Retrieval-Augmented Generation (RAG), auf Deutsch etwa „abrufgestützte Generierung", ist eine Methode, die zwei KI-Techniken kombiniert: Zunächst wird eine Wissensdatenbank durchsucht (Retrieval), um relevante Informationen zu finden, dann nutzt ein Sprachmodell diese Informationen, um eine fundierte Antwort zu generieren (Generation). RAG löst eines der größten Probleme von Sprachmodellen — nämlich, dass sie manchmal falsche Fakten erfinden (halluzinieren), weil ihr Wissen auf die Trainingsdaten beschränkt ist.
Für Grundschullehrkräfte ist RAG relevant, weil immer mehr Bildungstools diese Technologie einsetzen. Ein KI-Tool mit RAG kann zum Beispiel auf den aktuellen Lehrplan Ihres Bundeslandes zugreifen und Unterrichtsvorschläge machen, die tatsächlich zu Ihren Vorgaben passen. Oder es durchsucht eine Datenbank mit geprüften Sachunterrichtstexten, bevor es eine Antwort generiert — so sind die Fakten deutlich verlässlicher als bei einem einfachen Chatbot. Tools wie Perplexity AI nutzen RAG, indem sie das Internet durchsuchen und quellenbasierte Antworten liefern.
In der Praxis bedeutet RAG für den Schulalltag: KI-Tools, die RAG verwenden, liefern in der Regel genauere und aktuellere Informationen. Wenn Sie ein Tool wählen, das auf Bildungsinhalte spezialisiert ist und RAG einsetzt, können Sie den generierten Materialien eher vertrauen — eine kritische Prüfung bleibt trotzdem wichtig, wird aber weniger aufwändig.