RAG (Retrieval-Augmented Generation)
Retriever über Dokumente kombiniert mit einem Generator-LLM: für aktuellere oder interne Faktenbasis.
RAG holt zuerst relevante Textbausteine aus Index, Vektordatenbank oder Unternehmens-Wiki und verankert damit die Ausgabe eines LLM in NLP-Pipelines oft mit Zitaten-Stellen.
Vorteil: weniger reines „Auswendiglernen“ im Modell; Aufwand: Qualität der Suche, Latenz, indirekte Prompt Injection in abgerufenen Texten, und trotzdem redaktionelle Faktenprüfung.