Grounding bezeichnet das Stützen einer KI-Antwort auf abgerufene Quellen: Das System sucht passende Inhalte, zum Beispiel über eine Websuche, und formuliert seine Antwort auf dieser Grundlage – statt nur aus seinen Trainingsdaten.
Ein LLM antwortet zunächst aus dem, was es im Training gelernt hat. Grounding verbindet das Modell mit aktuellen, überprüfbaren Informationen: Vor oder während der Antwort werden Quellen abgerufen, und die Antwort wird auf diese Quellen gestützt.
Google beschreibt für „Grounding with Google Search“, dass ein Gemini-Modell dabei mit aktuellen, öffentlich verfügbaren Webinhalten verbunden wird. Genannte Ziele: Halluzinationen reduzieren, weil Antworten auf echten Informationen beruhen; aktuelle Themen beantworten; und Quellen anzeigen, damit Nutzer die Aussagen prüfen können.
Um Quellen zu finden, formuliert das System eigene Suchbegriffe – die Grounding Queries. Sie sind nicht identisch mit der Frage des Nutzers. Microsoft zeigt sie im Bericht „AI Performance“ der Bing Webmaster Tools an: als die Suchbegriffe, mit denen die KI Inhalte abgerufen hat, die in Antworten zitiert wurden. Googles Query Fan-out ist ein verwandtes Prinzip: Eine Frage wird in mehrere Teilsuchen zerlegt.
Wer in gegroundeten Antworten auftauchen will, muss bei diesen Teilsuchen gefunden werden und dann eine Stelle bieten, die die Teilfrage klar beantwortet. Im Meusel Visibility Framework betrifft das vor allem GEO (Processability) und AEO (Answerability). Das Ergebnis ist eine Citation: Der Inhalt wird als Beleg herangezogen.
Beim Training lernt ein Modell Muster aus großen Textmengen – mit einem Stichtag. Grounding holt Informationen erst zum Zeitpunkt der Frage dazu.
Query Fan-out beschreibt, wie Google eine Frage in viele Teilsuchen zerlegt. Grounding beschreibt allgemein, dass eine Antwort auf abgerufene Quellen gestützt wird.
Beim Fine-Tuning wird ein Modell mit zusätzlichen Daten nachtrainiert. Grounding verändert das Modell nicht, sondern gibt ihm für eine einzelne Antwort Quellen mit.
Konstruiertes Beispiel – es zeigt den Mechanismus.
Frage an einen KI-Assistenten mit Websuche: „Welche Öffnungszeiten hat das Bürgeramt in Musterstadt am Samstag?“ Ohne Grounding würde das Modell raten oder veraltete Angaben nennen. Mit Grounding sucht es etwa nach „Bürgeramt Musterstadt Öffnungszeiten Samstag“, ruft die Seite der Stadt ab und nennt sie als Quelle.
Genau dieser interne Suchbegriff wäre eine Grounding Query – bei Microsofts Systemen sichtbar in den Bing Webmaster Tools.
In diesen Beiträgen spielt der Begriff eine Rolle – mit Quellen, Einordnung und konkreten Empfehlungen.
Außerdem erwähnt in
Die Suchbegriffe, die ein KI-System intern formuliert, um Quellen für eine Antwort zu finden. Microsoft zeigt sie für zitierte Seiten in den Bing Webmaster Tools an.
Es soll sie reduzieren, weil Antworten auf abgerufenen Informationen beruhen. Ausschließen kann Grounding Fehler nicht – etwa wenn die Quelle selbst falsch ist oder falsch wiedergegeben wird.
Für Microsofts Systeme ja, im Bericht „AI Performance“ der Bing Webmaster Tools – laut Microsoft als Stichprobe. Für Google und andere Anbieter gibt es keine vergleichbare Anzeige.
In einem unverbindlichen Erstgespräch klären wir, wo Sie heute stehen. Ehrlich, konkret und ohne Verkaufsdruck.
