RAG

Wat is RAG?

RAG is een manier om een taalmodel te laten antwoorden op basis van je eigen documenten. Eerst zoekt het systeem de stukken tekst op die bij de vraag passen. Daarna schrijft het taalmodel een antwoord met die stukken.

De naam legt het uit. Retrieval is ophalen, augmented is aangevuld en generation is maken. Het begrip komt uit een wetenschappelijk artikel uit 2020.

Hoe werkt RAG?

1. Voorbereiden. Je documenten worden in kleine stukken verdeeld en doorzoekbaar gemaakt. Denk aan handleidingen, voorwaarden of productbladen.
2. Zoeken. Stelt iemand een vraag, dan zoekt het systeem de stukken die het best passen.
3. Antwoorden. Het taalmodel krijgt de vraag én die stukken. Het schrijft een antwoord en noemt waar het vandaan komt.

Het model zelf verandert niet. Komt er een nieuwe versie van een document, dan vervang je het document. Dat is anders dan trainen of finetunen, waarbij je het model zelf aanpast.

Voorbeeld in het mkb

Waar let je op?

• De kwaliteit van je documenten. Het antwoord is zo goed als de informatie die erin gaat. Oude of tegenstrijdige versies geven verwarrende antwoorden.
• Minder fouten, niet nul. RAG verkleint de kans op een hallucinatie, maar sluit die niet uit. Laat het systeem de bron tonen, zodat je kunt nakijken.
• Wie mag wat zien? Zorg dat iemand via de assistent alleen informatie krijgt waar hij ook zonder assistent bij mag.
• Persoonsgegevens. Staan er gegevens van klanten of medewerkers in de documenten? Dan geldt de AVG.

RAG is de techniek achter een AI-assistent op je eigen documenten. Lees meer in Wat is een AI-assistent op je eigen documenten? Zo'n assistent bouw ik op maat. Lees meer over AI in je bedrijf.

Veelgestelde vragen

Bronnen: Lewis e.a. (2020): Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, Autoriteit Persoonsgegevens: Handreiking generatieve AI en de AVG en Microsoft Learn: Data, Privacy, and Security for Microsoft Copilot. Geraadpleegd op 7 oktober 2026.