Dictionary

Grounding

Grounding betekent dat je een AI-model laat antwoorden op basis van meegegeven bronnen, data of toolresultaten in plaats van alleen op zijn algemene training. Het verkleint gokwerk en maakt antwoorden controleerbaarder.

Wat is grounding?

Grounding betekent dat je een AI-model laat antwoorden op basis van concrete context die je meegeeft: documenten, data, zoekresultaten, tooluitkomsten of systeeminformatie. Het antwoord wordt verankerd in iets buiten het model.

Zonder grounding gebruikt een LLM vooral wat het tijdens training leerde. Dat kan nuttig zijn voor algemene uitleg, maar zwak voor bedrijfsdata: orderstatussen, procedures, prijzen en contracten veranderen.

Met grounding zeg je eigenlijk: antwoord niet uit je geheugen, gebruik deze bronnen.

Waarom is grounding belangrijk?

  • Minder hallucinaties
    Het model krijgt de juiste feiten mee en hoeft minder te gokken.

  • Meer controle
    Je kan tonen welke bron, tabel of tooluitkomst het antwoord ondersteunde.

  • Actuele informatie
    Nieuwe documenten of data kunnen meteen gebruikt worden zonder modeltraining.

  • Bedrijfscontext
    Het model leert de betekenis van jouw producten, klanten, codes en processen in de promptcontext.

Hoe werkt grounding?

De toepassing haalt eerst relevante context op. Dat kan via zoekindex, RAG, SQL-query, API-call of een andere tool. Die context gaat mee naar het model, samen met de vraag en instructies.

Daarna moet de prompt duidelijk maken hoe het model die context gebruikt. Bijvoorbeeld: "antwoord alleen op basis van de bronnen hieronder" of "vermeld wanneer de bronnen geen antwoord bevatten".

Grounding is dus een combinatie van retrieval, contextselectie en instructie. Slechte bronnen of te veel irrelevante context geven nog altijd slechte antwoorden.

Grounding versus RAG

RAG is één bekende manier om grounding te doen. Bij RAG zoek je relevante passages in documenten of data op en geef je die mee aan het model.

Grounding is breder. Een live API-call naar het ERP, een SQL-resultaat uit het data warehouse of een berekening door een tool kan ook grounding zijn. De kern is dat het antwoord steunt op externe, aangeleverde feiten.

Waar moet je op letten bij grounding?

Bronkwaliteit blijft bepalend
Als de procedure verouderd is, antwoordt de AI netjes op basis van de verkeerde procedure.

Context is beperkt
Je kan niet zomaar alles meesturen. Kies wat relevant is voor de vraag.

Vraag om bronverwijzing waar het nuttig is
Voor interne kennisassistenten helpt het om passages of documentnamen terug te geven.

FAQ over grounding

1. Verdwijnt hallucinatie volledig met grounding?
Nee. Grounding verlaagt het risico, maar je hebt nog validatie, bronverwijzingen en soms menselijke review nodig.

2. Is grounding hetzelfde als fine-tuning?
Nee. Fine-tuning past het modelgedrag aan. Grounding geeft actuele context mee tijdens de vraag.

Laatst Bijgewerkt: July 8, 2026 Terug naar Woordenboek
Trefwoorden
grounding rag generatieve ai llm prompt engineering context engineering embeddings vector database ai agent