RAG ist kein Hype – RAG ist Handwerk

Von der Frage „wer “zur Frage „wie “

In den bisherigen Teilen dieser Reihe haben wir zwei Beweise geführt. Teil 4 hat gezeigt, dass ein RAG-System im Normkontext auditierbar arbeitet – bei 23 von 27 Fragen aus dem offiziellen GEG-FAQ der Bundesregierung lieferte das quellengebundene System belastbarere Fachauskunft als allgemeine Sprachmodelle. Teil 5 hat gezeigt, dass ein solches System weder teuer noch träge ist: ein vollständiger Prüflauf für zwei Cent Stromkosten, auf einem handelsüblichen Notebook, ohne Cloud. Teil 5 endete mit einem Satz, an den dieser sechste Teil unmittelbar anknüpft: Die Frage sei nicht mehr, ob RAG in der Energieberatung funktioniere – sondern wer es zuerst konsequent einsetze.

Auf genau diesen Satz kam die häufigste Rückmeldung aus der Praxis: „Das klingt überzeugend – aber so etwas baut doch nur jemand mit KI-Hintergrund.“Dieser sechste Teil ist die Antwort darauf. Er beantwortet die Frage „wie “– und zwar nicht als Werbeversprechen, sondern als Bauanleitung. Wir zeigen, aus welchen Schritten das System aus Teil 4 und 5 tatsächlich besteht, was jeder einzelne Schritt kostet und wofür man wirklich Fachwissen braucht – und wofür nicht.

„Die spannende Frage ist nicht mehr, ob RAG funktioniert. Sie lautet: Wie baut man es – und ist das wirklich so schwer, wie es klingt?“

Warum „Hype “das falsche Wort ist

„Hype “beschreibt eine bestimmte Art, über Technik zu reden: ein Produkt, das man auf Vertrauen kauft, mit einem „KI-Knopf “, der angeblich alles löst, beworben mit Worten wie „revolutionär “und „intelligent “. Wer Hype kauft, kauft eine Black Box – und muss hoffen, dass darin das Richtige passiert. Im Norm- und Rechtskontext ist das keine Grundlage, sondern ein Risiko.

RAG ist das Gegenteil davon. Es ist kein Produkt, das man einschaltet, sondern ein Handwerk, das aus klar benennbaren Handgriffen besteht: Dokumente sammeln, sie lesbar machen, sie in sinnvolle Stücke zerlegen, durchsuchbar machen, das passende Stück nachschlagen, das Modell sauber anweisen, das Ergebnis prüfen. Sieben Schritte – keiner davon ist Magie, keiner davon setzt ein KI-Studium voraus. Es gibt in dieser Kette keinen geheimnisvollen Moment, an dem „die KI übernimmt “. Es gibt nur Arbeitsschritte, die man verstehen, dokumentieren und verantworten kann.

„Hype verkauft eine Black Box. Handwerk zeigt jeden Handgriff — und genau das macht KI im Normkontext überhaupt erst verantwortbar.“

Der Bauplan: Sieben Schritte, kein Geheimnis

Die folgenden sieben Schritte sind dieselben, die hinter den Ergebnissen aus Teil 4 und 5 stehen. Sie sind hier bewusst in der Sprache der Energieberatung beschrieben, nicht in der von Entwicklerinnen und Entwicklern — denn das ist der Punkt: Der Bauplan ist verständlich.

Schritt 1 – Den Quellenkorpus festlegen. Welche Dokumente zählen als Wahrheit? Für die Energieberatung sind das heute das GEG, künftig das Gebäudemodernisierungsgesetz (GModG), die DIN/ TS 18599 und die EPBD. Diese Entscheidung ist keine technische, sondern eine fachliche – und sie ist die wichtigste von allen. Wer hier die falschen oder veralteten Dokumente wählt, baut ein technisch präzises System auf einer falschen Grundlage.

Schritt 2 – Die Texte maschinenlesbar machen. Die Quell-PDFs werden von einem quelloffenen Auslese-Werkzeug eingelesen – und zwar nicht nur der Fließtext, sondern auch die Tabellen als strukturierte Daten. Wie entscheidend dieser zweite Punkt ist, hat Teil 5 an Lauf 2 konkret gezeigt: Erst als die Tabellen mit ausgelesen wurden, ließen sich Primärenergiefaktoren und andere Tabellenwerte überhaupt verifizieren – vorher waren sie für das System schlicht unsichtbar.

Schritt 3 – In sinnvolle Häppchen zerlegen. Ein Zerlege-Werkzeug teilt die Texte in fünf hierarchische Ebenen: von der Norm über Teil und Abschnitt bis hinunter zur einzelnen Formel oder Tabellenzelle. So gibt das System später nicht einen ganzen Normteil zurück, sondern genau den einen Absatz, der die Frage trägt.

Schritt 4 – Einen durchsuchbaren Index aufbauen. Jedes Häppchen wird von einem quelloffenen Werkzeug in eine Zahlenfolge übersetzt, die seine Bedeutung erfasst, und in einer durchsuchbaren Datenbank abgelegt – und zwar lokal auf dem eigenen Rechner, ohne Server und ohne Cloud. Das Aufbauen dieses Index für die gesamte DIN-Normenreihe dauert rund 16 Minuten und muss nur einmal gemacht werden.

Schritt 5 – Das Nachschlagen einrichten. Zu jeder Frage holt das System die ähnlichsten Häppchen aus dem Index – begrenzt durch eine Mindest-Ähnlichkeit, damit nichts Unpassendes durchrutscht. Das ist der „Retrieval “-Teil von RAG: das Modell bekommt nicht sein Gedächtnis vorgesetzt, sondern den konkreten Quelltext.

Schritt 6 – Das Modell anweisen. Ein lokales, quelloffenes Sprachmodell – in unserem Aufbau das frei verfügbare qwen2.5:3b – bewertet die Frage anhand der nachgeschlagenen Texte. Dass dieses Modell quelloffen und kostenlos ist, ist kein Nebenaspekt: Es bedeutet, dass das System niemandem gehört, von niemandem abgeschaltet werden kann und vollständig auf dem eigenen Rechner bleibt. Entscheidend ist außerdem der feste Base-Prompt aus Teil 4: belegen oder begrenzen, immer die Fundstelle nennen, bei Unsicherheit nicht raten. Diese Anweisung ist fachliche Arbeit, kein Programmieren.

Schritt 7 – Prüfen, messen, nachbessern. Lauf starten, Ergebnis ansehen, einen konkreten Engpass beheben, nächster Lauf. In Teil 5 waren das 7 Läufe in 72 Stunden – von 13 Prozent bestätigter Aussagen auf 58 Prozent. Kein einzelner Lauf war ein Geniestreich; jeder war ein dokumentierter Handgriff.

In der Übersicht wird sichtbar, was diese Reihe meint, wenn sie von Handwerk spricht: Jeder Schritt hat ein benennbares Werkzeug und eine klare Antwort auf die Frage, ob hier Fachwissen oder Technik gefragt ist. Und die Häufigkeit zeigt das Entlastende daran – sechs der sieben Schritte richtet man genau einmal ein; nur das Prüfen und Nachbessern bleibt wiederkehrend.

Was wirklich zählt – und was nicht

Wer die Tabelle aufmerksam liest, erkennt das eigentliche Ergebnis dieses Beitrags: Der Engpass liegt nicht in der Technik. Die Schritte 2 bis 5 sind quelloffen, kostenfrei und laufen auf einem normalen Notebook.

Sie sind einmal einzurichten und danach Routine. Die schwierigen Schritte sind die fachlichen – Schritt 1 und Schritt 6: den richtigen Korpus wählen, den geltenden Textstand sauber definieren, die richtigen Regeln für den Umgang mit Unsicherheit formulieren.

Das ist eine gute Nachricht. Denn genau diese Arbeit – Geltungsbereiche auseinanderhalten, den Textstand benennen, Fundstellen prüfen, Unsicherheit sauber weiterreichen – ist das, wofür Energieberaterinnen und Energieberater ausgebildet sind. Die Hürde beim Aufbau eines RAG-Systems ist nicht das Programmieren. Es ist die fachliche Sorgfalt. Und die ist im Berufsstand längst vorhanden.

„Der schwierige Teil von RAG ist nicht die KI. Es ist die fachliche Sorgfalt – und die bringt jeder Energieberater längst mit.“

Der Beschleuniger: den Bauplan mit agentischer KI gehen

Bleibt eine Lücke. Die technischen Schritte 2 bis 5 und 7 sind zwar Routine – aber irgendjemand muss sie tatsächlich ausführen. Lange Zeit musste dieser Jemand programmieren können. Genau das ist heute nicht mehr nötig, und darin liegt aus unserer Sicht der eigentliche Schlüssel für den breiten Einsatz.

Agentische KI meint Assistenten, die nicht nur Text erzeugen, sondern eigenständig Arbeitsschritte ausführen: Dateien lesen, Programmcode schreiben, Werkzeuge starten, Ergebnisse prüfen – unter menschlicher Anleitung. Ein solcher Assistent kann die technischen Handgriffe des Bauplans übernehmen, während die Fachperson die Steuerung behält. Das ist keine Theorie: Die in dieser Reihe beschriebene RAG-Engine wurde selbst genau so gebaut – automatisiert durch einen agentischen KI-Assistenten, unter durchgängiger fachlicher Steuerung. Bei jedem der sieben Läufe entschied ein Mensch, welcher Engpass als Nächstes dran war; die Umsetzung erledigte der Assistent.

Diese Arbeitsteilung ist genau die richtige. Der Fachperson gehören die fachlichen Entscheidungen – welcher Quellenkorpus gilt, welche Regeln das Modell befolgt, welcher Engpass zuerst behoben wird. Dem Assistenten gehört die Ausführung. Die Verantwortung bleibt damit dort, wo sie hingehört, und die Einstiegshürde verschiebt sich: weg von „Kann ich programmieren?“, hin zu „Kenne ich mein Fach?“. Damit ist der Kreis derer, die ein auditierbares KI-System aufsetzen können, nicht mehr durch die Zahl der KI-Entwickler in der Branche begrenzt – sondern nur noch durch die Bereitschaft, den Bauplan zu gehen.

„Agentische KI verschiebt die Einstiegshürde von‚ Kann ich programmieren?‘ zu‚ Kenne ich mein Fach?‘ – und macht RAG damit zum ersten Mal breit einsetzbar.“

Bei aller Ermutigung bleibt es Handwerk, kein Hype: Der Assistent nimmt die Tipparbeit ab, nicht die Verantwortung. Was er baut, muss man lesen, verstehen und prüfen – sonst hat man nur eine Black Box gegen eine andere getauscht. Agentische KI ist ein Werkzeug im handwerklichen Sinn: Sie beschleunigt den Handgriff, sie ersetzt nicht den Handwerker.

Wo es noch hakt

Zum Handwerk gehört, die Grenzen des eigenen Werkzeugs zu kennen und zu benennen. Genau das unterscheidet eine Bauanleitung von einem Verkaufsprospekt. Das hier beschriebene System ist erprobt, aber nicht fehlerfrei – und die folgenden Grenzen sind aus den realen Prüfläufen dokumentiert, nicht beschönigt.

Diese Liste ist kein Argument gegen RAG – sie ist der Beweis dafür, dass es Handwerk ist und kein Hype. Ein System, dessen Grenzen man genau benennen kann, ist beherrschbar. Ein System, das alles verspricht, ist es nicht. Der wichtigste Satz bleibt: RAG liefert eine Vorprüfung, keine Entscheidung. Es beschleunigt die fachliche Arbeit, es ersetzt sie nicht.

Drei Wege hinein

Aus dem Bauplan ergeben sich drei realistische Einstiege – je nachdem, wie viel man selbst in die Hand nehmen möchte.

Selbst bauen – mit agentischer KI als Werkzeug. Für alle, die gern selbst Hand anlegen: Die eingesetzten Werkzeuge sind quelloffen, die sieben Schritte sind oben beschrieben, und mit einem agentischen KI- Assistenten lässt sich der technische Teil in einem konzentrierten Wochenende umsetzen. Voraussetzung ist kein Informatikstudium, sondern Fachwissen, Neugier – und die Bereitschaft, jeden Schritt sauber zu gehen und sein Ergebnis zu prüfen.

Expertise oder Schulung dazuholen. Wer schneller oder sicherer starten möchte, holt sich Unterstützung ins Haus: jemanden, der den Bauplan schon gegangen ist, oder eine Schulung, die das Vorgehen vermittelt. Wichtig ist, dass dabei Wissen aufgebaut wird – am Ende soll das System im eigenen Haus laufen, auf dem eigenen Rechner, mit fachlicher Kontrolle im eigenen Büro.

Eine fertige Engine nutzen – den Korpus selbst besitzen. Ein vollständig fertiges RAG-Produkt, Quellenkorpus inklusive, wird es vermutlich nicht geben – und das aus guten Gründen: Normen sind lizenzpflichtig und lassen sich nicht einfach in ein Produkt einpacken; jedes Büro braucht einen anderen Zuschnitt; und die Rechtslage bewegt sich zu schnell für ein eingefrorenes Produkt. Wiederverwendbar ist die Engine – die sieben Schritte als Software. Selbst besitzen und pflegen muss jedes Haus dagegen den Quellenkorpus: die lizenzierten Normen, im eigenen Zuschnitt, auf eigenem Stand. Wer Normwissen nutzt, muss auch die Lizenzen dafür halten. Das ist keine Schwäche von RAG, sondern eine Eigenschaft des Normwesens – und ein weiterer Grund, das Verfahren selbst zu verstehen, statt auf eine Komplettlösung zu warten.

Kein Wunder, aber auch keine Ausrede. „Kein Hype “heißt zweierlei. Es heißt: kein Wunder – es gibt keinen magischen KI- Knopf, und jeder, der einen verspricht, sollte misstrauisch machen. Aber es heißt eben auch: keine Ausrede. Die Werkzeuge sind quelloffen und kostenfrei, der Bauplan ist dokumentiert, die Hardware steht in Form eines normalen Notebooks ohnehin schon auf dem Schreibtisch. Das Thema ist nicht „zu komplex “– es ist nur Arbeit, und zwar eine Art von Arbeit, die der Berufsstand kann.

Zwischen einer Energieberaterin und einem auditierbaren KI-System steht damit nicht mehr ein Budget, ein Rechenzentrum oder ein Informatikstudium. Mit agentischer KI als Werkzeug steht dort nicht einmal mehr die Programmierarbeit – sie übernimmt den technischen Teil, während die Fachperson die Steuerung behält. Was bleibt, ist eine Entscheidung: das Thema als Handwerk zu behandeln statt als Hype. Genau darin liegt der Schlüssel zum breiten Einsatz – nicht in mehr Technik, sondern in der Bereitschaft, den Bauplan zu gehen. Im siebten Teil dieser Reihe lösen wir das Versprechen aus Teil 5 ein und stellen den Reality-Check der elf Teile der DIN/ TS 18599:2025 vor – und zeigen, wie aus ausgefüllten Prüfprotokollen ein Rückkopplungskreis wird, der das System gezielt besser macht.

„Es gibt keinen KI-Knopf. Aber es gibt einen Bauplan – und mit agentischer KI als Werkzeug kann ihn die ganze Branche gehen, nicht nur ihre Programmierer.“