Retrieval: Definition und Einordnung
Definition
Retrieval bezeichnet das gezielte Abrufen passender Informationen aus einer Wissensquelle, bevor ein Sprachmodell antwortet. Statt allein aus dem allgemeinen Wissen des Modells zu schöpfen, sucht das System zuerst relevante Textstellen heraus und gibt sie dem Modell als Grundlage mit. So beruhen Antworten auf konkreten, überprüfbaren Quellen statt auf freier Erinnerung des Modells.
Warum der Begriff zählt
Ein Sprachmodell kennt die eigenen Firmendokumente nicht und rät sonst plausibel klingende Antworten. Retrieval schließt diese Lücke, indem es das Modell an tatsächlich vorhandene Quellen bindet. Für eine neutrale Beratung ist es oft der pragmatischste Weg, KI verlässlich zu machen, ohne ein Modell aufwendig anzupassen. Wichtig ist, dass die zugrunde liegende Quelle gepflegt ist, denn Retrieval liefert nur so gute Antworten wie das Material, das es findet.
Wann es relevant ist
- Antworten sollen auf eigenen, aktuellen Dokumenten beruhen.
- Quellen sollen für jede Antwort belegbar sein.
- Wissen ändert sich häufig und soll nicht ins Modell eingebaut werden.
- Ein Assistent soll aus vielen Dokumenten die passende Stelle finden.
Wann nicht
Wenn das benötigte Wissen sehr klein und stabil ist, kann es genügen, es direkt in die Anfrage zu schreiben, ohne ein Retrieval-System. Und wenn die Quellen unstrukturiert, widersprüchlich oder veraltet sind, liefert Retrieval schlechte Treffer. Dann steht die Pflege der Wissensbasis vor dem Aufbau des Abrufs.
Branchen, die das nutzen
- Technischer Kundendienst: die passende Stelle aus umfangreichen Handbüchern für eine konkrete Anfrage finden.
- Bildungswesen: Lernende auf geprüfte Materialien mit Quellenangabe verweisen.
- Beratungsunternehmen: frühere Projektunterlagen gezielt abrufbar machen.
- Behörden: Auskünfte auf aktuelle Verfahrensregeln stützen und belegen.
Typische Anwendungsfälle
- Ein Assistent zieht vor der Antwort die passenden Absätze aus einer Wissensbasis.
- Jede Antwort verweist auf die Quelle, aus der sie stammt.
- Häufig wechselndes Wissen wird aktuell gehalten, ohne das Modell zu ändern.
- Aus vielen Dokumenten wird die relevanteste Stelle herausgesucht.
- Ein Suchergebnis wird geprüft, bevor es in die Antwort einfließt.
Entscheidungshilfe
| Signal | Retrieval passt | Alternative |
|---|---|---|
| Antworten brauchen eigene Quellen | Retrieval auf gepflegte Basis | freies Modell rät und irrt |
| Wissen ist klein und stabil | eher direkt in die Anfrage | Retrieval ist zu viel Aufwand |
| Quellen sind veraltet | erst Basis pflegen | schlechte Treffer bleiben schlecht |
| Quellen müssen belegbar sein | mit Quellverweis aufbauen | Antwort ohne Beleg ist heikel |
Beispiel
Ein technischer Kundendienst will Anfragen schneller beantworten. Wir binden ein Retrieval an die gepflegten Handbücher, sodass der Assistent vor jeder Antwort die passende Stelle heraussucht und darauf verweist. So bleibt die Auskunft überprüfbar. Das Beispiel beschreibt die Methode, keine behauptete Kundenkennzahl.
Verbindung zu Services
Ob Retrieval trägt und welche Quellen taugen, klären der KI-Readiness-Check und die KI-Potenzialanalyse; den Aufbau begleitet die KI-Implementierung.
Verwandte Begriffe
Knowledge Base, Unstrukturierte Daten, Model Context Protocol.
Quellen
Diese Einordnung beschreibt gängige Praxis quellengestützter KI-Antworten. Aufwand und Trefferqualität hängen vom vorhandenen Material ab und sollten im Einzelfall geprüft werden.