RAG (Retrieval-Augmented Generation)

Retrieval-Augmented Generation, kurz RAG, ist die Architektur, die generative Antwortmaschinen befaehigt, über ihren Trainings-Knowledge-Cutoff hinauszublicken. Klassische LLMs ohne RAG können nur wiedergeben, was in ihren Trainingsdaten enthalten war — für Aussagen über das Tagesgeschehen, Preise, Verfuegbarkeiten oder Personen ist das eine harte Limitation. RAG löst das, indem es den User-Prompt in einer Vier-Stufen-Pipeline verarbeitet: Embed (User-Frage in einen Vektor uebersetzen), Retrieve (im Vektor-Index passende Dokumenten-Chunks finden), Augment (gefundene Chunks an den Prompt anhaengen) und Generate (LLM produziert Antwort auf Basis Prompt + Quellen).

Für GEO ist RAG der zentrale Wirkmechanismus. Wenn ein User in Perplexity 'Was kostet eine GEO-Beratung in der Schweiz?' fragt, geschieht im Hintergrund: die Frage wird embedded, der Vektor-Retriever findet passende Web-Chunks (eine 60-Wort-Capsule auf geoquality.ai/preise mit FAQPage-Schema ist ein idealer Kandidat), die Chunks werden in den GPT-Prompt geschoben, und das Modell formuliert die Antwort. Welche Chunks gewählt werden, hängt von zwei Faktoren ab: Embeddings-Nähe (Frage-Vektor liegt geometrisch nahe am Chunk-Vektor) und Authority-Signale (strukturierte Daten, Citation-Frequenz, Domain-Vertrauen). Beides sind GEO-Stellhebel.

Die Chunk-Granularität ist der wichtigste operative Hebel. RAG-Systeme zerlegen Web-Inhalte typisch in Blöcke von 200 bis 800 Tokens (etwa 150 bis 600 Wörter). Wer seine Inhalte in längeren Fliesstext-Absätzen ohne klare Frage-Antwort-Struktur ablegt, riskiert, dass der Chunker unglücklich schneidet — die zentrale Aussage fällt in zwei Chunks, keiner davon enthält den vollständigen Gedanken. Wer stattdessen 40 bis 80 Wort Capsules unter klar markierten h2-Fragen ablegt, liefert dem Chunker perfekte Schnittkanten — die Capsule landet als ein vollständiger Chunk im Index und ist damit zitierfähig.

Im SEAKT-Modell wirkt RAG-Awareness primär auf die K-Dimension (Content-Qualität) und sekundaer auf S (Strukturdaten). Eine Site mit FAQPage-Schema, klaren Capsules und semantisch konsistenten Themenclustern wird vom Retriever bevorzugt indexiert und bei thematisch passenden Anfragen überproportional häufig in die Antwort-Generation eingebunden. Eine Site mit Marketing-Fliesstext und Bilder-lastigem Layout dagegen ist für den Retriever schwer zu chunken und damit schwer zu zitieren.

Wichtig zur Abgrenzung: RAG ist keine einzelne Plattform, sondern eine Architektur-Klasse. Verschiedene Antwortmaschinen implementieren RAG mit unterschiedlichen Embedding-Modellen (OpenAI text-embedding-3, Cohere, Anthropic intern), Vector-Datenbanken (Pinecone, Weaviate, Postgres mit pgvector) und Chunking-Strategien. Die Details unterscheiden sich, das Grundprinzip ist identisch — und genau deshalb wirken die GEO-Massnahmen plattformuebergreifend.

Vereinfachte RAG-Pipeline für einen Schweizer Treuhand-Site-Crawl:

# 1. Chunking: HTML wird in 400-Token-Blöcke zerlegt
chunks = []
for section in html.find_all(["section", "div.faq-item"]):
    text = section.get_text(strip=True)
    chunks.append({
        "id": f"mueller-treuhand:{section['id']}",
        "text": text,
        "url": f"https://mueller-treuhand.ch/{section['id']}",
        "title": section.find("h2").get_text(),
    })

# 2. Embed jedes Chunks
for c in chunks:
    c["vector"] = openai.embeddings.create(
        model="text-embedding-3-small",
        input=c["text"]
    ).data[0].embedding   # 1536-dim Vektor

# 3. Bei User-Query: Top-K-Retrieval per Cosine-Similarity
query_vec = embed("Was kostet Quellensteuer-Beratung in Zug?")
top = sorted(chunks, key=lambda c: cosine(c["vector"], query_vec))[:5]

# 4. LLM-Antwort mit Top-5-Chunks als Kontext
answer = llm.complete(prompt + "\n\nQuellen:\n" + "\n".join(c["text"] for c in top))

Die zentrale Lehre: jeder Chunk muss aus dem Kontext herausgeschnitten verständlich bleiben. Eine Capsule mit 'Mueller Treuhand bietet Quellensteuer-Beratung für Grenzgänger für 480 bis 720 Franken pro Jahr' ist ein Top-Chunk. Ein Absatz mit 'wir bieten ein breites Beratungs-Spektrum' ist nutzlos.