Glossareintrag
Wir denken. KI tippt mit.
Grounding (deutsch Fundierung, im Zusammenhang mit der Websuche auch Search Grounding) bedeutet, dass ein KI-System seine Antwort an mitgeliefertes, überprüfbares Quellmaterial bindet, statt sie allein aus dem Trainingswissen zu formulieren. Das KI-Modell bekommt vor dem Antworten Suchtreffer, Dokumente oder Datenbankeinträge in den Prompt gelegt und soll seine Aussagen daraus ableiten. Wo das gelingt, lässt sich jede einzelne Aussage einer solchen Antwort auf eine konkrete Fundstelle zurückführen.
Grounding bei KI ist damit ein Ziel und keine bestimmte Technik. RAG ist das gängigste Verfahren, das Quellmaterial überhaupt heranzuschaffen. Ob die fertige Antwort dann wirklich darauf beruht, ist eine eigene Frage, und genau die meint Grounding. Microsoft trennt beides in seiner Dokumentation zur Groundedness-Erkennung ausdrücklich, indem es RAG als Technik bezeichnet und Groundedness als das Maß, in dem eine Ausgabe auf den bereitgestellten Informationen beruht.
Die Anbieter gehen mit dem Wort selbst unterschiedlich um. Google übersetzt es in seiner deutschen Dokumentation meist mit „Fundierung“ und nennt die Funktion der Gemini-Schnittstelle Fundierung mit der Google Suche. Microsoft schwankt in seinen deutschen Seiten zwischen der „gegroundeten Eingabeaufforderung“ in der Copilot-Architektur, der „Erdung“ und den „nicht geerdeten Antworten“. Ein einheitlicher deutscher Fachbegriff hat sich also nicht durchgesetzt.
Hinweis: Verwechselbar mit dem Symbol Grounding Problem. Der Kognitionswissenschaftler Stevan Harnad stellte 1990 in seinem Aufsatz The Symbol Grounding Problem die Frage, woher Symbole überhaupt eine eigene Bedeutung bekommen, wenn sie nur auf andere Symbole verweisen. Sein Bild dafür ist der Versuch, Chinesisch allein mit einem chinesisch-chinesischen Wörterbuch zu lernen. Ein endloses Karussell von Symbol zu Symbol, das nie bei einer Bedeutung anhält. Gleicher Wortstamm, andere Frage. Harnad geht es um Bedeutung, dem heutigen Produkt-Grounding um Belege.
(Hinweis: Ebenfalls verwechselbar mit GUI-Grounding. Dort ordnet ein KI-Agent eine Anweisung der richtigen Stelle auf einem Bildschirmfoto zu, damit er an dieser Stelle klicken kann.)
Google dokumentiert den Ablauf für Gemini Schritt für Schritt. Eine Anwendung schickt die Frage mit aktiviertem Such-Werkzeug an das Modell. Das Modell entscheidet selbst, ob eine Suche die Antwort verbessert. Wenn ja, formuliert es eigene Suchanfragen, führt sie aus und verarbeitet die Treffer zur Antwort. Zurück kommt mehr als nur Text. Google liefert die tatsächlich verwendeten Suchanfragen mit, dazu die herangezogenen Webquellen und eine Zuordnung, welche Textstelle auf welche Quelle zurückgeht. Diese Zuordnung einzelner Textstellen unterscheidet eine gegroundete Antwort von einer, die nur eine Linkliste anhängt.
Wer die Funktion einsetzt, geht eine sichtbare Verpflichtung ein. In den Nutzungsbedingungen der Gemini-Schnittstelle steht, dass die mitgelieferten Suchvorschläge zusammen mit der Antwort erscheinen müssen, unverändert und ohne Zwischenseite. Google untersagt außerdem, die Ergebnisse weiterzuverkaufen oder auf ihnen zu trainieren. Speichern ist nur eng begrenzt erlaubt, etwa im Gesprächsverlauf des Nutzers und für höchstens zwei Jahre zu Auswertungszwecken. Die Suchvorschläge unter der Antwort einer solchen Anwendung sind also kein Designeinfall, sondern Vertragsbedingung.
Typische Bezeichnungen der Anbieter:
Die Begriffe Grounding, RAG und Websuche werden im Alltag oft synonym benutzt, meinen aber verschiedene Ebenen. RAG ist das Verfahren, passende Textstellen zu finden und in den Prompt zu schieben. Die Websuche ist nur eine mögliche Quelle neben Kartendaten, dem eigenen Dokumentenbestand oder einer Firmendatenbank. Ein Zitat wiederum ist der Nachweis und nicht der Mechanismus. Grounding ist das Ergebnis über allen dreien, nämlich eine Antwort, die nachweislich auf dem vorgelegten Material beruht.
Weil Grounding eine Eigenschaft der Antwort ist, lässt es sich messen. Googles Check-Grounding-Schnittstelle gibt einen Wert zwischen 0 und 1 zurück, der angibt, wie stark eine Antwort in den mitgelieferten Fakten verankert ist. Nur teilweise gedeckte Aussagen zählen ausdrücklich als nicht gedeckt. Microsoft bietet mit der Groundedness-Erkennung in Azure AI Content Safety ein Gegenstück, das ungedeckte Passagen markiert und in einer Vorschaufunktion korrigiert. Für deutschsprachige Unternehmen hat das einen Haken. Die Erkennung ist laut Microsoft-Dokumentation nur für englische Inhalte optimiert. Andere Sprachen nimmt die Erkennung zwar an, prüft sie aber nicht in derselben Qualität.
Dass die Anbieter solche Prüfwerkzeuge überhaupt bauen, sagt bereits das Wichtigste über die Grenzen. Grounding senkt die Zahl erfundener Angaben, es beseitigt sie nicht. Selbst wenn das passende Dokument direkt beiliegt, bleibt eine Lücke. Im FACTS-Grounding-Benchmark von Google DeepMind, der genau diesen Fall prüft, führte zum Start das Vorschaumodell gemini-2.0-flash-exp mit 83,6 Prozent. Rund jede sechste Antwort wurde also nicht als vollständig gedeckt und zugleich brauchbar gewertet. Der Benchmark misst die Treue zum beigefügten Dokument und nicht das Weltwissen des Modells.
Schlechtes Quellmaterial kann sogar schlimmer sein als gar keines. Ein Team von Google Research hat gemessen, wie sich unzureichender Kontext auswirkt. Beim Modell Gemma stieg der Anteil falscher Antworten laut dem Forschungsbericht zu unzureichendem Kontext in RAG-Systemen von 10,2 Prozent ohne jeden Kontext auf 66,1 Prozent, sobald unzureichender Kontext mitgeliefert wurde. Modelle enthalten sich in solchen Fällen also eher selten, sie nehmen, was vorliegt. Die Untersuchung ClashEval zum Konflikt zwischen Modellwissen und abgerufenen Inhalten kommt zum selben Befund. In über 60 Prozent der Fälle übernahmen die getesteten Modelle einen falschen abgerufenen Inhalt und verwarfen dafür ihr eigenes, korrektes Wissen.
Auch fertige Produkte lösen das nicht. Eine präregistrierte Studie der Stanford-Gruppe RegLab zu KI-Rechercheprodukten für Juristen prüfte gut 200 Rechtsfragen. Alle getesteten Produkte arbeiten mit angebundenen Rechtsdatenbanken und lagen bei Halluzinationsraten zwischen 17 und 33 Prozent, während GPT-4 ohne solche Anbindung deutlich darüber lag. Weniger erfundene Angaben bedeuten aber nicht automatisch mehr richtige. Bei der reinen Trefferquote schnitt laut der zugehörigen Veröffentlichung zu KI-Rechtsrecherche nur eines der drei Produkte gut ab, das schwächste beantwortete lediglich 19 Prozent der Fragen korrekt.
Bei Nachrichten zeigt sich dasselbe Bild. Für die Untersuchung von 22 öffentlich-rechtlichen Medienhäusern zur Verlässlichkeit von KI-Assistenten prüften Journalisten aus 18 Ländern über 3.000 Antworten in 14 Sprachen. Fast die Hälfte enthielt mindestens ein erhebliches Problem, bei rund einem Drittel ging es um schwerwiegende Mängel bei den Quellenangaben. Getestet wurden ChatGPT, Copilot, Gemini und Perplexity.
Grounding kostet außerdem Zeit und Geld. Jeder Suchlauf verlängert die Antwort spürbar. Google rechnet bei den Gemini-3-Modellen jede einzelne Suchanfrage ab, die das Modell auslöst, während bei älteren Modellen pro Anfrage abgerechnet wurde. Preise und Freikontingente unterscheiden sich je nach Modell und Tarif und stehen in den Fundierungs-Zeilen der offiziellen Preisseite der Gemini-Schnittstelle.
Im Alltag erkennen Sie Grounding zuerst daran, ob eine Antwort Quellen mitliefert, die Sie anklicken können. Das ist ein Hinweis und kein Beweis. Es gibt gegroundete Systeme, die ihre Quellen gar nicht anzeigen, und ein angezeigter Link belegt nur, dass eine Quelle herangezogen wurde, nicht dass die Aussage dort auch steht. Fehlen Quellen ganz, rechnen Sie besser damit, dass die Auskunft aus dem eingefrorenen Trainingswissen stammt und damit aus dem Wissens-Cutoff. Anwendungen auf Basis der Gemini-Schnittstelle müssen die Google-Suchvorschläge sogar einblenden. Claude gibt zu jedem Suchtreffer einen Ausschnitt der zitierten Stelle mit aus. Prüfen heißt in allen Fällen anklicken.
Wollen Sie Ihre eigenen Unterlagen als Grundlage nutzen, führen mehrere Wege dorthin. Am einfachsten geht es mit Gemini Notebook, dem früheren NotebookLM. Sie laden Preislisten, Herstellerdatenblätter oder Leistungsverzeichnisse hoch und bekommen Antworten mit Quellenangaben zur Überprüfung. Bei Microsoft Copilot hängt es an der Lizenz. Die Basisvariante greift laut Microsofts deutscher Copilot-Übersicht im Chat nicht über den Microsoft Graph auf Ihre Organisationsdaten zu. Dateien können Sie ihr weiterhin selbst mitgeben, das automatische Heranziehen der eigenen Ablage steckt jedoch in der kostenpflichtigen Zusatzlizenz. Wie aus verstreuten Dokumenten eine dauerhaft abfragbare Wissensbasis wird, steht im Eintrag zu RAG.
Wer einen eigenen Assistenten zusammenklickt, findet den Grounding-Gedanken als Schalter wieder. In Microsoft Copilot Studio heißt er im Original „Allow ungrounded responses“, in der deutschen Fassung uneinheitlich „Nicht geerdete Antworten zulassen“ oder „Unbelegte Antworten zulassen“. Schalten Sie ihn ab, gibt der Agent eine Antwort nur noch heraus, wenn sie eine Quellenangabe aus einer hinterlegten Wissensquelle enthält. Microsoft schränkt das selbst ein. Erstens garantiere das Abschalten nicht, dass der Agent nie auf allgemeines Modellwissen zurückgreift. Zweitens halte der Agent gelegentlich eine richtige Antwort zurück, weil das Zitat dazu fehlt, und melde dann, er habe nichts gefunden.
Beim Chatbot auf der eigenen Website lohnt der genaue Blick auf das Anbieterversprechen. Die Formulierungen unterscheiden sich stärker, als die Werbeseiten vermuten lassen.
Kein Anbieter verspricht Fehlerfreiheit. Was ein erfundener Satz Ihres Chatbots rechtlich bedeutet, steht im Eintrag zum Halluzinieren.
Damit Grounding etwas bringt, muss das Unternehmen liefern. Microsoft rät in einem eigenen Leitfaden zur Länge von Dokumenten für Copilot, lange Dateien in kleinere aufzuteilen, weil Sprachmodelle Inhalte am Anfang und am Ende einer Datei bevorzugt auswerten. Praktisch heißt das auch, alte Preislisten auszusortieren, denn ein Bot unterscheidet die gültige Fassung nicht von der vorletzten. Hinzu kommen die Zugriffsrechte. Gemini in Google Workspace erreicht höchstens die Dateien, die der fragende Mitarbeiter ohnehin öffnen darf, bei gesperrtem Download sogar weniger. Und die zwanzig häufigsten Kundenfragen gehören einmal durchgespielt und mit einer hinterlegten Antwort versehen, bevor ein Bot online geht.
Die zweite Richtung betrifft Sie als Quelle. Fragt ein Interessent eine KI nach einem Badumbau in Ihrer Stadt, wird die Antwort auf die Webseiten gegroundet, die das System dazu findet. Veraltete Leistungsseiten, fehlende Öffnungszeiten oder Angaben, die nur in einem PDF stehen, führen dann zu einer Auskunft über Ihren Betrieb, die Sie nicht geschrieben haben. Wie Sie eigene Inhalte für solche Systeme auffindbar und aktuell halten, behandeln die Einträge zu GEO und llms.txt.
