Wat is Retrieval-Augmented Generation (RAG)?
Retrieval-augmented generation (RAG) is een methode waarbij een AI-model eerst relevante informatie opzoekt, zoals webpagina's of documenten, en daarna een antwoord schrijft op basis van wat het vond. Het model vertrouwt dus niet alleen op wat het tijdens de training heeft onthouden, maar werkt met actuele, specifieke bronnen.
Een RAG-systeem werkt in twee stappen. Eerst het ophalen (retrieval): het systeem doorzoekt een index (het web, een zoekmachine of een bedrijfsdatabase) naar de passages die het best bij de vraag passen, vaak met embeddings die betekenis vergelijken in plaats van exacte woorden. Daarna het genereren (generation): een large language model krijgt die passages en schrijft het antwoord, vaak met verwijzingen naar de bronnen.
De term komt uit een onderzoekspaper uit 2020. Inmiddels zit hetzelfde idee achter AI-assistenten die eerst op het web zoeken en dan antwoorden, zoals Perplexity, ChatGPT search en Google AI Overviews.
Waarom RAG belangrijk is voor AI-zichtbaarheid
Door RAG kan de content die nu op je website staat AI-antwoorden direct beïnvloeden, en niet pas na de training van het volgende model. Wordt jouw pagina opgehaald voor een prompt, dan kan het model jouw feiten overnemen, je merk noemen en naar je linken als bron. Wordt hij niet opgehaald, dan ben je afhankelijk van wat het model zich herinnert uit oudere trainingsdata.
Het verandert ook hoe concurrentie werkt. Het model werkt per vraag met een beperkt aantal opgehaalde passages, dus je strijdt om een van de weinige bronnen te zijn die het echt leest. Zo verdien je een AI-citatie: je pagina werd opgehaald, gelezen en nuttig genoeg bevonden om het antwoord te onderbouwen.
Zo optimaliseer je content voor RAG
Wees vindbaar. Geef zoekmachines en AI-crawlers toegang tot je pagina's, zet de hoofdtekst in de HTML en zorg dat belangrijke pagina's geïndexeerd zijn in Google en Bing.
Schrijf passages die op zichzelf staan. Retrieval pakt vaak een alinea en niet een hele pagina. Laat elke sectie dus één vraag helder beantwoorden.
Zet feiten vooraan. Begin met het antwoord en geef daarna details. Noem concrete gegevens zoals prijzen, functies, locaties en datums.
Word elders genoemd. Reviews, vergelijkingen en vakmedia worden ook opgehaald. Onze gids over geciteerd worden door AI laat zien waar je begint.
Voor die eerste stap laat Crawler Analytics van Trackbase zien welke AI-crawlers je site bezoeken en welke pagina's ze lezen.
Voorbeelden van retrieval-augmented generation
Iemand vraagt Perplexity welk CRM past bij een klein bureau. Perplexity zoekt op het web en leest een aantal vergelijkingsartikelen en leverancierspagina's. Daarna schrijft het een shortlist met genummerde bronlinks.
Google AI Overviews beantwoordt "hoe lang gaat een warmtepomp mee" met een samenvatting uit meerdere webpagina's, met links naar die bronnen.
Een B2B-softwareleverancier voor salarisadministratie publiceert een duidelijke prijspagina. Zodra die geïndexeerd is, kunnen AI-assistenten die op het web zoeken de nieuwe prijzen noemen, terwijl een model dat uit zijn geheugen antwoordt nog de oude geeft.
Een Nederlandse fietsenwebshop koppelt zijn helpcenter aan een klantenservicechatbot. De bot beantwoordt vragen over levering dan op basis van het eigen beleid in plaats van te gokken.
Veelgestelde vragen
Wat is het verschil tussen RAG en trainingsdata?
Trainingsdata is waar een model vóór de release van heeft geleerd, en die kennis stopt bij de knowledge cutoff. RAG voegt informatie toe op het moment van de vraag, door actuele pagina's of documenten op te halen. Trainingsdata bepaalt dus wat een model al over je merk denkt. RAG bepaalt welke live bronnen het leest en citeert als het antwoordt.
Gebruiken ChatGPT en Perplexity RAG?
Ja, zodra ze op het web zoeken. Perplexity zoekt bij vrijwel elke vraag en toont zijn bronnen. ChatGPT zoekt op het web als een vraag actuele informatie nodig heeft of als de gebruiker erom vraagt. In beide gevallen haalt de AI-assistent eerst pagina's op en schrijft hij daarna het antwoord. Zo kan goed gestructureerde, crawlbare content in hun antwoorden terechtkomen.
Hoe zie ik of mijn content in RAG-antwoorden wordt gebruikt?
Kijk naar citaties. Linkt een AI-assistent naar jouw pagina als bron, dan is je content opgehaald en gebruikt. Je kunt ook in je serverlogs of crawleranalyses kijken naar bots als ChatGPT-User en Perplexity-User, die pagina's ophalen zodra iemand een vraag stelt. Door prompts langere tijd te volgen, zie je hoe vaak je pagina's geciteerd worden.