Retrieval-Augmented-Generation KPI (RAG) – Qualität von KI-Antworten messen– Definition, Berechnung & Beispiel im B2B

Die Retrieval-Augmented-Generation KPI (RAG KPI) bewertet die Qualität und Genauigkeit von Antworten, die durch KI-Modelle mit zusätzlichem Zugriff auf externe Wissensquellen erzeugt werden. Sie misst, ob die KI relevante, präzise und faktenbasierte Inhalte liefert.

Formel: Die RAG KPI wird oft nicht mit einer fixen Formel, sondern durch Qualitätsmetriken wie Antwortgenauigkeit (%), Quellenabdeckung (%) oder Nutzerfeedback (CSAT) gemessen.

Beispiel:

Ein KI-Chatbot beantwortet 100 Fachfragen, davon sind 85 korrekt und mit Quellen belegt → RAG KPI = 85 % Genauigkeit.

Praxis im B2B:

Im B2B wird RAG häufig für Chatbots, Wissensdatenbanken und Content-Automatisierung genutzt. Eine hohe RAG KPI signalisiert, dass die KI zuverlässige Informationen liefert, die Vertrauen schaffen und Entscheidungsprozesse unterstützen.

Verwandte KPIs:

• AECR (AI-Engagement-Konversionsrate)

• CER (Conversational Engagement Rate)

• CTAM (Content Trust & Authority Metric)

• Antwortgenauigkeit (Chatbot)

FAQ:

• Was ist die RAG KPI? → Ein Maß für die Qualität von KI-Antworten mit Wissensretrieval.

• Warum wichtig? → Stellt sicher, dass KI nicht nur plausibel, sondern korrekt antwortet.

• Wie verbessern? → Durch bessere Datenquellen, Trainingsdaten und Feedback-Loops.