Retrieval-Augmented Generation (RAG)

Eine RAG-Pipeline hat zwei Stufen. Das Retrieval findet die relevantesten Passagen zu einer Anfrage, häufig über semantische Suche auf Vektor-Embeddings, manchmal kombiniert mit klassischer Keyword-Suche. Die Generation übergibt diese Passagen dann als Kontext an ein Sprachmodell, und das Modell verfasst eine darauf gestützte Antwort, wobei es oft die verwendeten Dokumente zitiert.

RAG ist für die Sichtbarkeit entscheidend, weil es genau erklärt, warum manche Seiten zitiert werden und andere nicht. Ihre Inhalte müssen zwei Hürden überstehen: Sie müssen abgerufen werden (relevant, zugänglich und semantisch klar genug, um in den Kontext gezogen zu werden) und sie müssen es dann wert sein, als Grundlage zu dienen (spezifisch und zitierfähig genug, dass sich das Modell darauf stützt). Wer eine der beiden Hürden nicht nimmt, fehlt in der Antwort.

RAG zu verstehen macht aus GEO statt eines Mysteriums ein Engineering-Problem. Aus "in KI sichtbarer werden" werden zwei konkrete Aufgaben: die Abrufbarkeit verbessern (klare thematische Seiten, saubere Struktur, Crawler-Zugang, konsistente Entitäten) und die Zitierfähigkeit verbessern (direkte Antworten, Definitionen vorneweg, Fakten mit Quellen). Fast jede GEO-Taktik lässt sich einer dieser beiden Hürden zuordnen.

Für einen Shop ist RAG der Grund, warum sich die Qualität der Produktseiten direkt in KI-Sichtbarkeit übersetzt. Wenn eine Engine eine Käuferfrage beantwortet, ruft sie Seiten ab und zitiert sie, die diese klar und spezifisch behandeln, sodass eine PDP oder ein Ratgeber, der die eigentliche Frage beantwortet, die Einheit ist, die das Zitat gewinnt oder verliert.

Es macht auch klar, wo man investieren sollte. Da das Retrieval semantisch klare, gut strukturierte und thematisch fokussierte Inhalte bevorzugt, ist dieselbe Arbeit, die eine Seite für Käufer wirklich nützlich macht, auch das, was sie für ein RAG-System abrufbar und zitierfähig macht. Es gibt keinen separaten Trick, der Nutzen ist die Optimierung.

Illustratives Szenario: Ein Käufer fragt eine Engine "welcher dieser Standmixer ist am leisesten". Ein RAG-System ruft Seiten ab, die den Geräuschpegel von Standmixern behandeln; ein Shop, dessen Produktseite den gemessenen Dezibelwert in einem klaren Satz nennt, wird sowohl abgerufen als auch zitiert, während ein Wettbewerber, der ihn weglässt, nicht in die Antwort gezogen werden kann.