Das englische Wort grounding bedeutet Erdung oder Verankerung. Gemeint ist, dass eine Antwort in belegten Fakten verankert ist. Für die Suchmaschinenoptimierung ist der Begriff wichtig geworden, weil KI-Suchen wie die AI Overviews von Google ihre Antworten auf genau diese Weise mit Quellen belegen.
Warum Sprachmodelle ohne Grounding Fehler machen
Ein Sprachmodell erzeugt Text, indem es aus den Mustern seiner Trainingsdaten das jeweils wahrscheinlichste nächste Wort berechnet. Ob eine Aussage stimmt, prüft es dabei nicht. Fehlt eine Information im Training oder ist sie veraltet, entsteht trotzdem eine flüssige Antwort, die falsch sein kann. Solche Antworten heißen Halluzinationen.
Hinzu kommt der Wissensstand. Ein Modell kennt nur, was bis zu seinem Trainingsstichtag in den Daten stand. Preise, Lieferzeiten, Gesetzesstände und Produktversionen ändern sich danach weiter, und ohne Zugriff auf aktuelle Quellen kann das Modell diese Änderungen nicht kennen.
Wie läuft Grounding ab?
Google dokumentiert den Ablauf für die Gemini-API, wenn das Modell die Google-Suche als Quelle nutzt. Er besteht aus fünf Schritten:
- Bedarf prüfen: Das Modell entscheidet, ob eine Suche die Antwort verbessert.
- Suchanfragen bilden: Es formuliert eine oder mehrere Anfragen. In AI Overviews und im AI Mode nutzt Google dafür Query Fan-Out und stellt mehrere verwandte Anfragen zu Teilthemen.
- Quellen abrufen: Das System holt die Suchergebnisse oder Dokumente.
- Antwort erzeugen: Das Modell formuliert die Antwort auf Basis der abgerufenen Inhalte.
- Belege zuordnen: Jeder Abschnitt der Antwort wird mit der Quelle verknüpft, auf der er beruht.
Die Zuordnung im letzten Schritt geschieht auf der Ebene einzelner Sätze. Die Gemini-API markiert für jedes Zitat, welcher Zeichenbereich der Antwort sich auf welche URL stützt. Claude von Anthropic zerlegt bereitgestellte Dokumente in Sätze und gibt zu jeder Aussage die genaue Textstelle zurück, aus der sie stammt. Belegt wird also nicht eine Seite als Ganzes, sondern der einzelne Satz oder Abschnitt.
Welche Arten von Grounding gibt es?
Die Verfahren unterscheiden sich vor allem darin, woher die Quellen kommen:
- Websuche: Das Modell sucht im Internet, bei Gemini zum Beispiel über die Google-Suche. Diese Variante liefert aktuelle Informationen zu offenen Fragen und ist die Grundlage von KI-Suchen.
- Eigene Dokumente: Das System durchsucht eine festgelegte Sammlung, etwa Handbücher, Verträge oder eine Wissensdatenbank, und gibt die passenden Abschnitte an das Modell weiter. Das Verfahren heißt Retrieval Augmented Generation (RAG) und wurde 2020 von Patrick Lewis und Kollegen beschrieben.
- Werkzeuge und Schnittstellen: Das Modell ruft eine Datenbank, einen Rechner oder eine API auf. Auf die Frage nach dem Wetter in München am nächsten Tag fragt es zum Beispiel einen Wetterdienst ab, statt eine Vorhersage zu erfinden.
Für Anwendungen im Unternehmen liegt RAG nahe, weil die Quellen bekannt und kontrollierbar sind. Die Websuche passt dort, wo Fragen aktuelle oder öffentliche Informationen brauchen.
Ist Grounding dasselbe wie RAG?
Nein. Grounding beschreibt das Ziel, eine Antwort an Quellen zu binden. RAG ist eine Technik, mit der sich dieses Ziel erreichen lässt: Ein Suchschritt holt passende Textabschnitte, und das Modell erzeugt daraus die Antwort. Grounding über die Websuche oder über Werkzeuge kommt ohne eigene Dokumentensammlung aus und ist trotzdem Grounding.
Ebenfalls oft verwechselt wird Grounding mit Fine-Tuning. Beim Fine-Tuning wird ein Modell mit zusätzlichen Daten nachtrainiert, das Wissen steckt danach in den Modellgewichten. Einen Beleg zur einzelnen Antwort gibt es dabei nicht, und neues Wissen erfordert ein neues Training. Grounding liefert die Fakten dagegen bei jeder Anfrage neu und mit Quelle.
Warum Grounding für die Sichtbarkeit in KI-Suchen zählt
KI-Suchen beantworten Fragen direkt und nennen dazu ihre Quellen. Google zeigt in AI Overviews und im AI Mode Links zu den Seiten, auf die sich eine Antwort stützt. Eine Seite, die dort als Quelle erscheint, wird gesehen, ohne dass sie auf Platz eins der klassischen Ergebnisse stehen muss.
Die Voraussetzungen sind laut Google einfach: Eine Seite muss indexiert sein und mit Snippet in der Suche erscheinen dürfen. Zusätzliche technische Anforderungen oder spezielles Markup gibt es nicht. Durch Query Fan-Out ruft das System zu einer Frage mehrere verwandte Teilfragen ab und zeigt dadurch mehr und unterschiedlichere Links als bei einer einzelnen Suche.
Für die Generative Engine Optimization (GEO) verschiebt sich damit die Frage. Statt „Rankt die Seite für das Keyword?“ lautet sie „Liefert die Seite zu einer Teilfrage eine Aussage, die sich belegen lässt?“. Wie eine Seite gezielt als solche Quelle aufgebaut wird, beschreibt der Guide zur Grounding Page.
So werden Inhalte zur Quelle für KI-Antworten
Weil KI-Systeme einzelne Sätze und Abschnitte als Beleg verwenden, folgen daraus einige Regeln für den Aufbau von Inhalten:
- Indexierung prüfen: Die Seite darf weder noindex noch nosnippet tragen, sonst kommt sie als Quelle nicht infrage.
- Die Antwort an den Anfang stellen: Der erste Satz beantwortet die Frage vollständig, etwa mit einer Definition.
- Sätze in sich vollständig formulieren: Den Begriff nennen statt „es“ oder „dies“, damit ein einzelner Satz auch ohne seine Umgebung verständlich bleibt.
- Zahlen und Daten genau angeben: Ein Satz mit Wert, Einheit und Zeitraum lässt sich belegen, eine Formulierung wie „vor Kurzem“ oder „viele“ nicht.
- Teilfragen abdecken: Die Fragen, die ein Thema typischerweise aufwirft, jeweils in einem eigenen Abschnitt beantworten, weil Query Fan-Out genau nach diesen Teilfragen sucht.
- Quellen nennen und verlinken: Eigene Aussagen mit Primärquellen belegen, damit sie überprüfbar bleiben.
Wo Grounding an Grenzen stößt
- Qualität der Quellen: Grounding macht eine Antwort nachprüfbar, aber nicht automatisch richtig. Ist die Quelle falsch oder veraltet, übernimmt das Modell den Fehler.
- Auswahl der Quellen: Welche Seiten oder Dokumente abgerufen werden, entscheidet der Suchschritt. Was dort nicht gefunden wird, fließt nicht in die Antwort ein.
- Widersprüche: Weichen Modellwissen und Quelle voneinander ab, kann die Antwort beides vermischen.
- Aufwand: Jeder Suchschritt kostet Zeit und Geld. Bei der Gemini-API wird für neuere Modelle jede Suchanfrage einzeln abgerechnet, die das Modell ausführt.
Häufige Fragen zu Grounding
Verhindert Grounding Halluzinationen vollständig?
Nein. Grounding senkt das Risiko, weil die Antwort auf abgerufenen Inhalten beruht. Das Modell kann eine Quelle aber falsch wiedergeben oder eine unpassende Quelle wählen. Die Zitate machen solche Fehler sichtbar, weil sich jede Aussage an ihrer Quelle prüfen lässt.
Welche anderen Bedeutungen hat Grounding?
In Gesundheit und Psychologie steht Grounding für Erdungs- und Achtsamkeitstechniken, diese Bedeutung dominiert die deutsche Google-Suche nach dem einzelnen Wort. In der Kognitionswissenschaft beschreibt das Symbol-Grounding-Problem, wie Zeichen ihre Bedeutung aus der Verbindung zur Welt erhalten (Harnad, 1990). In der Bilderkennung bezeichnet Visual Grounding die Aufgabe, ein beschriebenes Objekt in einem Bild zu finden.
Was ist eine Grounding Page?
Eine Grounding Page ist eine eigene Seite, die eine Entität wie ein Unternehmen, eine Person oder ein Produkt faktisch und strukturiert beschreibt. Sie hilft KI-Systemen beim Grounding, eine zitierfähige Quelle zu finden. Aufbau und Beispiele stehen im Guide zur Grounding Page.
Quellen
- Google: Grounding with Google Search, Dokumentation der Gemini-API
- Google Search Central: AI features and your website
- Anthropic: Citations, Dokumentation der Claude-API
- Lewis, P. et al. (2020): Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, NeurIPS 2020
- Harnad, S. (1990): The Symbol Grounding Problem, Physica D 42
