RAG (retrieval-augmented generation)

RAG (retrieval-augmented generation) is een techniek waarbij een AI-model eerst relevante documenten ophaalt, bijvoorbeeld webpagina's, en daarna zijn antwoord schrijft op basis van die opgehaalde informatie, in plaats van alleen op zijn trainingsdata te vertrouwen.

RAG, kort voor retrieval-augmented generation, is de methode achter de meeste AI-tools die bronnen citeren. Een taalmodel op zich kan alleen gebruiken wat het tijdens de training heeft geleerd, en die kennis veroudert en heeft gaten. Met RAG haalt het systeem eerst relevante informatie op uit een externe bron, voegt die toe aan de prompt en laat het model daarna met dat materiaal een antwoord schrijven.

Zo werkt RAG

  1. Vraag. De gebruiker stelt een vraag. Het systeem kan die herschrijven of opsplitsen in meerdere zoekopdrachten.
  2. Ophalen. Het doorzoekt een index, zoals een webzoekmachine of de eigen documentopslag van een bedrijf, en kiest de meest relevante pagina's of passages.
  3. Verrijking. De geselecteerde passages worden samen met de oorspronkelijke vraag aan de context van het model toegevoegd.
  4. Generatie. Het model schrijft een antwoord op basis van de opgehaalde tekst en voegt in de meeste consumentenproducten bronvermeldingen toe naar de gebruikte bronnen.

Google AI Overviews en AI Mode, ChatGPT search, Perplexity en Microsoft Copilot gebruiken allemaal een vorm van deze aanpak op het open web. Bedrijven gebruiken dezelfde techniek intern, bijvoorbeeld voor chatbots die vragen beantwoorden op basis van handleidingen of artikelen uit een helpcenter.

Waarom RAG belangrijk is voor SEO en GEO

RAG is de reden dat klassieke SEO nog steeds belangrijk is voor zichtbaarheid in AI. Als de ophaalstap is gebaseerd op zoekresultaten, bereikt een pagina die niet rankt of niet geïndexeerd is het model gewoon nooit. Is een pagina eenmaal opgehaald, dan gebruikt het model vooral passages die de vraag duidelijk en op zichzelf staand beantwoorden. Kort gezegd beloont RAG twee dingen: gevonden worden en makkelijk te citeren zijn.

Het verklaart ook waarom AI-antwoorden van dag tot dag kunnen veranderen. Het model blijft misschien hetzelfde, maar de opgehaalde pagina's verschillen afhankelijk van de index, de formulering van de zoekopdracht en de actualiteit.

Praktische tips

  • Zorg dat belangrijke pagina's crawlbaar zijn voor zowel zoekmachines als AI-crawlers.
  • Deel lange content op in duidelijke secties met beschrijvende tussenkoppen, zodat losse passages ook buiten hun context te begrijpen zijn.
  • Zet het belangrijkste antwoord of de definitie vroeg in elke sectie.
  • Houd feiten actueel. Ophaalsystemen geven bij tijdgevoelige vragen vaak de voorkeur aan verse bronnen.
  • Zorg dat je genoemd wordt op sites die al goed ranken op je onderwerpen. Dat zijn de pagina's die worden opgehaald.

Veelgemaakte fouten

Content verstoppen achter scripts, tabs of logins die crawlers niet kunnen lezen, en passages schrijven die alleen te begrijpen zijn als je de hele pagina leest. Een ander misverstand is dat RAG fouten helemaal wegneemt. Het vermindert hallucinaties, maar een model kan opgehaalde bronnen nog steeds verkeerd lezen of door elkaar halen.

Vragen over RAG (retrieval-augmented generation)

Wat is RAG in eenvoudige woorden?

RAG betekent dat een AI dingen opzoekt voordat hij antwoord geeft. Hij haalt eerst relevante documenten op en schrijft daarna een antwoord op basis daarvan.

Gebruikt ChatGPT RAG?

Als ChatGPT op het web zoekt, gebruikt het een ophaalstap om pagina's binnen te halen en baseert het zijn antwoord daarop. Dat is een vorm van RAG. Zonder zoeken antwoordt het vanuit zijn trainingsdata.

Waarom is RAG belangrijk voor SEO?

Veel AI-antwoordmachines halen pagina's op via zoekmachines. Is je pagina niet geïndexeerd of rankt hij niet, dan is de kans kleiner dat hij wordt opgehaald en geciteerd.

Gerelateerde begrippen