Grounding.

Google beschreibt Grounding in seiner Crawler-Dokumentation als Bereitstellung von Inhalten aus dem Google-Suchindex an das Modell zum Zeitpunkt der Anfrage. Für Entwickler bietet Google mit Grounding with Google Search in Vertex AI genau diese Funktion an. Andere Anbieter verankern ihre Antworten in eigenen Indizes oder im Bing-Index.

Warum ist das wichtig?

Grounding ist der Moment, in dem sich entscheidet, ob Ihre Seite in einer KI-Antwort auftaucht. Das Modell nutzt die bereitgestellten Quellen als Beleg – und verlinkt sie oft. Inhalte, die eine Aussage klar, knapp und mit Zahlen formulieren, lassen sich leichter als Beleg verwenden als vage Werbetexte.

Für Website-Betreiber relevant:

1. Wer im Suchindex fehlt, kann nicht als Grounding-Quelle dienen.
2. Das robots.txt-Token Google-Extended steuert, ob Google Ihre Inhalte für das Grounding von Gemini-Modellen außerhalb der Google-Suche verwenden darf. Auf die Google-Suche selbst, inklusive KI-Übersichten, wirkt es laut Google nicht.
3. Bing zeigt in seinem Bericht „AI Performance“ sogenannte Grounding-Queries: Suchphrasen, mit denen die KI Ihre Inhalte abgerufen hat.

Beispiel

Ein hypothetischer Anbieter von Laborgeräten wird in Gemini zu „Welche Ultratiefkühlschränke erreichen minus 86 Grad mit natürlichen Kältemitteln?“ als Quelle genannt. Die Antwort zitiert wörtlich eine Zeile aus seiner Produkttabelle mit Temperaturbereich und Kältemittel. Die Tabelle war der Grund: Sie lieferte eine präzise, überprüfbare Aussage, auf die sich das Modell stützen konnte.

Abgrenzung

RAG ist das Verfahren aus Abrufen und Generieren, Grounding der Teil, der die Antwort an die Quellen bindet. Grounding reduziert Halluzinationen, verhindert sie aber nicht vollständig – ein Modell kann eine Quelle auch falsch wiedergeben.