Wiki oder RAG

Lernziele

• Du beschreibst RAG und das Wiki an der Frage, wann die Arbeit passiert.
• Du nennst je drei Vorteile und Kosten des Wiki-Ansatzes.
• Du entscheidest für einen Bestand, ob ein Wiki oder RAG besser passt.

Der übliche Rat für Fragen an die eigenen Dokumente lautet: Leg sie als EmbeddingsEmbedding · engl. embeddingEine Zahlenreihe, die die Bedeutung eines Textabschnitts abbildet. Ähnliche Texte haben ähnliche Embeddings, so findet eine Suche verwandte Abschnitte ohne gleiche Wörter.Im Glossar in eine Vektordatenbank. Dieser Kurs geht einen anderen Weg und begründet das mit der Struktur der beiden Ansätze. Eine Vorliebe für bestimmte Werkzeuge spielt dabei keine Rolle.

Die beiden Ansätze

RAGRAG · engl. retrieval-augmented generationEin Verfahren, bei dem Dokumente in Abschnitte zerlegt und als Embeddings gespeichert werden. Zu jeder Frage holt das System die ähnlichsten Abschnitte, und das Modell antwortet aus ihnen.Im Glossar speichert deine Dokumente als Abschnitte mit Embeddings. Eine Frage holt die ähnlichsten Abschnitte, und das SprachmodellModell · engl. model, LLMDas Sprachmodell (LLM, Large Language Model). Es liest Text, schreibt Text und entscheidet in einem Agenten, was als Nächstes passiert.Im Glossar antwortet aus ihnen. Dabei wird nichts geschrieben, der Bestand bleibt, wie er war.

Ein Wiki verarbeitet Dokumente einmal zu Seiten, die ein AgentAgentEin System, in dem ein Sprachmodell seinen nächsten Schritt selbst wählt: Es ruft Werkzeuge auf, wertet das Ergebnis aus und macht weiter, bis das Ziel erreicht ist.Im Glossar geschrieben und verlinkt hat. Fragen werden beantwortet, indem der Agent durch diese Seiten navigiert. Der Bestand wird umgearbeitet und wird dabei laufend besser.

Der Unterschied liegt darin, wann die Arbeit passiert. RAG erledigt sie bei jeder Frage, jedes Mal von vorn. Andrej Karpathy beschreibt das in seinem Gist so: Das Sprachmodell entdeckt das Wissen bei jeder Frage neu, und nichts baut sich auf. Ein Wiki erledigt die Arbeit einmal beim Ingest und nutzt das Ergebnis danach immer wieder.

Was das bringt

Verständnis sammelt sich an. Die zehnte Quelle zu einem Thema verbessert die Seite, die die ersten neun aufgebaut haben. Bei RAG ist das zehnte Dokument ein weiterer Abschnitt. Wächst der Bestand, wächst dort nur die Menge.

Widersprüche werden sichtbar. Zwei Dokumente, die sich widersprechen, ergeben bei RAG zwei Abschnitte, die eine Suche womöglich nie gemeinsam findet. Auf einer Wiki-Seite steht der Widerspruch, mit Datum, und lässt sich nicht übersehen.

Antworten lassen sich prüfen. Die Seite nennt Quellen, die du öffnen kannst. Gefundene Abschnitte sind Bruchstücke ohne die Begründung, die sie verbunden hat.

Keine Infrastruktur. Es gibt keinen Index, kein erneutes Berechnen der Embeddings und keine Abweichung zwischen Speicher und Dateien.

Was es kostet

Der Ingest ist teuer. Seiten zu schreiben und zu verlinken kostet vorab Rechenzeit des Modells. Bei RAG ist das Einlesen fast kostenlos.

Die Qualität hängt am Ingest. Ein schlechter Seitenvertrag, also schlechte Regeln dafür, was eine Seite enthalten muss, ergibt einen schlechten Vault, und das merkst du erst später. Bei RAG zeigen sich Fehler bei der Frage und fallen eher auf.

Was gefunden wird, hängt an den Links. Eine Seite, auf die nichts verlinkt, erreicht der Graph nicht. RAG findet sie über Ähnlichkeit trotzdem.

Die ehrliche Position

Nach unserer Einschätzung ist dieser Tausch richtig für einen persönlichen, kuratierten Bestand mit einigen tausend Seiten. Für eine Million Dokumente, die niemand geordnet hat, ist er falsch.

Für ein Second Brain passt das Wiki, für ein Suchprodukt passt RAG. Die meisten Ratschläge zu RAG sind nach unserer Beobachtung für den zweiten Fall geschrieben. Ab welcher Größe sich die Antwort umkehrt, zeigt das Kapitel Abfragen. Wie Graph und Embeddings beim Finden zusammenspielen, zeigt das Kapitel Graphen.

Wiki oder RAG?

Ordne jeden Bestand dem Ansatz zu, der nach der Einschätzung dieser Lektion besser passt.

Noch offen (5)

• Deine 300 gelesenen Artikel und Papers zu Agenten aus zwei Jahren→ Wiki→ RAG
• Eine Million Support-Tickets, die nie jemand geordnet hat→ Wiki→ RAG
• Deine Notizen zu einem Fachbuch, das du Kapitel für Kapitel liest→ Wiki→ RAG
• Eine Suchfunktion für alle öffentlichen Dokumente einer Behörde→ Wiki→ RAG
• Die Recherche für deine Masterarbeit über mehrere Monate→ Wiki→ RAG

Wiki (0)

RAG (0)

Prüfen

Merksätze

• RAG arbeitet bei jeder Frage von vorn, ein Wiki arbeitet einmal beim Ingest.
• Im Wiki sammelt sich Verständnis an, Widersprüche werden sichtbar und Antworten lassen sich prüfen.
• Dafür ist der Ingest teuer, die Qualität hängt an den Seitenregeln, und unverlinkte Seiten bleiben unerreichbar.
• Für ein persönliches Second Brain passt das Wiki, für ein Suchprodukt über riesige Bestände passt RAG.

Prüf dich selbst

Denkfrage

Zwei Artikel in deinem Bestand widersprechen sich bei einer Zahl. Was passiert damit bei RAG und was im Wiki?

Antwort zeigen

Denkfrage

Eine Seite in deinem Vault hat keine eingehenden Links. Warum ist das im Wiki ein Problem, bei RAG aber nicht?

Antwort zeigen

Prüf dich selbst

1. 1Wann passiert bei RAG die eigentliche Arbeit?

   Einmal beim EinlesenBei jeder Frage, jedes Mal von vornEinmal pro Woche beim Lint
   Antwort prüfen
2. 2Welcher Nachteil gehört zum Wiki-Ansatz?

   Widersprüche bleiben unsichtbarDer Ingest kostet vorab viel Rechenzeit des ModellsAntworten lassen sich nicht auf Quellen zurückführen
   Antwort prüfen
3. 3Ein Team will eine Suche über 800.000 unsortierte PDFs aus zwanzig Jahren. Was passt besser?

   Ein Wiki, das jede PDF in Seiten einarbeitetRAGEin Wiki ohne Links
   Antwort prüfen

Quellen

1. LLM Wiki · Andrej Karpathy, Apr. 2026

   RAG entdeckt Wissen bei jeder Frage neu, „There's no accumulation“; das Wiki als „persistent, compounding artifact“.