RAG (Retrieval-Augmented Generation)
Das Modell erzeugt seine Antwort nicht nur aus dem Gelernten, sondern aus Dokumenten, die es in diesem Moment abruft (Websuche, Datenbank). Perplexity arbeitet ausschließlich so, ChatGPT und Gemini häufig; deshalb ist es wichtig, dass Ihre Seite zitierfähig ist.
RAG bedeutet „abrufgestützte Generierung“. Erhält das Modell eine Frage, sucht es zunächst relevante Dokumente und ruft sie ab (Retrieval), dann schreibt es die Antwort auf Grundlage dieser Dokumente (Generation). Die Trainingsdaten können Jahre alt und eingefroren sein; dank RAG stützt sich die Antwort auf aktuelle Quellen.
Bedeutung für Unternehmen
Bei einer Antwort mit Websuche liest das Modell einige Seiten aus den Suchergebnissen und baut die Antwort daraus. Ist Ihre Seite eine dieser wenigen, kommen Sie in der Antwort vor und werden meist als Quelle angezeigt. Ist sie es nicht, nimmt das Modell Sie womöglich nicht in die Antwort auf, selbst wenn es sich aus den Trainingsdaten an Sie erinnert.
Das erfordert zwei Dinge:
- Gefunden werden: Ihre Seite muss im Suchindex (Google, Bing) sein und zur Frage passen.
- Zitierfähig sein: Wird die Seite geöffnet, muss die Antwort auf die Frage im ersten Absatz stehen, klar und kurz. Das Modell sucht nicht mitten in einer langen Seite nach einem Satz.
Welche Antwortmaschinen
Perplexity nutzt RAG bei jeder Frage und listet die Quellen auf. ChatGPT und Gemini greifen bei aktuellen oder lokalen Fragen auf die Suche zurück, bei allgemeinen Fragen meistens nicht. Claude kann suchen, ist aber vorsichtiger.
Praktische Konsequenz
Die Verbreitung von RAG bringt klassisches SEO und GEO näher zusammen: Eine Seite, die im Suchindex gut dasteht, kommt auch in KI-Antworten hinein. Der Unterschied liegt in der Form der Seite: Antwort statt Liste, Beschreibung statt Slogan.
Verwandter Begriff: Zitat