"Also, was genau ist RAG? Vereinfacht ausgedrückt steht es für Retrieval-Augmented Generation (abrufgestützte Generierung). Konzentrieren wir uns auf diese beiden Aspekte: Abruf (Retrieval) und Generierung (Generation). Bei der standardmäßigen generativen KI (GenAI) geben Sie eine Eingabeaufforderung (Prompt) ein, und eine GenAI-Anwendung verwendet ein großes Sprachmodell, um eine passende Antwort für die Eingabeaufforderung zu erstellen. Stellen Sie sich nun eine Anwendung vor, die Informationen aus verschiedenen Quellen abrufen und dann eine Antwort basierend auf den abgerufenen Informationen generieren kann. Genau so funktioniert eine RAG-GenAI. Sie stellt einen Kontext für das generierte Beispiel bereit. Lassen Sie uns dies anhand eines Beispiels weiter untersuchen. Wenn wir eine Frage stellen wie "Was ist der beste Weg, um meine Kundendatenbank zu sichern?" an eine GenAI-Anwendung, würde sie wahrscheinlich mit etwas Generischem antworten. Ich würde die Details der Kundendatenbank, über die ich spreche, nicht kennen. Nehmen wir nun an, ich habe ein Designdokument mit allen Details. Es enthält einen Abschnitt über Datenspeicher und listet explizit die Kundendatenbank auf, die auf Amazon DynamoDB gehostet wird. Das Designdokument wird in die SharePoint-Umgebung meines Unternehmens hochgeladen. Die Anwendung wird also zuerst Informationen aus SharePoint abrufen, die Eingabeaufforderung mit abgerufenen Informationen erweitern und dann basierend darauf eine Antwort generieren. In diesem Fall liefert die Anwendung Strategien zur Sicherung einer DynamoDB-Datenbank und verweist mich auf die relevanten Abschnitte in meinem Designdokument."