Advanced RAG Patterns — Von Naive RAG zu Produktionsqualität

Naive RAG reicht nicht aus. Manchmal liefert es irrelevanten Kontext, manchmal halluziniert es. Für die Produktion brauchen Sie fortgeschrittene Techniken.

Probleme mit Naive RAG¶

• Semantische Lücke: Anfrage und Dokument sind möglicherweise nicht semantisch ähnlich
• Lost in the Middle: LLMs ignorieren Kontext in der Mitte
• Multi-Hop-Abfragen: Erfordern Verkettung

Query-Transformation¶

Query Expansion: 3–5 Abfragevarianten. Query Decomposition: komplexe Abfragen in Unterabfragen zerlegen.

Hybrid Search + Reranking¶

Vektor + BM25 (Reciprocal Rank Fusion). Cross-Encoder-Reranking: Top-50 abrufen, auf Top-5 reranken.

Chunking-Strategien¶

• Semantic Chunking: Grenzen basierend auf semantischen Wechseln
• Parent-Child Chunks: Child abrufen, Kontext vom Parent
• Metadata Enrichment: Quelle, Datum, Kategorie

RAG ist ein Spektrum, kein binärer Zustand¶

Investieren Sie in Evaluation (RAGAS) — ohne Metriken wissen Sie nicht, was verbessert werden muss.