Grounding

Was bedeutet Grounding?

Grounding ist die Substantivform des englischen Verbs „to ground“. Das Verb heißt unter anderem erden, am Boden halten oder auf eine Grundlage stellen. Wörtlich übersetzt bedeutet Grounding also Erdung, im übertragenen Sinn Verankerung oder Fundierung. Eine Aussage, die im Englischen „grounded in facts“ ist, stützt sich auf Tatsachen.

In der künstlichen Intelligenz (KI) hat sich die übertragene Bedeutung durchgesetzt. Grounding beschreibt dort, dass ein KI-System seine Antwort an Informationen bindet, die außerhalb des Modells liegen und sich überprüfen lassen. Der Begriff ist in der KI-Forschung älter als die KI-Suche. Der Kognitionswissenschaftler Stevan Harnad beschrieb 1990 das Symbol Grounding Problem, also die Frage, wie Zeichen in einem Computersystem eine Bedeutung bekommen, die nicht nur aus anderen Zeichen besteht. Bekannt geworden ist der Begriff im Search-Marketing mit der KI-Suche, denn Systeme wie ChatGPT, Gemini oder Perplexity sichern ihre Antworten so mit Quellen aus dem Web ab.

Andere Bedeutungen von Grounding

Je nach Fachgebiet meint Grounding etwas anderes.

• Luftfahrt und Wirtschaft. In der Luftfahrt bezeichnet Grounding ein Flugverbot, bei dem Flugzeuge am Boden bleiben müssen. Im Deutschen steht der Begriff laut Duden auch für das vollständige Einstellen der Leistungen eines Unternehmens, besonders einer Fluggesellschaft, bekannt durch das Grounding der Swissair 2001.
• Psychologie. Grounding-Techniken, auch Erdungsübungen genannt, lenken die Aufmerksamkeit über die Sinne zurück ins Hier und Jetzt, etwa bei Angst, Panikattacken, Dissoziation oder Flashbacks. Ein bekanntes Beispiel ist die 5-4-3-2-1-Übung.
• Elektrotechnik. Im amerikanischen Englisch steht Grounding für die Erdung, also die leitende Verbindung eines Geräts mit dem Erdpotenzial, die unter anderem vor elektrischem Schlag schützt. Im britischen Englisch heißt sie Earthing.
• Gesundheitstrend. Unter Grounding oder Earthing versteht man auch den direkten Hautkontakt mit dem Erdboden, etwa beim Barfußgehen, und die Nutzung von Erdungsmatten. Befürworter versprechen sich davon eine gesundheitliche Wirkung.
• Computer Vision. In multimodalen KI-Modellen heißt Grounding, Begriffe mit Bildinhalten zu verknüpfen. Ein Modell markiert dann etwa zur Beschreibung „eine Person, die mit einem Hund spazieren geht“ die passende Stelle im Foto.

Was ist Grounding in der KI?

Ein Large Language Model (LLM) erzeugt Antworten aus dem Wissen, das es im Training gelernt hat. Dieses Wissen endet an einem Stichtag. Außerdem kann das Modell nicht belegen, woher eine Aussage stammt. Fehlt ihm eine Information, formuliert es unter Umständen eine plausibel klingende, aber falsche Antwort. Dieses Verhalten heißt Halluzination.

Grounding setzt an diesen Schwächen an. Ein KI-System mit Grounding gibt dem Modell zur Frage passende Informationen aus externen Quellen mit, etwa Treffer einer Websuche oder Abschnitte aus Unternehmensdokumenten. Das Modell stützt seine Antwort darauf und kann die Quellen nennen. Google beschreibt Grounding in seiner Cloud-Dokumentation als die Fähigkeit, die Ausgabe eines Modells mit überprüfbaren Informationsquellen zu verbinden.

Grounding verfolgt damit drei Ziele, die Google für „Grounding with Google Search“ in der Gemini-API, der Programmierschnittstelle für Gemini, als Vorteile nennt.

• Aktualität. Das Modell kann Fragen zu Ereignissen beantworten, die nach seinem Wissensstichtag liegen.
• Belegbarkeit. Die Antwort verweist auf die Quellen, auf die sie sich stützt. Nutzer können Aussagen so selbst prüfen.
• Weniger Halluzinationen. Beruht die Antwort auf abgerufenen Informationen, erfindet das Modell seltener Fakten.

Fehler schließt Grounding nicht aus. Ist eine Quelle veraltet oder falsch, kann auch die Antwort falsch sein.

Wie läuft Grounding ab?

Den Ablauf beschreibt Google am Beispiel von „Grounding with Google Search“ in der Gemini-API. Entscheidend ist, dass das Modell selbst festlegt, ob und wonach es sucht.

Andere Systeme der KI-Suche folgen demselben Muster, fragen aber teils andere Suchindizes ab. Laut Microsoft arbeitet Grounding in Schleifen. Ein System kann seine Suche anhand erster Treffer verfeinern und Belege aus mehreren Quellen kombinieren. Beim Modell kommen dabei meist nicht ganze Seiten an, sondern einzelne Textabschnitte. Wie Inhalte dafür zerlegt werden, erklärt der Artikel zu Chunking.

Welche Formen von Grounding gibt es?

Technisch beruht Grounding meist auf Retrieval Augmented Generation, kurz RAG. Das System ruft passende Inhalte ab und gibt sie dem Modell als Kontext für die Antwort mit. Grounding beschreibt also das Ziel, RAG den gängigsten Weg dorthin. Wie das Verfahren in der KI-Suche abläuft, erklärt der KKP-Artikel zu Retrieval Augmented Generation.

Nach der Herkunft der Informationen lassen sich zwei Formen unterscheiden. Beim Grounding mit Websuche stützt sich das Modell auf Treffer aus einem Suchindex, so wie bei ChatGPT mit Websuche, Perplexity oder Googles AI Overviews und AI Mode.

Beim Grounding auf eigenen Daten bindet ein Unternehmen das Modell an eigene Bestände wie Handbücher, Produktdaten oder Verträge. Google nennt dafür in seiner Cloud-Dokumentation unter anderem Anbindungen an eigene Dokumente, an Elasticsearch-Indizes und an beliebige Such-APIs.

Für die Sichtbarkeit von Brands zählt vor allem die erste Form.

Wann sucht ein KI-System im Web?

Grounding über die Websuche findet nicht bei jeder Frage statt. ChatGPT, Gemini und Microsoft Copilot entscheiden je Prompt, ob eine Suche nötig ist. In einer KKP-Messung, die der RAG-Artikel beschreibt, lösten Fragen zu etablierten Konzepten wie „Was ist RAG?“ in ChatGPT und Gemini keine einzige Websuche aus. Gemessen wurden 8 Prompts mit je 5 Läufen pro System. Gesucht wird eher bei aktuellen und operativen Fragen. Eine feste Regel ist das nicht. In einer Netzwerk-Analyse von Snippet Digital (06/2026) liefen auch 3 von 10 bewusst aktuell formulierten Fragen an ChatGPT ohne Websuche. Mehr dazu steht im Artikel Wie ChatGPT Quellen auswählt.

Was sind Grounding Queries?

Grounding Queries sind die Suchanfragen, die ein Sprachmodell beim Grounding selbst formuliert und absetzt. Die Gemini-API gibt sie bei „Grounding with Google Search“ mit der Antwort aus. Microsoft zeigt sie seit Februar 2026 im Bericht AI Performance der Bing Webmaster Tools. Dort erscheint eine Stichprobe der Suchphrasen, mit denen die KI Inhalte abgerufen hat, die später in Antworten zitiert wurden.

Wie solche Suchanfragen aussehen, zeigt ein offener Datensatz von Moz mit 5.333 Grounding Queries, die Gemini über die API zu 1.000 englischen Themen abgesetzt hat. Sie sind im Schnitt 6,56 Wörter lang, und keine einzige enthält ein Fragezeichen. Gemini sucht in diesem Datensatz also überwiegend mit Begriffsketten, kaum mit ausformulierten Fragen. Jede dritte Suchanfrage nennt eine Jahreszahl, fast immer 2026. Moz vermutet, dass Gemini so nach Ergebnissen sucht, die neuer sind als seine Trainingsdaten. Die Daten stammen aus der API mit angepassten System-Instruktionen und gelten nicht automatisch für den AI Mode. Nachrechnung und Grenzen des Datensatzes beschreibt die KKP-Auswertung der Grounding Queries von Gemini.

Grounding Queries und Query Fan-Out

Beide Begriffe hängen eng zusammen, meinen aber nicht dasselbe. Query Fan-Out bezeichnet das Verfahren, eine Frage in mehrere Teilsuchen aufzufächern. Grounding Queries sind die einzelnen Suchanfragen, mit denen ein Modell Belege für seine Antwort sucht. Fan-Out-Queries und Grounding Queries meinen in Studien meist dieselbe Art von Suchanfrage. Moz ordnet Grounding Queries als Teil des Query Fan-Outs ein.

Ein Fan-Out setzt mehrere Teilsuchen voraus. Eine Grounding Query entsteht dagegen schon, wenn das Modell nur ein einziges Mal sucht. Laut Moz liefert die Gemini-API im Standard selten mehr als 1 bis 2 Grounding Queries je Prompt, oft auch keine.

Welche Rolle spielt Grounding für die Sichtbarkeit?

Für Brands entscheidet Grounding darüber, ob ihre Website in einer KI-Antwort als Quelle auftauchen kann. Eine Citation, also der sichtbare Verweis auf eine Quelle, setzt voraus, dass die Seite beim Grounding abgerufen wurde. Was ein Modell nur aus dem Training über eine Brand weiß, kann es im Antworttext nennen, aber in der Regel nicht mit einer Quelle belegen. Ob eine abgerufene Seite auch zitiert wird, entscheidet das System erst danach, wie der Artikel zu Retrieval zeigt.

Microsoft hat im Mai 2026 beschrieben, wie sich Grounding von der klassischen Suche unterscheidet. Beim Grounding ist die Einheit nicht mehr die Seite, sondern die einzelne, belegbare Information mit klarer Herkunft.

Für Inhalte, die beim Grounding als Quelle dienen sollen, folgen daraus vier Anforderungen.

• Auffindbar sein. Grounding nutzt laut Microsoft dieselben Crawler und Qualitätssignale wie die Suche. Was nicht gecrawlt und indexiert ist, taucht in den Treffern einer Websuche nicht auf.
• Aussagen belegen. Konkrete Fakten mit Zahl, Datum und Herkunft taugen als Beleg für eine Antwort, allgemeine Werbeaussagen kaum. Auch Microsoft empfiehlt, Aussagen mit Daten und Quellen zu stützen.
• Aktuell bleiben. Laut Microsoft verschlechtert ein veralteter Inhalt in der Suche das Ranking, beim Grounding führt ein veralteter Fakt zu einer irreführenden Antwort.
• Abschnitte eigenständig formulieren. Beim Modell kommen einzelne Passagen an. Ein Abschnitt sollte die Frage, zu der er gehört, deshalb auch ohne den Rest der Seite beantworten.

Was ist eine Grounding Page?

Eine Grounding Page ist eine Faktenseite, die ein Unternehmen für Menschen und KI-Systeme veröffentlicht. Sie beschreibt eine Entität wie das Unternehmen selbst, ein Produkt oder eine Person sachlich und überprüfbar. So sollen KI-Systeme beim Grounding eine eindeutige Quelle finden, statt fehlende Fakten plausibel zu ergänzen oder ähnliche Namen zu verwechseln. Konzept und Architektur der Grounding Page stammen laut Projekt von Hanns Kronenberg, der den Namen GroundingPage auch hat schützen lassen. Das Grounding Page Project veröffentlicht den Standard frei zugänglich auf groundingpage.com.

Wie wird eine Grounding Page erstellt?

Der Standard beschreibt drei Schritte.

1. Entitäten festlegen. Zuerst wird bestimmt, welche Entitäten eine stabile Beschreibung brauchen, etwa das Unternehmen, zentrale Produkte oder die Geschäftsführung.
2. Seite anlegen. Je Entität entsteht eine eigene, öffentlich erreichbare HTML-Seite. Sie beginnt mit einer kurzen Definition, grenzt die Entität von Verwechslungen ab und listet die Fakten. Als Qualitätsprinzipien nennt der Standard einen Fakt pro Satz, keine Adjektive und sichtbare Zeitstempel für Erstellung, Aktualisierung und Prüfung.
3. Dauerhaft verlinken. Die Seite wird auf der gesamten Website verlinkt, etwa im Footer wie ein Impressum.

Zusätzlich empfiehlt der Standard, die Fakten als JSON-LD zu wiederholen, also als strukturierte Daten im Quelltext. Ein belegter Citation-Hebel ist strukturiertes Markup bisher nicht. Die Forschung, auf die der Standard verweist, untersucht Grounding Pages laut Projekt nicht direkt. Zu einer eigenen Fallstudie schreibt das Projekt, ein endgültiger Beweis für Kausalität sei sie noch nicht.

KKP betreibt mit der Seite AI Instructions eine verwandte Faktenseite. Sie fasst Basisdaten, Leistungen und Kennzahlen-Definitionen der Agentur mit Stand-Datum zusammen und ist im Footer der Website verlinkt.

Gratis Download

AI Search Guide: Sichtbar in ChatGPT & Co.

Der Praxis-Guide zeigt auf 164 Seiten, wie eine Brand in ChatGPT, Google AI Overviews, Gemini und Perplexity sichtbar wird, von den Grundlagen über Messung und KPIs bis zu konkreten Maßnahmen.

Kostenlos herunterladen →