Was ist Grounding bei KI?
Ein Sprachmodell weiß nur, was in seinen Trainingsdaten stand. Fragst du nach den Öffnungszeiten deines Lieblingscafés oder dem Preis von gestern, rät es — oft sehr überzeugend. Grounding löst das: Die KI schaut vor der Antwort in echten Quellen nach.
Google Cloud definiert es so: Grounding ist die Fähigkeit, die Ausgabe eines Modells mit überprüfbaren Informationsquellen zu verbinden. Die Quellen können sein:
- Websuche: etwa „Grounding with Google Search“ bei Gemini oder die Websuche bei Bing, OpenAI und Claude.
- Eigene Daten: Produktkatalog, Handbücher, Wissensdatenbank — technisch meist über RAG angebunden.
- Spezialdienste: Google Maps für Orte oder eine eigene Such-Schnittstelle.
Der Ablauf ist bei Gemini typisch: Das Modell entscheidet selbst, ob eine Suche hilft. Dann stellt es eine oder mehrere Suchanfragen, liest die Ergebnisse und schreibt die Antwort mit Quellenverweisen im Text.
Was Grounding bringt — und was es kostet
Fall A · Faktenfragen
Test mit 4.326 Wissensfragen
43,8 %
richtig ohne Suche
94,7 %
richtig mit Suche
Mit Websuche mehr als doppelt so viele Treffer
Test des Suchanbieters Firecrawl 2026 mit einem GPT-5.4-Agenten im Benchmark SimpleQA — ein Anbieter mit eigenem Interesse.
Fall B · Kosten
Chatbot mit 10.000 Suchen im Monat
5.000
Suchen frei bei Gemini
14 $
je weitere 1.000 Suchen
Rund 70 $ im Monat plus Token
Rechenbeispiel mit Gemini-Preisen, Stand November 2026. Bei Claude und OpenAI kostet die Websuche je 10 $ pro 1.000 Aufrufe, ohne Freikontingent.
Wichtig bei der Rechnung: Eine Frage kann mehrere Suchen auslösen. Anthropic schätzt in seiner Doku, dass Einzelfakten meist ein bis drei Suchen brauchen, Vergleichsrecherchen zehn oder mehr.
Warum Grounding dein Marketing betrifft
Grounding ist die Brücke zwischen KI-Antwort und deiner Website. Wenn ChatGPT, Perplexity oder die AI Overviews von Google eine Quelle verlinken, steckt meist eine Websuche dahinter. Wer in diesen Suchen auftaucht, kann zitiert werden.
Dabei zählt nicht nur das klassische Ranking. Laut einer Ahrefs-Studie vom März 2026 stehen nur noch 37,9 % der in AI Overviews zitierten Adressen auch in den ersten zehn Google-Ergebnissen; im Juli 2025 waren es noch rund 76 %. Ahrefs erklärt das mit Query Fan-out: Die KI zerlegt eine Frage in viele Unteranfragen und sucht für jede einzeln.
Häufige Fehler
Fehler 1 · Grounding für fehlerfrei halten
Google schreibt nur, Grounding verringere Halluzinationen. Selbst beim Zusammenfassen eines vorgegebenen Textes erfinden Modelle laut dem Vectara-Leaderboard (Oktober 2026) zwischen 1,8 und 24 % Inhalte dazu. Im FACTS-Test von Google DeepMind kam Ende 2025 das beste Modell auf 68,8 %.
Fehler 2 · Mit Quelle heißt richtig
Die Quelle kann falsch sein, veraltet, oder die KI gibt sie schief wieder. Klick bei wichtigen Aussagen auf den Link und lies nach. Die Quellenangabe ist eine Einladung zum Prüfen, kein Siegel.
Fehler 3 · Annehmen, dass die KI immer sucht
Bei Google, Microsoft und Anthropic entscheidet das Modell selbst, ob eine Suche nötig ist. Bei Fragen, die es für Allgemeinwissen hält, antwortet es oft ohne. Sag ausdrücklich „Such nach aktuellen Quellen“, wenn es dir darauf ankommt.
Fehler 4 · Die Nutzungsregeln übersehen
Wer Grounding in eine eigene Anwendung einbaut, muss die Quellen anzeigen. OpenAI verlangt gut sichtbare, klickbare Links. Google schreibt vor, gegroundete Ergebnisse zusammen mit seinen Suchvorschlägen zu zeigen, und verbietet, sie zu verändern oder mit anderem Inhalt zu vermischen.
Häufige Fragen
Verhindert Grounding Halluzinationen komplett?
Nein. Es senkt sie deutlich, besonders bei aktuellen Fakten. Aber die KI kann Quellen falsch wiedergeben oder falsche Quellen finden. Bei wichtigen Aussagen solltest du die verlinkten Quellen selbst prüfen.
Was kostet Grounding with Google Search?
Bei der Gemini-API sind ab Gemini 3 monatlich 5.000 Suchanfragen frei, danach kostet es 14 US-Dollar je 1.000 Anfragen (Stand November 2026). Abgerechnet wird je Suchanfrage, und eine Frage kann mehrere auslösen. Dazu kommen die normalen Token-Kosten.
Was ist der Unterschied zwischen Grounding und RAG?
RAG ist die Technik, passende Textstücke abzurufen und dem Modell mitzugeben. Grounding ist der Oberbegriff für alles, was eine Antwort an belegbare Quellen bindet — RAG mit eigenen Dokumenten ist eine Form davon, Websuche eine andere.
Wie wird meine Website zur Quelle gegroundeter KI-Antworten?
Sie muss in den Suchindizes auftauchen, die die KI nutzt, und eine Frage präzise beantworten. Weil KI-Systeme Fragen in viele Unteranfragen zerlegen, helfen klar gegliederte Seiten zu Teilfragen. Ein Platz unter den ersten zehn ist keine Voraussetzung mehr.
Ist Grounding dasselbe wie Fine-Tuning?
Nein. Fine-Tuning trainiert das Modell dauerhaft mit neuen Daten nach. Grounding liefert Fakten erst im Moment der Anfrage, ohne das Modell zu ändern. Dadurch bleibt es aktuell — die Informationen sind so frisch wie die Quelle.
Quellen
- Google Cloud: Grounding-Überblick
- Google AI Studio: Grounding with Google Search
- Google AI Studio: Preise
- Anthropic-Doku: Web Search Tool
- OpenAI: Web Search Tool
- Google: Zusätzliche Nutzungsbedingungen Gemini API
- Microsoft Learn: Grounding with Bing Search
- Google DeepMind: FACTS Benchmark Suite
- Vectara: Hallucination Leaderboard
- Ahrefs: AI-Overview-Zitate und Top-10-Rankings
