Retrieval Augmented Generation (RAG) beschreibt einen geläufigen Ansatz, um einem i.d.R. lokal betriebenen Sprachmodell (LLM) interne Informationsquellen als Wissensbasis zur Verfügung zu stellen. Dabei werden Dokumente, die anzureichernde organisationsinterne Informationen enthalten, in kleine Fragmente unterteilt, über ein sog. Embedding Model in Vektoren überführt und in einer Vektordatenbank gespeichert. Der RAG-Ansatz wird anhand einfacher Beispiele praktisch dargestellt.