El conocimiento procedimental es esencial en dominios especializados, y las herramientas de lenguaje natural para recuperar conocimiento procedimental son necesarias para que los usuarios no expertos faciliten su comprensión y aprendizaje. En este estudio, nos centramos en los árboles de descomposición de funciones, un marco para representar el conocimiento procedimental, y proponemos una interfaz de lenguaje natural que aprovecha la Generación Aumentada por Recuperación (RAG). La interfaz de lenguaje natural convierte las entradas del usuario en consultas SPARQL, recuperando datos relevantes y presentándolos posteriormente en un formato accesible y basado en chat. Una búsqueda tan flexible y orientada a objetivos facilita la comprensión de los usuarios sobre las funciones de los artefactos o acciones humanas y su desempeño en estas acciones. Demostramos que la herramienta recupera efectivamente acciones, objetivos y dependencias utilizando un ejemplo ilustrativo del mundo real de un árbol de descomposición de funciones. Además, evaluamos el sistema comparándolo con ChatGPT 4o y Microsoft GraphRAG. Los resultados sugieren que el sistema puede ofrecer respuestas que son tanto necesarias como suficientes para las necesidades de los usuarios, mientras que las salidas de otros sistemas carecen de los elementos clave y devuelven información redundante.