Grounding beschreibt die Verankerung von KI-Antworten in realen, nachprüfbaren Informationen. Statt allein auf Trainingswissen zu antworten, greift ein System auf aktuelle oder konkrete Datenquellen zurück.
Durch Grounding lassen sich Halluzinationen reduzieren und Antworten besser nachvollziehen. Das ist besonders wichtig in Unternehmenskontexten, bei Recherche oder überall dort, wo Genauigkeit entscheidend ist, um KI im Sinne von AI Act und Datenschutz umzusetzen.
Grounding wird häufig mit RAG, Datenbanken oder Dokumentenbeständen kombiniert. So können Modelle nicht nur sprachlich gut formulieren, sondern ihre Aussagen auch stärker an reale Informationen anlehnen.