Was ist Grounding (Quellenbindung)

Zwei Dinge, die oft vermischt werden, gehören auseinander. Retrieval-augmentierte Generierung ist eine Architektur: Sie beschreibt, wie man ein System baut, das vor dem Schreiben Dokumente sucht. Die Quellenbindung ist eine Eigenschaft des Ergebnisses: Sie beschreibt, wie weit das, was die Antwort sagt, in diesen Dokumenten trägt. Das eine ist der Bauplan der Maschine, das andere das Maß dessen, was am anderen Ende herauskommt.

Die Unterscheidung ist nicht akademisch. Ein mit Retrieval gebautes System kann eine schlecht gebundene Antwort liefern, weil das Modell die richtigen Textstücke erhielt und trotzdem einen Satz schrieb, den keines davon stützt. Auch der umgekehrte Fall kommt vor, wenn ein Modell ohne Retrieval aus dem Gedächtnis eine Quelle nennt, die existiert und tatsächlich das sagt, was es behauptet. Abrufen und Stützen sind verschiedene Vorgänge, und das erste garantiert das zweite nicht.

Gebunden heißt in der Praxis, dass drei Bedingungen zusammen erfüllt sind. Die zitierte Quelle existiert und ist zugänglich. Die Quelle behandelt wirklich das Thema, von dem der Satz handelt. Und die Quelle behauptet das, was der Satz ihr zuschreibt. Ernsthafte Prüfsysteme kontrollieren alle drei getrennt, weil jede für sich versagt und die letzte am häufigsten bricht.

Der Mechanismus hat einen Abrufteil und einen Nahtteil. Der Abruf übergibt dem Modell eine Menge von Textstücken zusammen mit der Frage des Nutzers. Die Naht ist das, was eine gebundene Antwort von einer beliebigen Zusammenfassung unterscheidet: Das System bewahrt die Zuordnung zwischen jedem Abschnitt des erzeugten Textes und dem Textstück, aus dem er stammt, und diese Zuordnung reist mit der Antwort mit, statt beim Schreiben verloren zu gehen.

In der Umsetzung von Google kommt diese Information über die Programmierschnittstelle selbst. Zusammen mit dem Text werden die Suchanfragen zurückgegeben, die das Modell von sich aus gestellt hat, die Ergebnisse, die es erhielt, und Anmerkungen, die mit Anfangs- und Endposition innerhalb der Antwort markieren, welches Segment zu welcher Herkunftsadresse gehört. Mit diesen Markierungen kann die Anwendung die Fußnote an genau der richtigen Stelle setzen, statt Links am Textende aufzutürmen. Das Produkt, das diese Verbindung zum Suchindex anbietet, heißt Grounding with Google Search, und seine Nutzungsbedingungen verpflichten dazu, die zugehörigen Suchvorschläge anzuzeigen.

Es gibt eine Variante, die das offene Web nicht berührt. Ein System kann sich an einen geschlossenen Korpus binden, an eine interne Dokumentenbasis oder einen Produktkatalog, mit demselben Schema aus Herkunftsmarkierungen. Die Quellenbindung beschreibt die Verknüpfung mit der Quelle, ob diese öffentlich oder privat ist, und deshalb taucht sie in dialogischen Suchmaschinen ebenso auf wie in internen Unternehmensassistenten.

Was kein Markierungsschema löst, ist die Qualität des Abgerufenen. Sagt das ausgewählte Textstück etwas Falsches, bleibt die Antwort perfekt an einen Fehler gebunden, mit tadellosem Link darunter.

Quellenbindung wird oft als Wahrheitsgarantie verkauft, und das ist sie nicht. Sie senkt die Erfindungsrate, weil sie das Modell zwingt, von einem konkreten Text auszugehen, führt dafür aber eine neue Abhängigkeit ein: Die Antwort erbt die Fehler, die Auslassungen und das Alter dessen, was abgerufen wurde.

Die verfügbare Evidenz ist unbequem. Eine im April 2025 veröffentlichte Arbeit prüfte sieben verbreitete Modelle an rund achthundert medizinischen Fragen und etwa achtundfünfzigtausend Paaren aus Aussage und Quelle. Zwischen 50 und 90 Prozent der Antworten waren durch die zitierten Quellen nicht vollständig gedeckt, und in manchen Fällen widersprach die Quelle der Aussage. Selbst bei aktivierter Websuche blieb rund ein Drittel der einzelnen Aussagen ohne Deckung. Das Feld war die Medizin, und die Zahl lässt sich nicht ohne Weiteres auf andere Themen übertragen, doch sie legt die Größenordnung des Problems fest.

Daraus folgt die praktische Entscheidung, und sie ist doppelt. Wer publiziert, muss davon ausgehen, dass seine Seiten als Beleg für Sätze zitiert werden, die er nie geschrieben hat, was die Klarheit jeder einzelnen Aussage zu einer Frage der Reputation macht. Und wer KI-Antworten in einem Arbeitsablauf verwendet, braucht einen eigenen Prüfschritt für alles mit Folgen, denn der Link sagt, woher das System die Angabe nach eigener Aussage hat, nicht dass die Angabe stimmt.

• Die prüfbare Aussage und ihre Zahl in denselben Satz oder Absatz setzen wie den Begriff, auf den sie sich beziehen, damit das abgerufene Textstück ohne den Rest der Seite trägt.
• Jede verderbliche Angabe im sichtbaren Text datieren, denn das Modell unterscheidet eine Zahl von 2019 nicht von einer aus diesem Jahr, wenn die Seite es nicht sagt.
• Die Seite mit der Angabe für das Crawling erreichbar und frei von Sperren halten, denn ein Textstück, das niemand abrufen kann, bindet nie etwas.
• Regelmäßig prüfen, welcher konkrete Satz der Marke in erzeugten Antworten zugeschrieben wird, und sich nicht darauf beschränken zu zählen, ob die Marke vorkommt.
• In eigenen Systemen die vom Modell gelieferten Herkunftsmarkierungen speichern und an der exakten Textstelle anzeigen, nicht als Linkliste am Ende.
• Schriftlich festlegen, welche Art von Aussagen vor der Veröffentlichung eine menschliche Prüfung verlangt, mit Risikokriterien statt Einzelfallentscheidungen.

• Das Vorhandensein von Links unter einer Antwort als Beweis für Richtigkeit nehmen. Sie zeigen die angegebene Herkunft, und das ist die gesamte Information, die sie liefern.
• Quellenbindung mit retrieval-augmentierter Generierung verwechseln. Ein System kann Retrieval besitzen und trotzdem täglich schlecht gebundene Antworten erzeugen.
• Nur den Anteil der Antworten mit Zitat messen, ohne zu prüfen, ob das Zitat den konkreten Satz stützt, an dem es klebt.
• Eine Angabe über weit auseinanderliegende Abschnitte der Seite verteilen, sodass kein abrufbares Textstück die vollständige Aussage enthält.
• Einwilligung, Anmeldung oder Skriptausführung verlangen, um den Inhalt zu lesen, den man zitiert sehen möchte.