Hybride KI Ansätze bezeichnen Methoden, die es lernenden Systemen ermöglichen, auf Wissen zuzugreifen, welches nicht durch ein Training des KI-Modells angeeignet wurde. Diese Ansätze benötigen jedoch eine sorgfältige Optimierung und Evaluierung, um eine zuverlässige Nutzung in praxisnahen Szenarien sicherzustellen. Zur Überprüfung der fachlichen Korrektheit der Modellantworten wurde ein Prototyp in Form eines Chatbots entwickelt. Dieser nutzt Retrieval Augmented Generation (RAG), um relevante Informationen effizient aus einer angebundenen Datenbank abzurufen und in seinen Antworten bereitzustellen. Die Arbeit untersucht dabei die Konsistenz der Quellverwendung, die Reduktion von Halluzinationen und die Transparenz von drei Sprachmodellen. Die Ergebnisse der Untersuchung zeigen, dass die Verlässlichkeit der Antwortgenerierung von der Art der Formulierung abhängt und erheblichen Schwankungen unterliegt.

Hybrid AI approaches refer to methods that enable learning systems to access knowledge that has not been acquired through training of a model. However, these approaches require careful optimization and evaluation to ensure reliable use in practical scenarios. To verify the factual accuracy of the model’s responses, a prototype in the form of a chatbot was developed. This chatbot utilizes Retrieval Augmented Generation (RAG) to efficiently retrieve relevant information from a connected database and incorporate it into its responses. The study examines the consistency of source usage, the reduction of hallucinations, and the transparency of three language models. The results of the investigation shows that the reliability of response generation depends on the formulation of the query and is subject to significant fluctuations.