Verankerung in Quellen (Grounding)
Definition
Grounding verankert KI-Ausgaben in konkreten externen Informationen oder Quellen.
Beim Grounding erhält ein Modell relevante Daten als Kontext oder wird gegen eine bekannte Wissensquelle geprüft. RAG ist eine häufige Grounding-Technik, aber Grounding kann auch andere Daten- oder Toolzugriffe umfassen.
Einfach erklärt
Wie vor einer Antwort in den freigegebenen Unterlagen nachzuschlagen und die Antwort daran auszurichten.
Warum das im Alltag wichtig ist
Sehr relevant für Unternehmenswissen, weil Antworten nachvollziehbarer und aktueller werden können. Grounding verhindert Fehler jedoch nicht vollständig.
Beispiel aus dem Mittelstand
Ein interner Assistent beantwortet eine Frage nur anhand freigegebener Handbücher und nennt die verwendeten Fundstellen.
Grenzen und Fallstricke
- Grounding mit Faktentreue gleichsetzen; schlechte oder veraltete Quellen verwenden; Rechte- und Quellenprüfung vergessen; fehlende Treffer mit erfundenen Antworten auffüllen.
Entstehung & Geschichte
Grounding ist ein etablierter Begriff in aktuellen LLM- und RAG-Systemen. Google definiert Grounding als das Basieren einer LLM-Antwort auf Informationen aus vertrauenswürdigen Quellen.
Anwendung im Mittelstand
- Mögliche Anwendungen: Wissensassistenten, Supportrecherche, Richtlinienabfragen und dokumentengestützte Antworten.
Häufige Fragen
Ist eine an Quellen gebundene Antwort automatisch wahr?
Nein, auch die Quelle kann falsch oder missverstanden sein. Ist RAG dasselbe wie Grounding? RAG ist eine häufige Methode dafür, aber Grounding ist breiter. Was bezeichnet Groundedness? Die Eigenschaft beziehungsweise den Grad, in dem eine Ausgabe auf Quellen beruht; Grounding bezeichnet den Vorgang.
Quellen
- Grounding und Groundedness · Google Machine Learning Glossary, Grounding und Groundedness
Quellenprüfung: 11.10.2026.
Redaktionell geprüft am: