Begriff
Agentic RAG
Agentic RAG ist eine RAG-Architektur, in der ein Agent das Retrieval steuert — er zerlegt Fragen, sucht iterativ, prüft Treffer und entscheidet selbst, ob ein zweiter oder dritter Durchgang nötig ist.
Agentic RAG — ausführlicher erklärt
Klassisches RAG ist ein einmaliger Durchlauf: Frage embedden, Top-k holen, Antwort erzeugen. Agentic RAG packt diesen Vorgang in eine Schleife mit einem Steuer-Agenten, der nach jedem Schritt entscheidet: Sind die Treffer relevant? Reicht der Kontext? Muss die Frage umformuliert werden? Sind weitere Tools (Web-Suche, SQL, Code-Ausführung) nötig? Erst wenn der Agent zufrieden ist, wird die finale Antwort generiert. Damit wird Retrieval von einem statischen Schritt zu einem dynamischen Prozess mit Selbstkorrektur.
Beispiel / Praxisbezug
Typischer Ablauf bei einer Multi-Hop-Frage in einem juristischen Korpus: 1) Decomposition — der Agent zerlegt die Anfrage in Teilfragen. 2) Iteratives Retrieval — pro Teilfrage abrufen, Relevanz prüfen, ggf. Query umformulieren. 3) Synthese — alle Kontexte zusammenführen, finale Antwort erzeugen. 4) Self-Check — Antwort gegen die Originalfrage gegenprüfen. Frameworks 2026: LangGraph (State-Machine), LlamaIndex Workflows, CrewAI für Multi-Agent-Setups. Realistische Werte aus Produktions-Guides: Kosten 0,02–0,10 USD pro Query gegen rund 0,001 USD bei naivem RAG, Latenz 2–8 Sekunden statt 200 ms.
Abgrenzung zu ähnlichen Begriffen
Agentic RAG ist nicht dasselbe wie Multi-Query-RAG (mehrere Suchformulierungen parallel) und nicht dasselbe wie GraphRAG (strukturierte Wissensschicht). Der Unterschied: Agentic RAG ist eine Steuerungs-Architektur — die konkrete Retrieval-Methode darunter kann Vektorsuche, BM25, GraphRAG oder Hybrid sein. Sinnvoll wird der Aufwand erst bei komplexen Multi-Hop-Fragen oder wenn Genauigkeit nicht verhandelbar ist (Legal, Medical, Finance). Für simple Faktfragen ist klassisches RAG schneller und billiger.
Entdecke mehr
KI-Workflows per Keyword: Wie wir wiederkehrende Abläufe erzwingbar machen
Ein getipptes Keyword löst bei uns einen festen KI-Ablauf aus — und jeder Schritt muss committet werden, bevor der nächste kommt. Warum das der Trick ist.
GlossarS-RAG
S-RAG (Search-optimized RAG) ist boostN.ais Variante von Retrieval-Augmented Generation, die klassisches RAG um Suchmaschinen-Prinzipien erweitert: Relevanz-Ranking, Decay nach Aktualität und getypte Verlinkung zwischen Chunks für deterministisches Nachladen.
LexikonRAG-Tuning und Balancing — Embeddings, Gewichte, Decay und MCP für Fortgeschrittene
Wie man Retrieval gezielt steuert: Embedding-Wahl, Hybrid-Gewichte, Reranker-Cascade, Time-Decay, Authority-Boost, MMR und MCP als Retrieval-Tool.