Agentic Retrieval-Augmented Generation (Agentic RAG) ist eine Erweiterung der Retrieval-Augmented Generation, die Agenten einführt, um einen flexibleren Retrieval- und Entscheidungsprozess zu erreichen.

Der zwischen 2024 und 2025 entwickelte Ansatz der agentengestützten Informationsgenerierung (AEG) ist ein Systemparadigma, das sich schrittweise durch die Integration von RAG- und Agententechnologien entwickelt hat. Diese Methode erweitert das traditionelle, auf großen Sprachmodellen basierende Informationsgenerierungsframework um Funktionen wie Aufgabenplanung, Informationsweiterleitung und Ergebnisverifizierung.

In Agentic RAG führen Agenten nicht nur einfache Informationsabfragen durch, sondern wählen auch dynamisch Datenquellen entsprechend den Aufgabenanforderungen aus, verteilen Anfragen an verschiedene Wissensdatenbanken oder Werkzeuge und filtern, überprüfen und integrieren die Abrufergebnisse, um genauere Ergebnisse zu generieren.

Diese Methode findet breite Anwendung in komplexen Frage-Antwort-Systemen, der professionellen Wissensrecherche und automatisierten Entscheidungsfindungsszenarien und stellt eine wichtige Entwicklungsrichtung für die Integration intelligenter Agentensysteme und Retrieval-Technologien dar.