# rag-decline-context-windows-2025-10-08

## Veille

RAG-Niedergang - Erweiterung der KI-Kontextfenster - LinkedIn

## Titre Article

From RAG to Rigor Mortis: Why Retrieval-Augmented Generation looks like dying

## Date

2025-10-08

## URL

https://www.linkedin.com/pulse/from-rag-rigor-mortis-why-retrieval-augmented-looks-like-ensarguet-txide/

## Keywords

Retrieval-Augmented Generation (RAG), KI-Kontextfenster, Agentic AI, Large Language Models (LLMs), Entwicklung der KI-Technologie, Kontextsuchstrategien

## Authors

Philippe Ensarguet

## Ton

**Profil:** Professionell | Analytisch mit starker Meinung | Meinung-Analytisch | Mittel-Zugänglich

Ensarguet nimmt einen provokanteren Ton an als in seinen anderen LinkedIn-Artikeln. Ein prägnanter Titel ("From RAG to Rigor Mortis") und eine kontroverse These (RAG-Niedergang) offenbaren einen Vordenker, der eine klare Position bezieht. Die Sprache bleibt trotz technischer Konzepte (Kontextfenster, LLMs) zugänglich. Charakteristischer Stil von LinkedIn-Beiträgen, die auf Engagement durch kontraintuitive Thesen statt vorsichtigen Konsens abzielen. Zielgruppe: ein Tech-Publikum, das an zukunftsweisenden Analysen interessiert ist.

## Pense-betes

- RAG war eine vorübergehende Lösung für begrenzte Kontextfenster
- Kontextfenster entwickeln sich von 8K auf potenziell Millionen von Tokens
- 5 zentrale Herausforderungen von RAG: Chunking, Embeddings, hybride Suche, Reranking, Infrastrukturkomplexität
- Schlüsselzitat: "RAG was never the destination—it was a temporary detour"
- Aufkommen von IA agentique und direkter kontextinterner Suche
- Die Fähigkeiten zum Aufbau von KI-Systemen entwickeln sich rasant weiter

## RésuméDe400mots

Der Artikel untersucht den möglichen Niedergang von Retrieval-Augmented Generation (RAG) angesichts der rasanten Entwicklung der KI-Technologie. Der Autor erklärt, wie RAG als Lösung für die begrenzten Kontextfenster früher KI-Modelle entstand und es Systemen ermöglichte, relevante Dokumentfragmente abzurufen und zu nutzen. Mit der raschen Erweiterung der Kontextfenster moderner KI-Modelle (Wachstum von 8K auf potenziell Millionen von Tokens) könnte RAG jedoch obsolet werden.

Der Artikel hebt fünf zentrale Herausforderungen von RAG hervor, die zu seinem möglichen Niedergang beitragen. Erstens verliert das Chunking von Dokumenten kontextuelle Bedeutung und fragmentiert Informationen künstlich. Zweitens weisen Embedding-Technologien inhärente Grenzen in ihrer Fähigkeit auf, den semantischen Reichtum von Inhalten vollständig zu erfassen.

Drittens fügt die hybride Suche dem Prozess des Informationsabrufs unnötige Komplexität hinzu. Viertens führt Reranking zusätzliche Latenz und Kosten in die Verarbeitungspipeline ein. Schließlich wird die Verwaltung der RAG-Infrastruktur zunehmend komplexer und kostspieliger in der Instandhaltung.

Der Autor argumentiert, dass aufkommende Technologien wie Claude Code eine Verschiebung hin zu direkter, kontextreicher Suche ohne komplexe Retrieval-Mechanismen zeigen. Da KI-Modelle nun ganze Dokumente innerhalb ihrer Kontextfenster verarbeiten können, könnte eine aufwendige RAG-Infrastruktur überflüssig werden.

Diese Entwicklung stellt einen Paradigmenwechsel in der Art und Weise dar, wie KI-Systeme konzipiert und gebaut werden. Anstatt Informationen zu fragmentieren und abzurufen, werden zukünftige Systeme in der Lage sein, große Mengen an Kontext direkt zu verarbeiten, was ein ganzheitlicheres und nuancierteres Verständnis ermöglicht.

Der Artikel stellt fest, dass dieser Übergang erhebliche Auswirkungen auf Organisationen und Entwickler hat, die stark in RAG-Infrastruktur investiert haben. Die für den Aufbau von KI-Systemen erforderlichen Fähigkeiten entwickeln sich weiter, weg von komplexem Retrieval-Engineering hin zur Gestaltung agentischer Systeme, die in der Lage sind, große kontextuelle Räume intelligent zu navigieren.

Der Autor schlägt vor, dass sich Organisationen auf diesen technologischen Übergang vorbereiten müssen, in der Erkenntnis, dass RAG nur eine Zwischenstufe in der Entwicklung der KI war. Zukünftige Systeme werden ein vollständiges Kontextverständnis dem fragmentierten Retrieval vorziehen.

Das zentrale Zitat fasst diese Perspektive perfekt zusammen: "RAG was never the destination—it was a temporary detour." Diese Aussage bringt den Gedanken auf den Punkt, dass RAG eine pragmatische Lösung für technische Einschränkungen war, die nun durch die rasante technologische Innovation überholt werden.

Abschließend fordert der Artikel eine Neubewertung aktueller KI-Architekturen sowie die Antizipation aufkommender Paradigmen, die traditionelle RAG-Ansätze ablösen werden.

## GrapheDeConnaissance

- Philippe Ensarguet —affirme_que→ le RAG est en déclin structurel (AFFIRMATION, 0.98)
- Nicolas Bustamante —publie→ The RAG Obituary (DOCUMENT, 0.97)
- Nicolas Bustamante —dirige→ Fintool (ORGANISATION, 0.95)
- RAG —résout→ fenêtres de contexte (CONCEPT, 0.95)
- cascade d'échecs en cinq étapes —observé_dans→ RAG (TECHNOLOGIE, 0.93)
- Claude Code —remplace→ RAG (TECHNOLOGIE, 0.88)
- Claude Code —utilise→ grep et glob (TECHNOLOGIE, 0.96)
- Anthropic —publie→ Claude Code (TECHNOLOGIE, 0.97)
- fenêtres de contexte —mesure→ passage de 8K à 2M tokens (MESURE, 0.97)
- IA agentique —remplace→ RAG (TECHNOLOGIE, 0.9)
- IA agentique —utilise→ nouvelles compétences techniques (CONCEPT, 0.92)
- Philippe Ensarguet —prédit→ l'expansion des contextes LLM rendra le RAG obsolète (AFFIRMATION, 0.85)
- Gemini 2.5 —mesure→ 1M tokens de contexte (MESURE, 0.95)

---
Canonical: https://www.thekb.eu/de/fiches/rag-decline-context-windows-2025-10-08/