Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com11. Juni 2026 · Q011078

I Built a RAG System in 2025. The “RAG Is Dead” Posts Keep Telling Me to Delete It.

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor argumentiert, dass Langkontext bei kleinen Dokumentbeständen einfachere und kohärentere Antworten ermöglichen kann, während Kosten, Latenz und Qualitätsgrenzen bei größeren oder sich oft ändernden Beständen weiterhin für Retrieval sprechen. Er beschreibt hybride Suche, Reranking, erneute Suchläufe und strukturierte Dokumentabschnitte als Verbesserungen und hebt Tests mit realen Fragen als entscheidend hervor; die Befunde sind persönliche Produktionserfahrungen und nicht unabhängig geprüft.

Mittel

Der Autor bewertet sein ein Jahr altes n8n-Tutorial zu RAG anhand eigener Produktionserfahrung neu. Die einfache Methode – feste Textabschnitte einbetten und einmal die ähnlichsten Treffer abrufen – sei für kleine Bestände oft unnötig: Bei einem internen Assistenten mit etwa 80 Seiten Dokumentation erziele das Einfügen des gesamten Materials in den Prompt nach seiner Einschätzung kohärentere Antworten. Für größere oder häufig aktualisierte Bestände sprächen dagegen Kosten und Latenz. Eine zitierte Analyse beziffere RAG auf 0,00008 US-Dollar pro Anfrage und Langkontext auf rund 0,10 US-Dollar; der Autor hält die konkreten Zahlen für diskutierbar.

Auch lange Kontexte lösten laut den von ihm angeführten Benchmarks Probleme mit Informationen in der Kontextmitte und dem Verknüpfen verstreuter Fakten nicht vollständig. Sein heutiges System kombiniert Stichwort- und semantische Suche, sortiert Treffer mit einem Reranker neu und kann weitere Suchläufe starten. Dokumente teilt er nach Struktur statt in starre Abschnitte. Besonders betont er Evaluation: Ein Testsatz aus ungefähr 60 realen Fragen habe Verbesserungen und unerwartete Verschlechterungen sichtbar gemacht. Diese Ergebnisse beruhen auf seinem Erfahrungsbericht; eine unabhängige Überprüfung bietet der Beitrag nicht. Welche Methode passt, müsse je Projekt anhand von Umfang, Aktualität, Kosten und Latenz entschieden werden.

Ausführlich lesen

Der Autor blickt mit einem Jahr Produktionserfahrung auf ein eigenes Tutorial zum Aufbau eines RAG-Systems mit n8n zurück. Seine zentrale These: Die einfache Variante von RAG – Dokumente in feste Abschnitte teilen, diese einbetten und pro Anfrage einmal die ähnlichsten Treffer abrufen – ist für kleine Wissensbestände oft unnötig. Für größere, häufig aktualisierte oder überprüfbare Systeme hält er die Suche jedoch weiterhin für sinnvoll. Entscheidend sei, die Lösung anhand des konkreten Einsatzes zu wählen und ihre Qualität systematisch zu messen.

Als Beispiel für einen kleinen Bestand nennt der Autor einen internen Assistenten mit ungefähr 80 Seiten Dokumentation. Dort fügt er inzwischen alle Dokumente direkt in den Prompt ein. Seiner Einschätzung nach liefert das kohärentere Antworten als die frühere RAG-Version, weil die Dokumentstruktur erhalten bleibt. Er räumt ein, dass diese Erfahrung nicht automatisch auf größere Bestände übertragbar ist.

Für den Einsatz mit vielen Anfragen führt der Beitrag vor allem Kosten und Antwortzeit an. Eine externe Analyse beziffere eine RAG-Anfrage mit 0,00008 US-Dollar und eine Langkontext-Anfrage mit etwa 0,10 US-Dollar; der Autor stellt diese Zahlen als anfechtbar dar. Für sein eigenes, täglich verändertes Material helfe Prompt-Caching nur begrenzt, weil Änderungen den Cache entwerteten. Zudem könne das Einspeisen sehr großer Textmengen die Antwort verzögern. Der Autor behauptet außerdem, dass lange Kontexte Qualitätsprobleme nicht vollständig beseitigten: Benchmarks zeigten weiterhin schlechtere Treffer für Informationen in der Kontextmitte, und Aufgaben, die mehrere verstreute Fakten verbinden, schnitten schlechter ab als die Suche nach einem einzelnen Fakt. Er verweist dabei auf Studien und Benchmarks, führt im Text aber keine detaillierte Auswertung oder eigene Vergleichsmessung an.

Sein aktueller Ansatz ergänzt die einfache Suche schrittweise: Hybride Suche verbindet semantische Einbettungen mit Stichwortsuche, damit etwa Fehlercodes besser gefunden werden. Ein Reranker sortiert eine größere Menge möglicher Treffer neu. Außerdem darf das Modell bei unzureichenden Ergebnissen die Anfrage umformulieren und erneut suchen. Bei der Dokumentaufnahme ersetzt der Autor starre 500-Token-Abschnitte durch Abschnitte entlang von Überschriften und ergänzt Herkunfts- und Abschnittsinformationen. GraphRAG hat er ausprobiert, aber wegen des aus seiner Sicht hohen Pflegeaufwands bei häufigen Dokumentänderungen nicht übernommen.

Als wichtigste praktische Erkenntnis stellt er systematische Evaluation heraus. Nach einer Kundenfrage, ob Änderungen tatsächlich geholfen hätten, erstellte er einen Testsatz aus rund 60 echten Nutzerfragen mit bekannten Antworten. Ein Teil werde automatisch mit Metriken ähnlich RAGAS bewertet, anderes weiterhin manuell. Nach eigener Darstellung half dieser Testsatz, hybride Suche zu bestätigen und zugleich eine Verschlechterung bei einem zuvor nicht beobachteten Fragetyp aufzudecken. Die Resultate sind Erfahrungsberichte des Autors; im Beitrag fehlen veröffentlichte Datensätze und eine unabhängige Überprüfung. Seine Schlussfolgerung lautet daher nicht, dass RAG grundsätzlich tot oder immer notwendig sei: Die passende Grenze zwischen Langkontext und Retrieval hänge unter anderem von Umfang, Aktualität, Anfragevolumen, Latenzanforderungen und Kosten ab.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas mittlere Zusammenfassung gibt den Bericht im Wesentlichen korrekt wieder und nennt die zitierten Kosten- und Benchmarkaussagen richtig als Erfahrungsberichte. Die kurze Fassung lässt den Lost-in-the-Middle-Befund und das Nachvollziehbarkeitsargument aus. Die drei Sammelfragen und drei Teilfragen zu Modellherkunft, Laborprüfung und Fehlausrichtung passen thematisch nicht zum RAG-Bericht; die Einordnung fällt deshalb durchweg niedrig aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Retrieval liefert Protokolle, mit denen sich bei Compliance-Prüfungen nachvollziehen lässt, welche Passagen dem Modell vorlagen
  • GraphRAG wurde nach Prüfung des Pflegeaufwands bewusst nicht übernommen

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 30 %einzelne zitierbare Belege
    • JEV 29 %Hintergrund, keine Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 37 %einzelne zitierbare Belege
    • JEV 29 %beantwortet teilweise oder widerspricht
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 46 %einzelne zitierbare Belege
    • JEV 51 %beantwortet direkt und ausführlich
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 30 %nur am Rande erwähnt
    • JEV 34 %einzelne zitierbare Belege
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 61 %einzelne zitierbare Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 28 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →