DE
RegistrierenAnmelden

So funktioniert RAG

Von Kursmaterialien zu fundierten Antworten

RAG verbindet generative KI mit den Wissensquellen, die die Lehrperson auswählt – so wird die KI-Unterstützung in einem Kurs steuerbar, nachvollziehbar und kontextbezogen.

Der Ablauf

Vier Schritte einer kursspezifischen RAG-Anwendung

  1. 1Abrufen

    Die Frage einer lernenden Person durchsucht das von der Lehrperson kuratierte Kurswissen – Vorlesungsnotizen, Folien, Fachartikel, Prüfungen – und liefert die passendsten Abschnitte.

  2. 2Anreichern

    Die gefundenen Abschnitte und das Profil der lernenden Person werden dem Prompt hinzugefügt, sodass das Wissen der Einrichtung eine relevante, kontextbezogene Antwort prägt.

  3. 3Generieren

    Ein europäisches LLM schreibt die Antwort aus diesem Kontext und zeigt die verwendeten Quellen, sodass Lernende jede Aussage prüfen können.

  4. 4Für die Bildung

    Lehrende gestalten und prüfen jeden Schritt in der RAG4Edu-Toolbox – mit DSGVO- und KI-Verordnungs-Checks und ohne fortgeschrittene KI-Kenntnisse.

Kurswissen Folien · Vorlesungsnotizen Artikel · Prüfungen · Daten von der Lehrperson kuratiert Aufnehmen & indexieren Embeddings · Metadaten Frage der Lernenden oder Gruppenaufgabe Abrufen relevanteste Passagen Prompt anreichern Kontext + Lernendenprofil Generieren europäisches LLM Antwort mit Quellenangaben Lehrperson gestaltet · prüft DSGVO · AI-Act-Check No-/Low-Code RAG4Edu-Pipeline: modular, dokumentiert, in der EU gehostete Modelle, lernendensensitive Anreicherung. Lehrende bauen und konfigurieren sie mit der RAG4Edu-Toolbox — ohne fortgeschrittene KI-Kenntnisse.
Im Inneren einer kursspezifischen RAG-Anwendung: Die Lehrperson kuratiert die Wissensbasis, der Abruf stützt jede Antwort darauf, und die Generierung läuft auf europäischen LLMs.

Warum man sich im Kurs darauf verlassen kann

  • Auf Quellen gestütztAntworten beruhen auf der Wissensbasis, die die Lehrperson für den Kurs kuratiert hat.
  • Mit QuellenangabenLernende sehen, auf welchen Abschnitten eine Antwort beruht, und können sie prüfen.
  • Europäisch und regelkonformLLMs aus der EU und EuroHPC-Infrastruktur, DSGVO-konformes Design, im Einklang mit der KI-Verordnung der EU.
  • Offen und wiederverwendbarPipeline, Toolbox und Vorlagen werden unter offenen Lizenzen veröffentlicht.

Werkzeuge

Was RAG4Edu entwickelt

Das Projekt entwickelt offene Komponenten, die Lehrende und Einrichtungen nachnutzen können.

RAG4Edu-Pipeline und FrameworkKonzeptionelle und technische Spezifikation, ein einsatzfähiger funktionsfähiger Prototyp (Aufnahme, semantischer Abruf, Generierung) und lernendensensitive Anreicherungsmechanismen.
RAG4Edu-Chatbots und ToolboxAutorenwerkzeuge zum Erstellen und Konfigurieren kursspezifischer RAG-Chatbots und -Agenten, mehrsprachige Fallstudienanwendungen, Vorlagen und Dokumentation.
Rahmenkonzept und Werkzeug zur GruppenbildungKriterien, Datenquellen, Entscheidungslogik und Transparenzmechanismen für KI-gestützte Gruppenbildung, mit Vorlagen für die Gestaltung kollaborativen Lernens.
Integrations- und UnterstützungsdiensteSpezifikation und Integration in der EU entwickelter Sprachmodelle und KI-Dienste, Embeddings, Token-Verwaltung und Compliance-Funktionen für die Pilotierungen.
In der Weiterbildung lernen Ergebnisse & Ressourcen