Retrieval-Augmented Generation (RAG) bezeichnet eine Architektur für KI-Textsysteme, bei der ein großes Sprachmodell seine Antworten mithilfe eines vorgelagerten Informationsabrufs aus einer externen Wissensbasis ergänzt. Dazu werden zu einer Anfrage zunächst passende Dokumente oder Textpassagen gesucht und als zusätzlicher Kontext an das Sprachmodell übergeben, bevor es die Antwort formuliert. So können Ausgaben aktueller, nachvollziehbarer und fachlich präziser werden, weil sie sich auf konkrete Quellen im Bestand stützen. In der Verwaltung wird RAG z. B. genutzt, um aus Dienstanweisungen, Rechtsgrundlagen oder internen Wissensartikeln treffsichere Antworten zu generieren.