English
Retrieval & Grounding

Search-API / Grounding mit Google-Suche

Auch genannt: Grounding with Google Search, Google-Search-Tool der Gemini-API

Grounding mit Google-Suche (Grounding with Google Search) ist ein Werkzeug der Gemini-API. Das Modell führt vor der Antwort eigene Google-Suchanfragen aus und stützt seine Antwort auf die gefundenen Webinhalte. Die Antwort enthält Quellenangaben, die sich im eigenen Produkt anzeigen lassen.

Wie funktioniert Grounding?

Laut Google-Dokumentation läuft der Vorgang in fünf Schritten ab. Die Anwendung schickt einen Prompt mit aktiviertem Google-Search-Tool. Das Modell prüft, ob eine Suche hilft, erzeugt Suchanfragen und führt sie aus. Die Ergebnisse werden verarbeitet, danach liefert die API eine “geerdete” Antwort samt Metadaten zurück.

Die Metadaten umfassen (Firebase/generateContent-Schnittstelle) vier Bereiche.

  • webSearchQueries enthält die ausgeführten Suchanfragen.
  • groundingChunks listet die Webquellen mit URI und Titel.
  • groundingSupports ordnet Textabschnitte der Antwort den Quellen zu.
  • searchEntryPoint liefert HTML und CSS für die Suchvorschläge.

Wer die Antwort anzeigt, muss die Google-Suchvorschläge darstellen und die Quellen verlinken. Das verlangt die Dokumentation.

Retrieval-Augmented Generation: erst suchen, dann antwortenEine Frage löst eine Suche in einem Suchindex oder einer Vektordatenbank aus. Die besten Passagen landen zusammen mit der Frage im Prompt. Das Sprachmodell formuliert daraus die Antwort und verweist auf die Quellen der Passagen. Belegen kann die Antwort nur, was vorher abgerufen wurde.1 FRAGE2 RETRIEVAL3 KONTEXT4 ANTWORTFragevon Nutzeroder AnwendungRetrievalSuche oderVektorsuche findetpassende PassagenWissensquelleSuchindex, Web,VektordatenbankPrompt mit KontextFrage + Top-Passagen[1] Passage · URL A[2] Passage · URL B[3] Passage · URL CLLMAntwortText mitQuellenangaben[1][3]Belege verweisen auf abgerufene PassagenSchematisch, nach Lewis et al. (2020) und Googles Grounding-Doku.
Bei Retrieval-Augmented Generation sucht das System zuerst passende Passagen und gibt sie dem Sprachmodell als Kontext mit. Google nennt die Verbindung von Modellausgabe und überprüfbaren Quellen Grounding. Belegen kann die Antwort nur, was vorher abgerufen wurde (Schlussfolgerung aus dem Verfahren, keine Google-Aussage). Quellen: Lewis et al. (2020): Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arXiv 2005.11401); Google Cloud: Grounding – Überblick (Vertex AI); Google Cloud: Grounding mit der Google Suche (Vertex AI).

Bedeutung für SEO und GEO

Die Suchanfragen des Modells stammen aus der Google-Suche. Inhalte, die dort gut gefunden werden, haben deshalb vermutlich bessere Chancen, als Quelle zu erscheinen (Annahme). Die in webSearchQueries sichtbaren Anfragen zeigen außerdem, wie ein Modell einen Prompt in Suchbegriffe zerlegt, was dem Query Fan-out ähnelt.

Beispiel

Beispiel mit der generateContent-Schnittstelle (Python-SDK). Die Gemini-API-Doku zeigt inzwischen die neuere Interactions API, die andere Feldnamen verwendet.

Python
from google import genai
from google.genai import types

client = genai.Client()
response = client.models.generate_content(
    model="<gemini-modell>",
    contents="Was ist ein Canonical Tag?",
    config=types.GenerateContentConfig(
        tools=[types.Tool(google_search=types.GoogleSearch())]
    ),
)
print(response.candidates[0].grounding_metadata.web_search_queries)

Quellen

  1. Grounding with Google Search – Gemini API (Google AI for Developers)ai.google.dev
  2. Grounding with Google Search – Firebase AI Logicfirebase.google.com
  3. Grounding with Google Search – Google Cloud (Gemini Enterprise Agent Platform)docs.cloud.google.com

Stand: