How to RAG. Ein Branchen-Leitfaden für KI-Chatbots mit verlässlichen Daten
Ein neuer Leitfaden gibt einen Überblick „Retrieval Augmented Generation“ (RAG) um Verlage bei der sicheren und effizienten Verwendung von KI zu unterstützen. | Ein Beitrag der PG Digitale Produktentwicklung der IG Digital
Erstellt am 22.01.2026
RAGs sind das Thema des Jahres in der digitalen Produktentwicklung. Es liegt auf der Hand: Chatbots auf Grundlage von Large Language Models (LLM) haben die Nutzungsgewohnheiten der Web-User*innen innerhalb kurzer Zeit auf den Kopf gestellt. Beim professionellen Einsatz sind ChatGPT & Co. aber mit Vorsicht zu genießen. Inhaltliche Zuverlässigkeit gehört nicht zu den Stärken frei zugänglicher KI-Assistenten. Hier können Verlage punkten. Die Kombination von LLM und kuratiertem Qualitätsinhalt würde das Beste aus zwei Welten miteinander verbinden.
Darum geht es bei „Retrieval Augmented Generation“ (RAG). Exklusiver Inhalt wird per LLM erschlossen und avanciert damit zum komfortablen Problemlöser. Eine attraktive Perspektive für eine Contentbranche! Was aber steckt technisch hinter einem RAG-System? Welche Geschäftsmodelle sind vorstellbar? Was muss man rechtlich und bei der Beteiligung von Urheber*innen beachten? Diese Fragen türmen beträchtliche Einstiegshürden auf. Die Peergroup Digitale Produktentwicklung der IG Digital kann sie nicht vollständig beseitigen, aber wir wollen sie so weit abtragen, dass ganze viele Unternehmen unserer Branche den Mut finden, auf den RAG-Zug aufzuspringen. Dazu dient dieser Leitfaden.
Im Einleitungskapitel wird zunächst kurz beschrieben, was sich hinter Retrieval Augmented Generation verbirgt und warum die Buchbranche sich damit beschäftigen sollte. In Kapitel 2 wird der rechtliche Rahmen abgesteckt. Im Mittelpunkt stehen Hinweise, unter welchen Voraussetzungen Verlage über die nötigen Rechte verfügen, Autoreninhalte in RAGs einzuspeisen. Und wir geben Tipps zur vertragskonformen Honorierung der Urheber*innen. Die Beurteilung der rechtlichen Rahmenbedingungen obliegt jedoch immer dem Verlag. Das nächste Kapitel widmet sich den Geschäftsmodellen, die auf der Grundlage von RAG-Systemen vorstellbar sind – und innerhalb der Branche auch schon umgesetzt wurden. Außerdem wird gezeigt, wie man ein RAG-Produkt kalkulieren kann.
Das Herzstück dieses Leitfadens bildet das große Kapitel zur technischen Umsetzung von RAG-Systemen. Einige der führenden Expert*innen unserer Branche beschreiben sehr praxisnah, wie RAG-Systeme aufgebaut sind. Und sie geben Hinweise, wie man sie verbindet mit dem Wertvollsten, was wir in dieser Branche haben (neben den Menschen, die hier arbeiten): unseren Inhalten. Beziehungsweise den Daten, die aus diesen Inhalten generiert werden können. Sie sind schließlich das Trumpf-As, mit dem wir die generischen Chatbots in Sachen inhaltlicher Zuverlässigkeit überflügeln können.
Unser Leitfaden ist weder perfekt noch vollständig. Aber wir, die etwa zwanzig an seiner Entstehung Mitwirkenden, hoffen, dass er einige der brennendsten Fragen zu RAGs beantwortet und damit eine Einstiegshilfe zum Thema bietet. Für Hinweise, wie wir den Leitfaden verbessern können, sind wir dankbar! Er ist schließlich eine digitale Publikation, die – zumindest technisch gesehen – jederzeit ergänzt und aktualisiert werden kann. And now let’s have RAG-Time!
- Leitfaden für KI-Chatbots mit verlässlichen Daten
Antworten auf die brennendsten Fragen zu RAG's
Unsere Partner bieten Dienstleistungen und Beratung zu diesem Thema an:
