> ## Documentation Index
> Fetch the complete documentation index at: https://docs.itellico.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Kontext vs. RAG-Modus

> Wähle zwischen Context-Injection und RAG-Retrieval für deine Wissensdatenbanken

export const Screenshot = ({lightSrc, darkSrc, alt, caption, maxWidth = "880px"}) => {
  return <div style={{
    margin: "1rem auto",
    maxWidth,
    width: "100%"
  }}>
      <Frame>
        <img className="block dark:hidden" src={lightSrc} alt={alt} />
        <img className="hidden dark:block" src={darkSrc} alt={alt} />
      </Frame>
      {caption ? <p style={{
    marginTop: "0.5rem",
    fontSize: "0.875rem",
    color: "inherit",
    opacity: 0.8
  }}>
          {caption}
        </p> : null}
    </div>;
};

## Zwei Zugriffsarten

Wenn du Knowledge an deinen Agenten zuweist, musst du entscheiden, wie der Agent auf diese Informationen zugreift. Wenn du noch keine Wissensdatenbank erstellt hast, starte mit dem Leitfaden [Wissensdatenbanken erstellen](/de/build/knowledge/create-knowledge-bases). itellicoAI bietet zwei Zugriffsarten: **Context Mode** (Prompt Injection) und **RAG Mode** (RAG: Retrieval-Augmented Generation - ein Suchsystem, das nur die relevantesten Informationen findet, die dein Agent braucht).

## Schnelle Entscheidung

| Verwende Context, wenn...                                 | Verwende RAG, wenn...                                             |
| --------------------------------------------------------- | ----------------------------------------------------------------- |
| Inhalte klein sind (unter ein paar Tausend Wörter)        | Inhalte groß sind (FAQs, Kataloge, vollständige Doku)             |
| Der Agent sie bei jedem Anruf braucht                     | Der Agent sie nur für bestimmte Fragen braucht                    |
| Du keine Retrieval-Latenz möchtest                        | Du breite Abdeckung über viele Themen brauchst                    |
| Beispiele: Preistabelle, Öffnungszeiten, Rückgaberegelung | Beispiele: Produktkatalog, komplette FAQ-Bibliothek, Support-Doku |

Unsicher? **Starte mit RAG.** Das ist für die meisten Anwendungsfälle sicherer. Wechsle zu Context nur für kleine Inhalte, die immer gebraucht werden.

***

## Die zwei Zugriffsarten

<CardGroup cols={2}>
  <Card title="Kontext-Modus" icon="file-import">
    **Prompt Injection**

    Alle Knowledge wird direkt zu Beginn jeder Interaktion in den Conversation-Context des Agenten injiziert (neben deinem [Prompt](/de/build/conversation/prompt)).

    **Am besten für:** Kleine Wissensdatenbanken mit kritischen Informationen, die der Agent für jedes Gespräch braucht.
  </Card>

  <Card title="RAG Mode" icon="magnifying-glass">
    **RAG (Retrieval-Augmented Generation)**

    Der Agent durchsucht und ruft relevante Knowledge dynamisch auf Basis des Gesprächsthemas ab.

    **Am besten für:** Größere Wissensdatenbanken, bei denen pro Gespräch nur bestimmte Abschnitte benötigt werden.
  </Card>
</CardGroup>

***

## Context Mode (Prompt Injection)

### Wie es funktioniert

Im Context Mode lädt die Plattform deine Wissensdatenbank-Inhalte zu Beginn jedes Gesprächs direkt in den System-Prompt des Agenten:

```text wrap theme={null}
System Prompt:
You are a helpful customer service agent.

[Your agent instructions...]

==== KNOWLEDGE BASE: Customer Support FAQ ====

### Billing & Payments
- Question: How do I update my payment method?
  Answer: You can update your payment method by...

- Question: When will I be billed?
  Answer: Billing occurs on the same day each month...

### Return Policy
[Full return policy content]

### Shipping Information
[Full shipping information]

==== END KNOWLEDGE BASE ====

Now assist the customer with their question.
```

Der Agent sieht ALLE Knowledge-Inhalte von Anfang an und kann während des Gesprächs darauf verweisen.

### Formatierte Ausgabe

Standardmäßig injiziert das System Knowledge mit strukturierter Formatierung:

```text wrap theme={null}
========================================
# Wissensdatenbank Name
Knowledge base description

## Folder Name
Folder description

### Item Title
----------------------------------------
Item content here
----------------------------------------
========================================
```

Dieses Format hilft dem Agenten, Struktur und Organisation der Knowledge zu verstehen.

### Wann Context Mode sinnvoll ist

<AccordionGroup>
  <Accordion title="Kleine, wichtige Knowledge" icon="file">
    Wenn dein Inhalt kompakt ist und der Agent ihn bei jedem Anruf braucht, stellt Context Mode sicher, dass er immer verfügbar ist.

    **Beispiel-Use-Case:**
    Ein Support-Agent mit einer Wissensdatenbank, die enthält:

    * 10 häufige FAQs
    * Rückgaberegelung
    * Kontaktinformationen
    * Versandoptionen
  </Accordion>

  <Accordion title="Kritische Informationen, die immer gebraucht werden" icon="circle-exclamation">
    Informationen, auf die der Agent bei den meisten oder allen Anrufen verweisen muss.

    **Beispiel-Use-Case:**
    Ein Booking-Agent, der braucht:

    * Unternehmensrichtlinien (immer)
    * Verfügbare Services (immer)
    * Preisstruktur (immer)
    * Buchungsprozesse (immer)
  </Accordion>

  <Accordion title="Hochstrukturierte Informationen" icon="table">
    Wenn Wissenseinträge aufeinander verweisen oder ein in sich geschlossenes Ganzes bilden.

    **Beispiel-Use-Case:**
    Produktkonfigurations-Agent mit:

    * Abhängigkeiten bei Optionen ("Wenn X gewählt wird, Y anbieten")
    * Kompatibilitätsmatrix
    * Paket-Bundles
    * Preise, die von Kombinationen abhängen
  </Accordion>
</AccordionGroup>

### Vorteile des Context Mode

<CardGroup cols={2}>
  <Card title="Immer verfügbar" icon="check">
    Sofortiger Zugriff auf alle Knowledge ohne Suchverzögerung
  </Card>

  <Card title="Besser für kleine Mengen" icon="gauge-high">
    Kleine Knowledge-Sets effizient im Kontextfenster verarbeiten
  </Card>

  <Card title="Deterministisch" icon="equals">
    Liefert jedes Mal genau dieselbe Knowledge
  </Card>

  <Card title="Funktioniert mit Variablen" icon="brackets-curly">
    Jinja-Variablen einbinden, die zur Laufzeit aufgelöst werden
  </Card>
</CardGroup>

### Einschränkungen des Context Mode

<Warning>
  Context Mode ist **insgesamt auf 10,000 Tokens (ungefähr 7,500 Wörter) begrenzt** über alle zugewiesenen Knowledge-Quellen.
</Warning>

**Trade-offs:**

* Alle Context-Mode-Inhalte werden mit jeder Anfrage gesendet, also bedeuten mehr Inhalte höheren Kosten- und Latenzaufwand
* Die gesamte Wissensdatenbank wird einbezogen, auch wenn nur ein kleiner Teil für diesen Anruf relevant ist
* Am besten für Inhalte mit wenigen Tausend Wörtern oder weniger - nutze RAG für größere Mengen

***

## RAG Mode (Retrieval-Augmented Generation)

### Wie es funktioniert

Im RAG Mode speichert die Plattform deine Wissensdatenbank in einer Vektordatenbank. Wenn der Agent Informationen braucht:

1. **Nutzer fragt:** "Wie lautet eure Rückgaberegelung?"
2. **Agent erkennt den Bedarf:** Der Agent stellt fest, dass er Wissen zu Rückgaben braucht
3. **System sucht:** Das RAG-System durchsucht die Wissensdatenbank nach relevanten Inhalten
4. **Relevante Inhalte werden abgerufen:** Nur der Abschnitt zur Rückgabe wird geholt
5. **Agent antwortet:** Der Agent nutzt das abgerufene Wissen für die Antwort

Der Agent sieht nur die Knowledge, die er braucht, und zwar dann, wenn er sie braucht.

### Intelligentes Retrieval

RAG nutzt semantische Suche mit Vektor-Embeddings, um relevante Knowledge zu finden:

```text wrap theme={null}
User: "I need to send back the shoes I bought last week"

RAG System thinks:
- Keywords: "send back", "shoes", "bought"
- Semantic meaning: Returns, possibly exchange
- Search knowledge for: return policy, shipping, exchanges

Retrieved knowledge:
- Return Policy Overview
- Return Shipping Instructions
- Exchange Procedures

NOT retrieved:
- Billing FAQ
- Product Specifications
- Account Management
```

### Vorteile des RAG Mode

<CardGroup cols={2}>
  <Card title="Skaliert über den Kontext hinaus" icon="up-right-and-down-left-from-center">
    Unterstützt größere Wissensdatenbanken ohne die 10,000-Token-Context-Grenze
  </Card>

  <Card title="Schneller für große Knowledge" icon="clock-rotate-left">
    Reduziert die System-Prompt-Tokens für große Wissensdatenbanken
  </Card>

  <Card title="Effizient" icon="gauge-high">
    Holt nur das, was für das aktuelle Thema gebraucht wird
  </Card>

  <Card title="Besser für Vielfalt" icon="shapes">
    Behandelt viele unterschiedliche Themen gut
  </Card>
</CardGroup>

### Wichtige Punkte beim RAG Mode

<Note>
  RAG hängt von der Suchgenauigkeit ab. Wenn deine Wissenseinträge nicht klar geschrieben sind, kann Retrieval relevante Informationen verpassen.
</Note>

**Die Retrieval-Qualität hängt ab von:**

* klaren, beschreibenden Titeln für Wissenseinträge
* gut strukturiertem Inhalt
* sinnvoller Kategorisierung in Ordnern
* dem Vermeiden doppelter oder widersprüchlicher Informationen

***

## Den richtigen Modus wählen

Nutze diesen Entscheidungsleitfaden, um die beste Zugriffsart zu wählen:

### Hybrid-Ansatz

Du kannst beide Modi für verschiedene Wissensdatenbanken am selben Agenten nutzen:

**Beispielkonfiguration:**

* **Context Mode:** Kleine Wissensdatenbank "Core Policies" (immer benötigt)
* **RAG Mode:** Große Wissensdatenbank "Product Catalog" (bei Bedarf abrufen)

Das kombiniert die Stärken beider Methoden.

***

## Deine Konfiguration testen

<Steps>
  <Step title="Wissensdatenbank zuweisen">
    Konfiguriere deinen Agenten mit einer Wissensdatenbank im Context- oder RAG-Mode.
  </Step>

  <Step title="Test starten">
    Nutze das Test-Agent-Menü für einen Chat-, Web- oder Phone-Call.
  </Step>

  <Step title="Nach Knowledge-Inhalten fragen">
    Stelle Fragen, die aus deiner Wissensdatenbank beantwortet werden sollten.

    **Beispielfragen:**

    * "Wie lautet eure Rückgaberegelung?"
    * "Wie viel kostet der Pro-Plan?"
    * "Wie sind eure Öffnungszeiten?"
  </Step>

  <Step title="Antworten prüfen">
    Bestätige, dass der Agent Knowledge-Inhalte korrekt in den Antworten verwendet.
  </Step>

  <Step title="Edge Cases testen">
    Frage nach Themen, die **nicht** in deiner Wissensdatenbank enthalten sind, um sicherzustellen, dass der Agent angemessen reagiert ("Ich habe diese Information nicht").
  </Step>
</Steps>

***

## Best Practices

<AccordionGroup>
  <Accordion title="Bei großen Bases mit RAG starten" icon="magnifying-glass">
    Wenn du unsicher bist, nutze RAG Mode. Das ist für große Wissensdatenbanken sicherer, und du kannst später immer noch zu Context Mode wechseln.
  </Accordion>

  <Accordion title="Klare, vollständige Inhalte schreiben" icon="file-text">
    RAG verwendet semantische Suche, um relevante Knowledge zu finden. Schreibe vollständige, gut formulierte Inhalte, die natürlich die Begriffe und Konzepte enthalten, nach denen Nutzer fragen werden.

    **Gut:** "Our return policy allows returns within 30 days of purchase for physical products. Digital products cannot be returned once downloaded."

    **Schlecht:** "See policy doc" oder unvollständige Satzfragmente
  </Accordion>

  <Accordion title="Beide Modi testen" icon="vial">
    Probiere Context und RAG Mode mit deiner Wissensdatenbank aus und schau, welcher für deinen Anwendungsfall besser funktioniert.
  </Accordion>

  <Accordion title="Strategisch kombinieren" icon="layer-group">
    Nutze Context Mode für kritische, häufig benötigte Infos und RAG Mode für umfangreiches Referenzmaterial.
  </Accordion>
</AccordionGroup>

***

## Fehlerbehebung

<AccordionGroup>
  <Accordion title="Agent nutzt Knowledge nicht (Context Mode)">
    **Prüfen:**

    * Sind alle Wissenseinträge grün (ready to use)?
    * Reicht der verbleibende Kontext (nicht abgeschnitten)?

    **Lösung:**

    * Fehlgeschlagene Items beheben
    * Knowledge verkleinern oder zu RAG wechseln
  </Accordion>

  <Accordion title="Agent findet Knowledge nicht (RAG Mode)">
    **Prüfen:**

    * Ist der Inhalt gut organisiert?
    * Fragst du nach Themen, die zur Knowledge passen?

    **Lösung:**

    * Detailliertere Inhalte hinzufügen
    * Mit anderer Formulierung testen
    * Keywords in den Inhalt aufnehmen
  </Accordion>

  <Accordion title="Agent liefert falsche oder veraltete Informationen">
    **Prüfen:**

    * Sind die Knowledge-Inhalte korrekt und aktuell?
    * Gibt es widersprüchliche Informationen in mehreren Items?

    **Lösung:**

    * Knowledge-Inhalte aktualisieren
    * Duplikate und Widersprüche entfernen
  </Accordion>

  <Accordion title="Context-Nutzung zu hoch">
    **Lösungen:**

    * Für große Wissensdatenbanken auf RAG Mode wechseln
    * Knowledge in kleinere, fokussierte Bases aufteilen
    * Prompt-Länge des Agenten reduzieren
    * Ausführliche oder redundante Inhalte entfernen
  </Accordion>
</AccordionGroup>

***

## Nächste Schritte

<CardGroup cols={2}>
  <Card title="Wissensdatenbanken erstellen" icon="plus" href="/de/build/knowledge/create-knowledge-bases">
    Wissensinhalte aufbauen und organisieren
  </Card>

  <Card title="Inhaltstypen" icon="file-lines" href="/de/build/knowledge/content-types">
    Mehr über Text-, Datei-, URL- und Website-Crawl-Items erfahren
  </Card>

  <Card title="Template-Syntax" icon="brackets-curly" href="/de/build/conversation/template-syntax">
    Knowledge-Referenzen im Prompt verwenden
  </Card>

  <Card title="Agent testen" icon="vial" href="/de/test/web-simulator">
    Testen, wie dein Agent Knowledge nutzt
  </Card>
</CardGroup>