RAG

RAG staat voor Retrieval-Augmented Generation. Het is een techniek waarbij een taalmodel niet alleen put uit wat het tijdens zijn training heeft geleerd, maar eerst actuele of specifieke informatie opzoekt en die vervolgens gebruikt om een antwoord te formuleren. Het model "haalt op" en "genereert" dus in één beweging.

Dat lijkt een technisch detail, maar het is precies de reden waarom AI-zoekomgevingen zoals Perplexity, ChatGPT Search en Google AI Overviews naar websites kunnen verwijzen. Zonder RAG zou een LLM enkel kunnen antwoorden op basis van zijn trainingsdata, die snel veroudert en geen bronnen vermeldt.

Hoe werkt RAG stap voor stap?

De precieze werking verschilt per systeem, maar het algemene proces ziet er ongeveer zo uit:

1. De vraag analyseren. Het systeem bepaalt welke informatie nodig is en zet de vraag om in een of meer zoekopdrachten.
2. Informatie ophalen. Het doorzoekt een index, bijvoorbeeld het web, een interne documentenbank of een productcatalogus, en selecteert relevante passages.
3. Context meegeven. Die passages worden samen met de oorspronkelijke vraag aan het taalmodel aangeboden.
4. Het antwoord formuleren. Het model schrijft een antwoord op basis van die context en toont vaak de gebruikte bronnen als citatie.

Waarom RAG belangrijk is voor je website

Bij RAG beslist de ophaalstap welke bronnen het model te zien krijgt. Als je pagina in die stap niet opduikt, kan ze ook niet in het antwoord terechtkomen. Dat betekent dat klassieke basisvoorwaarden blijven gelden: je pagina moet kunnen worden gecrawld, geïndexeerd en als relevant herkend.

Daarnaast speelt de vorm van je content mee. RAG-systemen werken meestal met fragmenten in plaats van volledige pagina's. Een alinea die een vraag helder en zelfstandig beantwoordt, is makkelijker te hergebruiken dan een antwoord dat verspreid zit over een lange tekst. Duidelijke structuur met goede tussentitels helpt daarbij, net als gestructureerde data die feiten zoals openingsuren of prijzen ondubbelzinnig maakt.

Een voorbeeld

Een boekhoudkantoor in Antwerpen publiceert een heldere pagina over de btw-regels voor kleine ondernemingen, met per situatie een kort antwoord. Wanneer iemand in een AI-assistent vraagt of hij als starter de btw-vrijstelling kan gebruiken, kan het systeem in de ophaalstap precies die passage selecteren en het kantoor als bron vermelden. Een algemene pagina "Onze diensten" zou die vraag niet beantwoorden en dus niet opgehaald worden.

RAG wordt overigens niet alleen door zoekmachines gebruikt. Ook bedrijven zetten het in voor interne chatbots die antwoorden op basis van eigen handleidingen, productfiches of klantendossiers. Het principe is hetzelfde: hoe beter de bronnen gestructureerd en bijgewerkt zijn, hoe betrouwbaarder het antwoord.

RAG en GEO

Het groeiende vakgebied GEO draait voor een groot stuk om het begrijpen van RAG: hoe zorg je dat je content gevonden, geselecteerd en correct weergegeven wordt? Er bestaat geen vaste formule, en systemen veranderen voortdurend. Wat wel consistent lijkt, is dat duidelijke, betrouwbare en goed vindbare informatie de beste uitgangspositie geeft. Ook je autoriteit als bron speelt vermoedelijk mee in welke pagina's geselecteerd worden.

Wil je zien hoe je je website op die nieuwe manier van zoeken voorbereidt, bekijk dan hoe het Spacebird-platform voor SEO en AI-zichtbaarheid beide werelden samenbrengt.