# Große Dokumentensammlungen senken die RAG-Genauigkeit

> Mehr heterogene Dokumente verschlechterten die Leistung der Retrieval-Augmented Generation: In einem Test sank die Präzision um 63 Prozent.

Oossa · 2026-10-15 · https://oossa.com/de/large-document-collections-reduce-rag-accuracy-study-finds

Ein Forschungsteam unter der Leitung von Nabaraj Subedi untersuchte Retrieval-Augmented Generation (RAG) mit wachsenden Dokumentensammlungen. In einem System des Wyoming DOT sank die Precision@10 um 63 Prozent und der Recall des Dokuments mit der gesuchten Antwort um 23 Prozent, als der Korpus von 54 auf 1,128 Dokumente anwuchs. Die Studie schlägt eine Soft-Scoping-Technik vor, die den Abruf ohne zusätzliches Training auf relevante Bereiche beschränkt. Die Autoren empfehlen, zuerst Soft Scoping anzuwenden und anschließend einen einzigen Syntheseaufruf zu nutzen.

## Die Fakten

- Der Korpus wuchs von 54 auf 1,128 Dokumente; die Precision@10 sank um 63 Prozent, der Recall um 23 Prozent
- Die Studie wurde am 2026-10-15 auf arXiv veröffentlicht ("Thu Oct 15 2026 06:00:00 GMT+0200")

## Warum es wichtig ist

Für Entwickler von RAG-basierten Chatbots gilt: Mehr Dokumente können die Antworten tatsächlich ungenauer machen, wenn die Suche nicht auf bestimmte Bereiche eingegrenzt wird.

## Quellen und Referenzen

1. [When More Documents Hurt RAG: Measuring and Reducing Vector Search Dilution with Domain-Scoped Retrieval](https://arxiv.org/abs/2606.11350) – arXiv cs.IR, 2026-10-15

Zuletzt aktualisiert: 2026-10-15