view&quot;:&quot;numbers&quot;,&quot;minimize_box&quot;:&quot;yes&quot;,&quot;minimized_on&quot;:&quot;tablet&quot;,&quot;hierarchical_view&quot;:&quot;yes&quot;,&quot;min_height&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;size&quot;:&quot;&quot;,&quot;sizes&quot;:[]},&quot;min_height_tablet&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;size&quot;:&quot;&quot;,&quot;sizes&quot;:[]},&quot;min_height_mobile&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;size&quot;:&quot;&quot;,&quot;sizes&quot;:[]}}\" data-widget_type=\"table-of-contents.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-toc__header\">\n\t\t\t\t\t\t<h4 class=\"elementor-toc__header-title\">\n\t\t\t\tInhalt\t\t\t<\/h4>\n\t\t\t\t\t\t\t\t\t\t<div class=\"elementor-toc__toggle-button elementor-toc__toggle-button--expand\" role=\"button\" tabindex=\"0\" aria-controls=\"elementor-toc__ccc825a\" aria-expanded=\"true\" aria-label=\"Open table of contents\"><i aria-hidden=\"true\" class=\"fas fa-chevron-down\"><\/i><\/div>\n\t\t\t\t<div class=\"elementor-toc__toggle-button elementor-toc__toggle-button--collapse\" role=\"button\" tabindex=\"0\" aria-controls=\"elementor-toc__ccc825a\" aria-expanded=\"true\" aria-label=\"Close table of contents\"><i aria-hidden=\"true\" class=\"fas fa-chevron-up\"><\/i><\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<div id=\"elementor-toc__ccc825a\" class=\"elementor-toc__body\">\n\t\t\t<div class=\"elementor-toc__spinner-container\">\n\t\t\t\t<i class=\"elementor-toc__spinner eicon-animation-spin eicon-loading\" aria-hidden=\"true\"><\/i>\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-06112d6 elementor-widget elementor-widget-text-editor\" data-id=\"06112d6\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>In unserem vorherigen Blogartikel &#8222;<a href=\"https:\/\/www.pikon.com\/de\/blog\/geschaeftspotenziale-mit-llms-und-ki-agents-nutzen\/\">Gesch\u00e4ftspotenziale mit LLMs und KI-Agents nutzen<\/a>&#8220; \u00a0haben wir uns mit Large Language Models (LLMs) und ihrem wachsenden Einfluss auf Gesch\u00e4ftsprozesse besch\u00e4ftigt. Heute gehen wir einen Schritt weiter und betrachten einen spezifischen und hochgradig praxisnahen Anwendungsfall: <strong>Retrieval-Augmented Generation RAG<\/strong> (Abrufgest\u00fctzte Generierung). RAG verbindet das Sprachverst\u00e4ndnis von LLMs mit einer gezielten Abfrage Ihrer eigenen Daten und erm\u00f6glicht so schnellere, pr\u00e4zisere und kontextbewusste Antworten.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-d220337 e-ecs-flex e-flex e-con-boxed e-con e-parent\" data-id=\"d220337\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;ecs_container_type&quot;:&quot;flex&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-a6fdc69 elementor-widget elementor-widget-heading\" data-id=\"a6fdc69\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">Warum RAG?<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f0b33ba elementor-widget elementor-widget-text-editor\" data-id=\"f0b33ba\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Wie wir bereits besprochen haben, sind LLMs leistungsstarke Werkzeuge, wenn es um die Arbeit mit Textinformationen geht. Dennoch gibt es in gesch\u00e4ftlichen Kontexten mehrere Einschr\u00e4nkungen:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e24e1ad elementor-widget elementor-widget-heading\" data-id=\"e24e1ad\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Statisches Wissen<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2e9eb95 elementor-widget elementor-widget-text-editor\" data-id=\"2e9eb95\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>LLMs sind \u201eeingefrorene\u201c Objekte. Mit \u201eeingefroren\u201c ist gemeint, dass das Modell seinen Trainingsdatensatz nicht eigenst\u00e4ndig aktualisieren kann. Das bedeutet, dass der Wissensstand statisch ist und sich immer auf einen bestimmten Zeitpunkt in der Vergangenheit bezieht. Das l\u00e4sst sich leicht \u00fcberpr\u00fcfen, indem man ein beliebtes LLM nach einem k\u00fcrzlich eingetretenen Ereignis fragt \u2013 mit hoher Wahrscheinlichkeit erh\u00e4lt man die Antwort, dass das Modell dar\u00fcber keine Informationen besitzt oder nur bis zu einem bestimmten Datum trainiert wurde (es sei denn, das LLM verf\u00fcgt \u00fcber Web-Suchfunktionen). Ein regelm\u00e4\u00dfiges Neutraining, beispielsweise jede Woche, ist sehr aufwendig, da es Zeit, erhebliche Rechenressourcen und ein gro\u00dfes Budget erfordert.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3fc934c elementor-widget elementor-widget-heading\" data-id=\"3fc934c\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Halluzinationen (KI)<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d453f38 elementor-widget elementor-widget-text-editor\" data-id=\"d453f38\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Wie wir bereits im Artikel \u00fcber LLMs erw\u00e4hnt haben, neigen Sprachmodelle aufgrund ihrer stochastischen Natur und der begrenzten Kontextl\u00e4nge (ein bei modernen State-of-the-Art-Modellen weniger relevantes, aber bei vielen kleineren bis mittelgro\u00dfen Modellen weiterhin bestehendes Problem) manchmal zu sogenannten <em>Halluzinationen<\/em>. Von einer \u201eHalluzination\u201c spricht man, wenn ein LLM beginnt, fiktive Inhalte zu erfinden, die zu einer unzuverl\u00e4ssigen Antwort auf die Eingabe des Nutzers f\u00fchren. Selbst wenn man eine gro\u00dfe Menge Text in das Modell kopiert, wird es nach einer Weile beginnen, fr\u00fchere Informationen zu \u201evergessen\u201c und zu halluzinieren.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-84dd0b6 elementor-widget elementor-widget-heading\" data-id=\"84dd0b6\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Eingeschr\u00e4nkter Zugriff auf private Daten<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1e2ed25 elementor-widget elementor-widget-text-editor\" data-id=\"1e2ed25\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Zuletzt ist zu erw\u00e4hnen, dass die Trainingsdaten bzw. die Wissensbasis eines LLMs aus \u00f6ffentlich zug\u00e4nglichen Quellen wie dem Internet oder spezifischen Datens\u00e4tzen bestehen. Das bedeutet, dass ein LLM keine Antworten geben kann, wenn man es zu Inhalten befragt, die nicht \u00f6ffentlich verf\u00fcgbar sind (zum Beispiel ein Dokument, das nur lokal auf Ihrem Laptop gespeichert ist).<\/p><p>RAG mindert diese Probleme, indem es die Textverarbeitungsleistung des Modells mit relevantem, dynamischem Kontext aus Ihren <strong>eigenen Datenquellen<\/strong> erg\u00e4nzt.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-9e828dc e-ecs-flex e-flex e-con-boxed e-con e-parent\" data-id=\"9e828dc\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;ecs_container_type&quot;:&quot;flex&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-aed7f75 elementor-widget elementor-widget-heading\" data-id=\"aed7f75\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">Was ist RAG und wie unterscheidet es sich von einem einfachen LLM?<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ec673e3 elementor-widget elementor-widget-text-editor\" data-id=\"ec673e3\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Ein typischer Ablauf bei der Nutzung eines LLM sieht folgenderma\u00dfen aus:<br \/><br \/><\/p><p><em>Frage <\/em><em>\u2192 Antwortgenerierung<\/em><\/p><p>\u00a0<\/p><p>RAG integriert hingegen einige zus\u00e4tzliche Schritte:<br \/><br \/><\/p><p><em>Frage <\/em><em>\u2192 Abruf relevanten Kontexts <\/em><em>\u2192 Generierung <\/em><em>\u2192 Antwort mit Quelle<\/em><\/p><p>\u00a0<\/p><p>Ein praktisches Beispiel f\u00fcr RAG:<\/p><p><strong>Benutzerfrage<\/strong><\/p><ul><li>Eine Person fragt die KI etwas, zum Beispiel: \u201eWie lautet unsere Elternzeitregelung im Unternehmen?\u201c<\/li><\/ul><p><strong>Retrieval (Abruf)<\/strong><\/p><ul><li>Das System durchsucht die Wissensdatenbank des Unternehmens und zieht die relevantesten Passagen heraus (z. B. das HR-Policy-Dokument).<\/li><\/ul><p><strong>Generierung<\/strong><\/p><ul><li>Die KI kombiniert die abgerufenen Informationen mit ihren Sprachf\u00e4higkeiten und formuliert eine klare, kontextbezogene Antwort (z. B.: \u201eUnsere Elternzeitregelung sieht 16 Wochen bezahlte Freistellung f\u00fcr Hauptbetreuungspersonen und 8 Wochen f\u00fcr sekund\u00e4re Betreuungspersonen vor.\u201c).<\/li><\/ul><p><strong>Antwort mit Kontext<\/strong><\/p><ul><li>Die KI antwortet und zeigt die Quelle an (z. B. Link zum HR-Policy-Dokument).<\/li><\/ul><p>Dieser Ansatz gew\u00e4hrleistet <strong>Genauigkeit, Relevanz, Effizienz und Transparenz.<\/strong><\/p><p>Lassen Sie uns nun Schritt f\u00fcr Schritt das RAG-Framework betrachten und herausfinden, wie es funktioniert.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-98d2cc2 elementor-widget elementor-widget-image\" data-id=\"98d2cc2\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img fetchpriority=\"high\" decoding=\"async\" width=\"1024\" height=\"576\" src=\"https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/RAG-design-1024x576.png\" class=\"attachment-large size-large wp-image-99711\" alt=\"\" srcset=\"https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/RAG-design-1024x576.png 1024w, https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/RAG-design-300x169.png 300w, https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/RAG-design-768x432.png 768w, https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/RAG-design-600x338.png 600w, https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/RAG-design.png 1280w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7473d78 elementor-widget elementor-widget-text-editor\" data-id=\"7473d78\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Alles beginnt mit einer <strong>Retrieval-Komponente, also dem Festlegen der Daten, die f\u00fcr die Beantwortung einer Anfrage herangezogen werden sollen<\/strong>. Der erste Schritt besteht darin, unsere Datenquelle vorzubereiten. Wie bereits erw\u00e4hnt, m\u00fcssen wir nur die relevanten Informationen aus der Quelle extrahieren. Das bedeutet, dass wir das gesamte Dokument in kleinere Teile aufteilen m\u00fcssen. In der RAG-Terminologie wird dies <em>Chunking<\/em> genannt. Es gibt verschiedene Strategien, wie Chunking durchgef\u00fchrt werden kann. Der Einfachheit halber teilen wir die Dokumentation hier in Abs\u00e4tze auf.<\/p><p>Nach dem Chunking folgt der sogenannte <strong>Embedding-Prozess<\/strong>. Anders als beim Token-Embedding in LLMs betten wir dabei ganze Textst\u00fccke (<em>Chunks<\/em>) ein und kodieren deren semantische Bedeutung. Dieser Schritt erm\u00f6glicht es dem Framework, zu einer Benutzeranfrage passende Textst\u00fccke zu finden. Wenn ein Benutzer also eine Eingabe an RAG stellt, wird diese ebenfalls durch dasselbe Embedding-Modell geleitet. Die Idee der kontextbezogenen Suche ist recht einfach: Die Frage und die passende Antwort sollten \u00e4hnliche Embeddings haben (\u00e4hnlich kodierte Texte beschreiben verwandte Informationen). Sobald der ben\u00f6tigte Kontext gefunden ist, kann der <strong>Augmentation-Prozess<\/strong> beginnen.<\/p><p>Die <strong>Augmentation<\/strong> ist unkompliziert: Man \u00fcbergibt dem LLM ein einziges Prompt, das sowohl die Anfrage des Benutzers als auch die abgerufenen Inhalte enth\u00e4lt, und fordert es auf, mit Hilfe dieser kontextbezogenen Informationen zu antworten.<\/p><p>Im letzten Schritt erfolgt die <strong>Antwortgenerierung<\/strong> \u2013 ein Routineprozess eines LLM. Das Modell nimmt das Eingabe-Prompt und erstellt eine koh\u00e4rente Antwort in nat\u00fcrlicher Sprache. Zus\u00e4tzlich kann es auch die verwendeten Quellen in der Antwort angeben.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-ad4211e e-ecs-flex e-flex e-con-boxed e-con e-parent\" data-id=\"ad4211e\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;ecs_container_type&quot;:&quot;flex&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-433fab1 elementor-widget elementor-widget-heading\" data-id=\"433fab1\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">Die Vorteile von  RAG<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9d15ea3 elementor-widget elementor-widget-text-editor\" data-id=\"9d15ea3\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Die Implementierung von RAG bringt f\u00fcr Unternehmen zahlreiche Vorteile:<\/p><ol><li><strong>Genauigkeit<\/strong>: Indem nur kontextbezogene Informationen an das LLM weitergegeben werden, verringert sich das Risiko falscher Antworten und Halluzinationen.<\/li><li><strong>Relevanz<\/strong>: Antworten basieren auf Ihren spezifischen Inhalten statt auf allgemeinem Web-Wissen.<\/li><li><strong>Effizienz<\/strong>: Nutzer sparen Zeit, da sie nicht mehr manuell Dokumente durchsuchen m\u00fcssen.<\/li><li><strong>Vertrauen<\/strong>: Quellenangaben erleichtern die \u00dcberpr\u00fcfung der Richtigkeit von Antworten.<\/li><li><strong>Datenschutz<\/strong>: Selbst gehostete RAG-Pipelines k\u00f6nnen sensible interne Daten sch\u00fctzen und eine Weitergabe an Dritte verhindern.<\/li><\/ol>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-18abff4 e-ecs-flex e-flex e-con-boxed e-con e-parent\" data-id=\"18abff4\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;ecs_container_type&quot;:&quot;flex&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-3f4dac6 elementor-widget elementor-widget-heading\" data-id=\"3f4dac6\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">Best Practices und technische \u00dcberlegungen<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2e7c544 elementor-widget elementor-widget-heading\" data-id=\"2e7c544\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Sicherstellen einer hohen Datenqualit\u00e4t<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-bb63315 elementor-widget elementor-widget-text-editor\" data-id=\"bb63315\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Moderne RAG-Systeme arbeiten mit unterschiedlichen Arten von Informationen. Das k\u00f6nnen Textdaten sein, die als Microsoft-Office-Dokumente, Pr\u00e4sentationen, Excel-Tabellen, PDFs oder Markdown-Dateien gespeichert sind \u2013 in manchen F\u00e4llen sogar Bilder. Unabh\u00e4ngig von der Art der Quelle gilt jedoch ein Grundprinzip: <em>\u201eGarbage in, garbage out\u201c<\/em>.<br \/>Ihre Organisation kann ein hochmodernes RAG-System implementieren \u2013 doch wenn die Kontextdaten von schlechter Qualit\u00e4t sind, ist eine gute Performance kaum m\u00f6glich. Deshalb ist es wichtig, schon vor dem Einsatz von KI-Tools die Datenlage zu pr\u00fcfen. Schritte wie <strong>Preprocessing<\/strong>, das Anreichern von Datenfeldern und das Zusammenf\u00fchren von Informationen aus mehreren Quellen k\u00f6nnen die Leistung Ihrer RAG-Pipeline erheblich verbessern. Zus\u00e4tzlich ist es hilfreich, die Daten mit <strong>Metadaten<\/strong> zu versehen, die Eigenschaften beschreiben \u2013 etwa Erstellungsdatum, Titel oder weitere beschreibende Merkmale.<br \/>Im vorherigen Abschnitt haben wir nur den semantischen Suchprozess mittels Embeddings behandelt. In modernen RAG-Systemen ist es jedoch \u00fcblich, dies mit zus\u00e4tzlichen Suchmechanismen wie <strong>Metadaten-Abfragen<\/strong> oder sogar <strong>Volltextsuche<\/strong> zu kombinieren. Es ist von Vorteil, mehrere Wege zu nutzen, um relevanten Kontext zu finden.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-afc5426 elementor-widget elementor-widget-heading\" data-id=\"afc5426\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Eine gute Suche mit einem mittelm\u00e4\u00dfigen Modell ist besser als eine mittelm\u00e4\u00dfige Suche mit einem guten Modell<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-fdfad87 elementor-widget elementor-widget-text-editor\" data-id=\"fdfad87\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Wenn Sie in Erw\u00e4gung ziehen, Open-Source-LLMs als Alternative zu API-Anbietern einzusetzen, sollten Sie Ihre Zeit und Ressourcen lieber in die Verbesserung des <strong>Retrieval-Teils<\/strong> von RAG investieren als in den <strong>Generierungsteil<\/strong>.<\/p><p>Schon kleine (&lt;7B Parameter) und mittelgro\u00dfe (7B\u201320B Parameter) Sprachmodelle sind in der Lage, bei gut aufbereitetem Kontext qualitativ hochwertige Ergebnisse zu liefern. Doch selbst das beste Modell kann das Fehlen relevanten Kontexts nicht kompensieren.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-add04d2 elementor-widget elementor-widget-heading\" data-id=\"add04d2\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Entwicklung einer Response-Policy<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a515ea6 elementor-widget elementor-widget-text-editor\" data-id=\"a515ea6\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Nat\u00fcrlich kann es Situationen geben, in denen Ihre RAG-Pipeline keine Antwort auf die Benutzeranfrage findet. Daf\u00fcr kann es mehrere Gr\u00fcnde geben \u2013 von einem schlichten Fehlen der Information in den Quellen bis hin zu Problemen innerhalb der Retrieval-Pipeline. Zun\u00e4chst ist es sinnvoll, ein <strong>Monitoring-System<\/strong> zu haben, das solche F\u00e4lle identifiziert. Dar\u00fcber hinaus sollte man jedoch auch an die Benutzererfahrung denken. So k\u00f6nnen beispielsweise benutzerfreundliche <strong>Fallback-Nachrichten<\/strong> implementiert werden, wie etwa: <em>\u201eWir konnten keine exakte Antwort finden. Bitte wenden Sie sich an unser Support-Team.\u201c<\/em><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-945da88 e-ecs-flex e-flex e-con-boxed e-con e-parent\" data-id=\"945da88\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;ecs_container_type&quot;:&quot;flex&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-8e37d3b elementor-widget elementor-widget-heading\" data-id=\"8e37d3b\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">Use Cases<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9b8de03 elementor-widget elementor-widget-heading\" data-id=\"9b8de03\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">SAP Joule<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-379ba47 elementor-widget elementor-widget-text-editor\" data-id=\"379ba47\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>SAP Joule bietet mit <em>Document Grounding<\/em> eine auf RAG basierende Funktion, die den Joule Assistant mit Unternehmensdaten verbindet. Mit Document Grounding k\u00f6nnen Sie beispielsweise <strong>Microsoft SharePoint<\/strong> als Datenquelle einbinden und verschiedene Textdateien wie DOCX, PDF, TXT oder JSON nutzen. Zudem ist es m\u00f6glich, reinen Text aus Formaten wie PNG, JPG oder TIFF zu extrahieren (wichtig: Tabellen und Bilder innerhalb von Dokumenten werden derzeit noch nicht unterst\u00fctzt). Dar\u00fcber hinaus l\u00e4sst sich auch <strong>SAP Build Work Zone<\/strong> als Datenquelle konfigurieren \u2013 mit \u00e4hnlichen Dateiformaten sowie Blogartikeln und Knowledge-Base-Beitr\u00e4gen. Insgesamt k\u00f6nnen bis zu <strong>2.000 Dokumente<\/strong> hochgeladen werden.<br \/>Mit Document Grounding k\u00f6nnen Unternehmen interne Dokumente mit einer RAG-gest\u00fctzten KI abfragen und so schnelle, relevante und pr\u00e4zise Antworten innerhalb des SAP-\u00d6kosystems sicherstellen.<\/p><p>Einen Einblick in die Funktionsweise von SAP Joule Document Grounding finden Sie hier:<br \/><a href=\"https:\/\/www.sap.com\/assetdetail\/2024\/09\/10718415-d97e-0010-bca6-c68f7e60039b.html\">https:\/\/www.sap.com\/assetdetail\/2024\/09\/10718415-d97e-0010-bca6-c68f7e60039b.html<\/a><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-800611e elementor-widget elementor-widget-heading\" data-id=\"800611e\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">NotebookLM<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7a9143d elementor-widget elementor-widget-text-editor\" data-id=\"7a9143d\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Ein weiteres prominentes Beispiel f\u00fcr eine RAG-gest\u00fctzte Anwendung ist <strong>NotebookLM<\/strong>. Entwickelt von Google, handelt es sich dabei um einen KI-Forschungsassistenten, der individuell an die eigenen Informationsquellen angepasst werden kann. Mit dieser Anwendung lassen sich relevante Dokumente hochladen und anschlie\u00dfend mit den LLMs von Google interagieren. Das Tool liefert direkte Referenzen aus den hochgeladenen Dokumenten, wodurch die Pr\u00e4zision steigt und das Vertrauen in die Antworten des LLMs gest\u00e4rkt wird.<\/p><p>Dar\u00fcber hinaus bietet NotebookLM zus\u00e4tzliche Funktionen wie die Erstellung von <strong>Mindmaps<\/strong>, <strong>Berichten<\/strong>, <strong>Audio-Podcasts<\/strong>, <strong>Video\u00fcbersichten<\/strong> und vieles mehr.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f9aad46 elementor-widget elementor-widget-image\" data-id=\"f9aad46\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1024\" height=\"430\" src=\"https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/NotebookLM-interface-1024x430.png\" class=\"attachment-large size-large wp-image-99714\" alt=\"\" srcset=\"https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/NotebookLM-interface-1024x430.png 1024w, https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/NotebookLM-interface-300x126.png 300w, https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/NotebookLM-interface-768x323.png 768w, https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/NotebookLM-interface-1536x645.png 1536w, https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/NotebookLM-interface-600x252.png 600w, https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/NotebookLM-interface.png 1918w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-4c5a04d e-ecs-flex e-flex e-con-boxed e-con e-parent\" data-id=\"4c5a04d\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;ecs_container_type&quot;:&quot;flex&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-f5778b4 elementor-widget elementor-widget-heading\" data-id=\"f5778b4\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">Fazit<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d616b7b elementor-widget elementor-widget-text-editor\" data-id=\"d616b7b\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Large Language Models (LLMs) beeindrucken mit ihrer generativen Leistungsf\u00e4higkeit, sind jedoch durch statische Trainingsdaten und das Risiko von Ungenauigkeiten eingeschr\u00e4nkt. Retrieval-Augmented Generation (RAG) gleicht diese Schw\u00e4chen aus, indem es LLMs mit dynamischen, aktuellen Wissensquellen anreichert \u2013 und so pr\u00e4zisere, verl\u00e4sslichere und nachvollziehbarere Ergebnisse erm\u00f6glicht. In der Praxis sollten LLMs und RAG nicht als Konkurrenten, sondern als <strong>komplement\u00e4re Ans\u00e4tze<\/strong> betrachtet werden: W\u00e4hrend LLMs in Kreativit\u00e4t und Sprachfluss \u00fcberzeugen, sorgt RAG f\u00fcr Genauigkeit und Relevanz in wissensgetriebenen Kontexten.<\/p><p>Bei <strong>PIKON<\/strong> unterst\u00fctzt Sie unser Data-Science-Team dabei, den richtigen Ansatz f\u00fcr Ihren individuellen Anwendungsfall zu finden. Ob Sie RAG einsetzen, die Nutzung von LLMs optimieren oder eine ma\u00dfgeschneiderte KI-L\u00f6sung entwickeln m\u00f6chten \u2013 wir helfen Ihnen, diese Technologien in echten Gesch\u00e4ftswert zu verwandeln.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-f9f3e54 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"f9f3e54\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-c839820\" data-id=\"c839820\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t<div class=\"elementor-element elementor-element-d45cf9c e-ecs-flex e-flex e-con-boxed e-con e-parent\" data-id=\"d45cf9c\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;ecs_container_type&quot;:&quot;flex&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-684ca0e elementor-widget elementor-widget-heading\" data-id=\"684ca0e\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">Kontakt<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<section class=\"elementor-section elementor-inner-section elementor-element elementor-element-be2fcc0 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"be2fcc0\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-a1ed5ce\" data-id=\"a1ed5ce\" data-element_type=\"column\" data-e-type=\"column\" data-settings=\"{&quot;background_background&quot;:&quot;classic&quot;}\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-1ef0ec0 elementor-widget elementor-widget-shortcode\" data-id=\"1ef0ec0\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-shortcode\"><div class='_form_224'><\/div><script type='text\/javascript' src='https:\/\/pikon.activehosted.com\/f\/embed.php?static=0&id=224&6A8004B26DEB6&nostyles=0&preview=0'><\/script> <\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-55dc83d\" data-id=\"55dc83d\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-d1684e9 elementor-widget elementor-widget-pikon-author-box-widget\" data-id=\"d1684e9\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"pikon-author-box-widget.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-widget-image-box elementor-position-left elementor-vertical-align-top\"><div class=\"elementor-image-box-wrapper\"><figure class=\"elementor-image-box-img\"><img decoding=\"async\" src=\"https:\/\/www.pikon.com\/wp-content\/uploads\/2023\/03\/Martina_klein-1-150x150.jpg\" alt=\"Martina Ksinsik\" title=\"Martina Ksinsik\" loading=\"lazy\"\/><\/a><\/figure><div class=\"elementor-image-box-content\"><div class=\"elementor-image-box-title\">Martina Ksinsik<\/div><div class=\"elementor-image-box-position\">Customer Success Manager<\/div><div class=\"elementor-image-box-phone\"><a href=\"tel:+4968137962113\"><i class=\"fas fa-phone\"><\/i> +49 (0) 681 379 62 - 113<\/a><\/div><div class=\"elementor-image-box-mail\"><a href=\"mailto:martina.ksinsik@pikon.com\"><i class=\"fa-fw far fa-envelope\"><\/i> martina.ksinsik@pikon.com<\/a><\/div><\/div><\/div><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>RAG ver\u00e4ndert die Unternehmens-KI: genauer, zuverl\u00e4ssiger und leistungsf\u00e4higer als herk\u00f6mmliche LLMs<\/p>\n","protected":false},"author":88,"featured_media":99708,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[22],"tags":[278,462],"class_list":["post-99748","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-all-posts","tag-data-science-de","tag-ki-ai-de","no-featured-image-padding"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v28.2 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Die Bedeutung von Retrieval-Augmented Generation f\u00fcr Unternehmen - PIKON SAP Beratung<\/title>\n<meta name=\"description\" content=\"In diesem Artikel untersuchen wir die Vorteile von RAGs gegen\u00fcber von LLMs f\u00fcr Unternehmen. Inkl. Joule als konkretem Anwendungsfall.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Die Bedeutung von Retrieval-Augmented Generation f\u00fcr Unternehmen - PIKON SAP Beratung\" \/>\n<meta property=\"og:description\" content=\"In diesem Artikel untersuchen wir die Vorteile von RAGs gegen\u00fcber von LLMs f\u00fcr Unternehmen. Inkl. Joule als konkretem Anwendungsfall.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/\" \/>\n<meta property=\"og:site_name\" content=\"PIKON SAP Beratung\" \/>\n<meta property=\"article:published_time\" content=\"2025-09-25T08:37:49+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-09-25T11:17:48+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/ChatGPT-Image-Sep-23-2025-10_09_23-AM-1.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1536\" \/>\n\t<meta property=\"og:image:height\" content=\"1024\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Ihor Hetman\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Die Bedeutung von Retrieval-Augmented Generation f\u00fcr Unternehmen - PIKON SAP Beratung","description":"In diesem Artikel untersuchen wir die Vorteile von RAGs gegen\u00fcber von LLMs f\u00fcr Unternehmen. Inkl. Joule als konkretem Anwendungsfall.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/","og_locale":"de_DE","og_type":"article","og_title":"Die Bedeutung von Retrieval-Augmented Generation f\u00fcr Unternehmen - PIKON SAP Beratung","og_description":"In diesem Artikel untersuchen wir die Vorteile von RAGs gegen\u00fcber von LLMs f\u00fcr Unternehmen. Inkl. Joule als konkretem Anwendungsfall.","og_url":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/","og_site_name":"PIKON SAP Beratung","article_published_time":"2025-09-25T08:37:49+00:00","article_modified_time":"2025-09-25T11:17:48+00:00","og_image":[{"width":1536,"height":1024,"url":"https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/ChatGPT-Image-Sep-23-2025-10_09_23-AM-1.png","type":"image\/png"}],"author":"Ihor Hetman","twitter_card":"summary_large_image","schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/#article","isPartOf":{"@id":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/"},"author":{"name":"Ihor Hetman","@id":"https:\/\/www.pikon.com\/de\/#\/schema\/person\/8cda453e54f21277fb3e5dfd672933ec"},"headline":"Die Bedeutung von Retrieval-Augmented Generation f\u00fcr Unternehmen","datePublished":"2025-09-25T08:37:49+00:00","dateModified":"2025-09-25T11:17:48+00:00","mainEntityOfPage":{"@id":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/"},"wordCount":1649,"commentCount":0,"publisher":{"@id":"https:\/\/www.pikon.com\/de\/#organization"},"image":{"@id":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/#primaryimage"},"thumbnailUrl":"https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/ChatGPT-Image-Sep-23-2025-10_09_23-AM-1.png","keywords":["Data Science","KI \/ AI"],"articleSection":["All posts"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/","url":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/","name":"Die Bedeutung von Retrieval-Augmented Generation f\u00fcr Unternehmen - PIKON SAP Beratung","isPartOf":{"@id":"https:\/\/www.pikon.com\/de\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/#primaryimage"},"image":{"@id":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/#primaryimage"},"thumbnailUrl":"https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/ChatGPT-Image-Sep-23-2025-10_09_23-AM-1.png","datePublished":"2025-09-25T08:37:49+00:00","dateModified":"2025-09-25T11:17:48+00:00","description":"In diesem Artikel untersuchen wir die Vorteile von RAGs gegen\u00fcber von LLMs f\u00fcr Unternehmen. Inkl. Joule als konkretem Anwendungsfall.","breadcrumb":{"@id":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/#primaryimage","url":"https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/ChatGPT-Image-Sep-23-2025-10_09_23-AM-1.png","contentUrl":"https:\/\/www.pikon.com\/wp-content\/uploads\/2025\/09\/ChatGPT-Image-Sep-23-2025-10_09_23-AM-1.png","width":1536,"height":1024},{"@type":"BreadcrumbList","@id":"https:\/\/www.pikon.com\/de\/blog\/die-bedeutung-von-retrieval-augmented-generation-fuer-unternehmen\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.pikon.com\/de\/"},{"@type":"ListItem","position":2,"name":"Die Bedeutung von Retrieval-Augmented Generation f\u00fcr Unternehmen"}]},{"@type":"WebSite","@id":"https:\/\/www.pikon.com\/de\/#website","url":"https:\/\/www.pikon.com\/de\/","name":"PIKON SAP Beratung","description":"SAP Beratung, SAP ERP Beratung, SAP Unternehmensberatung, SAP Softwareentwicklung, SAP Releasewechsel, SAP Partner, SAP Projekte, SAP Entwicklung, Einf\u00fchrung SAP ERP, Einf\u00fchrung SAP BI, ABAP Programmierung, SAP RollOut, SAP Schulung, SAP Hilfe, SAP Projektmanagement, Non Conformance Costs, NCC, HANA, Performance, Reporting, Business Intelligence, Customer Development, Change Management","publisher":{"@id":"https:\/\/www.pikon.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.pikon.com\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/www.pikon.com\/de\/#organization","name":"PIKON","url":"https:\/\/www.pikon.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.pikon.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/www.pikon.com\/wp-content\/uploads\/2016\/07\/PIKON_Logo_NET_RGB.png","contentUrl":"https:\/\/www.pikon.com\/wp-content\/uploads\/2016\/07\/PIKON_Logo_NET_RGB.png","width":1810,"height":489,"caption":"PIKON"},"image":{"@id":"https:\/\/www.pikon.com\/de\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/www.pikon.com\/de\/#\/schema\/person\/8cda453e54f21277fb3e5dfd672933ec","name":"Ihor Hetman","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.pikon.com\/wp-content\/uploads\/2023\/08\/photoIhor-2-150x150.jpg","url":"https:\/\/www.pikon.com\/wp-content\/uploads\/2023\/08\/photoIhor-2-150x150.jpg","contentUrl":"https:\/\/www.pikon.com\/wp-content\/uploads\/2023\/08\/photoIhor-2-150x150.jpg","caption":"Ihor Hetman"},"url":"https:\/\/www.pikon.com\/de\/blog\/author\/ihor-hetman\/"}]}},"_links":{"self":[{"href":"https:\/\/www.pikon.com\/de\/wp-json\/wp\/v2\/posts\/99748","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.pikon.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.pikon.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.pikon.com\/de\/wp-json\/wp\/v2\/users\/88"}],"replies":[{"embeddable":true,"href":"https:\/\/www.pikon.com\/de\/wp-json\/wp\/v2\/comments?post=99748"}],"version-history":[{"count":17,"href":"https:\/\/www.pikon.com\/de\/wp-json\/wp\/v2\/posts\/99748\/revisions"}],"predecessor-version":[{"id":99774,"href":"https:\/\/www.pikon.com\/de\/wp-json\/wp\/v2\/posts\/99748\/revisions\/99774"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.pikon.com\/de\/wp-json\/wp\/v2\/media\/99708"}],"wp:attachment":[{"href":"https:\/\/www.pikon.com\/de\/wp-json\/wp\/v2\/media?parent=99748"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.pikon.com\/de\/wp-json\/wp\/v2\/categories?post=99748"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.pikon.com\/de\/wp-json\/wp\/v2\/tags?post=99748"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}