Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Retrieval augmented generation (RAG)

Engels: Retrieval augmented generation (RAG) · Ook wel: RAG, retrieval-augmented generation

In het kort

Retrieval-augmented generation (RAG) is een methode die een zoeksysteem koppelt aan een taalmodel. Bij een vraag zoekt het systeem eerst passende documenten of tekstfragmenten in een externe kennisbank en geeft die context daarna mee aan het taalmodel. Het model geeft zo een actueler en nauwkeuriger antwoord over informatie buiten de eigen trainingsgegevens, en noemt minder vaak feiten die niet kloppen.

Waarom is dit belangrijk?

Taalmodellen kunnen nieuwe vakinformatie gebruiken zonder het hele model opnieuw te trainen, en zetten de geraadpleegde bron bij het antwoord. In de zorg onderzoeken onderzoeksgroepen retrieval-augmented generation om antwoorden te verbinden met medische vakliteratuur. Medewerkers in ziekenhuizen en klinieken kunnen die bron controleren, maar het model kan een juiste tekst nog verkeerd uitleggen en de klinische betrouwbaarheid blijft daardoor onzeker.

Zo werkt het in de praktijk

Onderzoekers bouwden toepassingen van retrieval-augmented generation voor bestuur, cybersecurity, landbouw en industrieel onderzoek. Het systeem haalt teksten op en laat een taalmodel daar een antwoord op baseren. De systemen draaiden op een lokale server of via een clouddienst, afgestemd op de gebruiker.

NIST (het Amerikaanse instituut voor standaarden) houdt via TREC een onderzoekstrack over retrieval-augmented generation. De Universiteit van Waterloo coördineert die track samen met Microsoft. In 2025 testen teams lange vragen, en ze leggen vast welk tekststuk een antwoord ondersteunt.

De track van TREC is een vaste vergelijking van zoeksystemen. Beoordelaars meten relevantie, volledigheid en of de bron klopt. Retrieval-augmented generation wordt zo getoetst als andere zoekmethoden.

Bron: en.wikipedia.org

Gecontroleerd op 5 november 2026