Grounding
KI-Antworten auf echte, überprüfbare Quellen stützen.
Erklärung
Grounding bezeichnet die Technik, KI-Antworten an verifizierbare Fakten oder Quellen zu koppeln. Statt frei zu generieren, antwortet das Modell nur auf Basis konkreter Dokumente oder Daten.
So funktioniert's
Dem Modell werden relevante Dokumente oder Datenquellen mitgegeben. Es wird angewiesen, nur Informationen aus diesen Quellen zu verwenden und idealerweise Quellenverweise anzugeben.
Praxisbeispiel
Ein Kundenservice-Bot, der nur auf Basis der offiziellen FAQ und Produktdokumentation antwortet – nicht auf Basis seines allgemeinen Trainings.
Warum es wichtig ist
Grounding reduziert Halluzinationen drastisch und macht KI-Antworten verlässlich und nachprüfbar.
Grounding vs. RAG: Was ist der Unterschied?
Grounding beschreibt das Ziel: Antworten sollen auf überprüfbaren Quellen beruhen. RAG ist die verbreitetste Methode, dieses Ziel zu erreichen, indem passende Dokumente automatisch gesucht und dem Modell mitgegeben werden. Grounding geht aber auch anders, etwa über Live-Abfragen aus ERP oder CRM per Tool Calling oder über eine Websuche mit Quellenangaben.
Gutes Grounding erkennt man an drei Dingen: Die Antwort nennt ihre Quellen so, dass ein Mensch sie in Sekunden prüfen kann. Das System sagt offen, wenn die Quellen keine Antwort hergeben. Und es wird regelmäßig gemessen, ob die Antworten tatsächlich durch die Quellen gedeckt sind. Gerade bei internen Assistenten ist das die Voraussetzung dafür, dass Mitarbeitende dem System vertrauen.
Grounding mit Live-Daten statt Dokumenten
Nicht jede Information gehört in eine Wissensdatenbank. Lagerbestände, Preise, Lieferstatus oder offene Posten ändern sich ständig. Hier ist es besser, das Modell zur Laufzeit direkt im Quellsystem nachsehen zu lassen, etwa über eine Schnittstelle zum ERP oder einen MCP-Server. Das Modell erhält den aktuellen Wert samt Herkunft und formuliert die Antwort darauf. In der Praxis kombinieren viele Assistenten beides: Dokumente für Regeln und Hintergrundwissen, Live-Abfragen für veränderliche Zahlen.
Häufige Fragen
Was bedeutet Grounding bei KI?
Grounding bedeutet, dass ein KI-Modell seine Antworten auf konkrete, überprüfbare Quellen wie Dokumente oder Datenbanken stützt, statt frei aus seinem Trainingswissen zu formulieren.
Verhindert Grounding Halluzinationen komplett?
Nein, aber es reduziert sie deutlich und macht Fehler sichtbar, weil sich jede Aussage mit ihrer Quelle abgleichen lässt.
Was ist der Unterschied zwischen Grounding und Ground Truth?
Grounding stützt Antworten im laufenden Betrieb auf Quellen. Ground Truth sind geprüfte, richtige Referenzdaten, mit denen man ein KI-System testet und bewertet. Beides zusammen macht Qualität messbar.