Grounding mit Google Search und Live-Funktionen

# Grounding mit Google Search und Live-Funktionen

Fragen Sie Gemini "Wer hat das Herren-Einzel beim letzten Australian Open gewonnen?" ohne Grounding, und Sie bekommen möglicherweise eine selbstbewusste Antwort über ein Turnier, das vor dem Trainingsstand des Modells endete. Schalten Sie Grounding ein, führt Gemini eine echte Google-Suche aus, liest frische Ergebnisse und liefert die aktuelle Antwort mit Links, die Sie zur Überprüfung anklicken kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen. Diese Lektion zeigt genau, wie das funktioniert und wie Sie es in der Gemini APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → und in AI Studio aktivieren.

Das Problem, das Grounding löst

Ein Basismodell antwortet aus seinen Parametern. Dieses Wissen ist zum Trainingszeitpunkt eingefroren und hat kein Konzept von "heute". Bei allem Zeitkritischen (Preise, Spielergebnisse, Nachrichten, Personalwechsel in der Führung, Produktversionen) ist das Modell entweder veraltet oder es rät.

Grounding verbindet das Modell zur Inferenzzeit mit einer externen Quelle der Wahrheit und zwingt es, seine Antwort auf das Abgerufene zu stützen. Beim Grounding mit Google Search ist diese Quelle die Live-Google-Suche. Gemini entscheidet, wann eine Anfrage frische Fakten braucht, führt die Suche aus und konditioniert seine Antwort auf die Ergebnisse.

Der Gewinn sind zwei Dinge, die Sie von einem rohen Modell nicht bekommen: Aktualität und Quellenangaben. Die APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → gibt die stützenden Suchergebnisse und die Textstellen zurück, die sie belegen, sodass Sie Nutzern zeigen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen, woher jede Aussage stammt.

Ungegroundet vs. gegroundet, direkt nebeneinander

Prompt: *"Was ist die neueste stabile Version des Gemini APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → SDK für Python, und wann wurde sie veröffentlicht?"*

Ungegroundete Antwort: eine plausibel klingende Versionsnummer, möglicherweise falsch, keine Quelle, kein Datum, dem Sie trauen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen.

Gegroundete Antwort: die Version, die aktuelle Suchergebnisse melden, plus groundingChunks, die auf die offizielle Dokumentation und Release Notes verweisen. Ist die Antwort falsch, sehen Sie *warum*, indem Sie die Quellen prüfen, statt blind neu zu prompten.

Das ist die zentrale Verschiebung im Denken: mit Grounding wird eine falsche Antwort zu einer *debugbaren* Antwort.

Grounding in der Gemini APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → aktivieren

Grounding ist ein Tool, das Sie einem Request anhängen. Sie ändern nicht den Prompt; Sie geben dem Modell das Google-Search-Tool und lassen es entscheiden, wann es aufgerufen wird.

from google import genai
from google.genai import types

client = genai.Client()  # liest GEMINI_API_KEY aus der Umgebung

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="Who won the most recent F1 Grand Prix, and what was the date?",
    config=types.GenerateContentConfig(
        tools=[types.Tool(google_search=types.GoogleSearch())]
    ),
)

print(response.text)

# Prüfen, worauf das Modell tatsächlich gegroundet hat
metadata = response.candidates[0].grounding_metadata
for chunk in metadata.grounding_chunks:
    print(chunk.web.title, "->", chunk.web.uri)

Ein paar Punkte, die auffallen:

• Sie übergeben google_search als Tool, neben allen Function-Calling-Tools, die Sie schon nutzen. Das Modell wählt pro Request, ob es es aufruft.
• Die Response enthält einen grounding_metadata-Block. Dort stehen die Quellenangaben, nicht im Fließtext.
• Flash ist hier ein sinnvoller Default: Grounding-Anfragen sind häufig und hochvolumig, und Flash hält Latenz und Kosten niedrig. Greifen Sie zu Pro, wenn das Reasoning *über* die abgerufenen Fakten schwierig ist.

Holen Sie sich einen Key und probieren Sie das in Minuten unter aistudio.google.com aus. Die vollständige Tool-Referenz steht in der Dokumentation zum Google Search Grounding.

Grounding-Metadaten richtig lesen

grounding_metadata liefert Ihnen drei nützliche Strukturen:

• grounding_chunks: die Quellen (Titel + URI). Das sind Ihre Quellenangaben.
• grounding_supports: ordnet Textabschnitte der Antwort den Chunks zu, die sie stützen. So bauen Sie Fußnoten pro Satz.
• web_search_queries: die tatsächlichen Anfragen, die Gemini an Search geschickt hat. Sehr gut zum Debuggen, wenn eine Antwort schief aussieht; Sie sehen, wonach gesucht wurde.

Wenn Sie gegroundete Antworten Nutzern anzeigen, verlangen Googles Nutzungsbedingungen, dass Sie die in der Response zurückgegebenen Suchvorschläge (searchEntryPoint) darstellen. Rendern Sie sie. Das ist keine optionale Dekoration.

entry = response.candidates[0].grounding_metadata.search_entry_point
if entry and entry.rendered_content:
    html_to_show_in_ui = entry.rendered_content

Grounding in AI Studio (ohne Code)

Öffnen Sie in AI Studio einen Chat-Prompt und schalten Sie im Tools-Panel rechts Grounding with Google Search ein. Senden Sie Ihre zeitkritische Frage und sehen Sie, wie die Antwort mit einer Quellenleiste darunter zurückkommt.

Das ist der schnellste Weg, Verhalten zu *vergleichen*: denselben Prompt einmal mit ausgeschaltetem, dann mit eingeschaltetem Toggle laufen lassen. Der Kontrast macht den Nutzen offensichtlich, und der Button "Get code" exportiert den exakten Request (inklusive der Tool-Konfiguration von oben), sodass Sie ihn direkt in Ihre App übernehmen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen.

Grounding vs. RAG: wann was

RAG kennen Sie konzeptionell schon. Grounding mit Search ersetzt es nicht. Entscheiden Sie danach, wo die Wahrheit liegt:

• Ihre Wahrheit ist privat (interne Dokumente, ein Produktkatalog, eine Knowledge Base): bauen Sie RAG über Ihre eigenen Daten, oder nutzen Sie die Grounding-on-your-data-Pfade der APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → in Vertex AI.
• Ihre Wahrheit ist öffentlich und aktuell (Nachrichten, Wetter, Spielergebnisse, Marktdaten, "was ist die neueste Version von X"): Grounding mit Google Search.

Viele produktive Assistenten nutzen beides: RAG für Unternehmenswissen, Search Grounding für das offene Web. Sie kombinieren sich sauber, weil beides nur Tools sind, die das Modell aufrufen kann.

Live-Funktionen: multimodale Interaktion in Echtzeit

Grounding macht Antworten *frisch*. Die Live APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → macht Interaktion *echtzeitfähig*. Das ist eine andere Fähigkeit, und sie wird oft verwechselt, deshalb präzise:

Die Live APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → öffnet einen persistenten, latenzarmen, bidirektionalen Stream zwischen Ihrer App und Gemini. Statt "Prompt senden, auf vollständige Antwort warten" streamen Sie Audio (und optional Videoframes) *hinein* und erhalten Audio und Text *heraus*, während sie erzeugt werden. Der Nutzer kann mitten im Satz unterbrechen, und das Modell kommt damit klar. Das treibt natürliche Sprachdialoge, Live-Hilfe per Screensharing und Echtzeit-Tutoring an.

Wesentliche Eigenschaften:

• Streaming in beide Richtungen über eine Session im WebSocket-Stil, nicht Request/Response.
• Natives Audio rein und raus, Sie schrauben also keine separate Speech-to-Text- und Text-to-Speech-Stufe an. Das Modell hört und spricht direkt.
• Unterbrechungen und Sprecherwechsel übernimmt die Session.
• Tools funktionieren weiterhin, inklusive Function Calling und Search Grounding, *innerhalb* einer Live-Session. Ein Sprachassistent kann eine gesprochene Antwort in Live-Suchergebnissen grounden.

Eine minimale Live-Session

import asyncio
from google import genai

client = genai.Client()
MODEL = "gemini-2.5-flash-native-audio-preview-09-2025"

async def main():
    config = {"response_modalities": ["AUDIO"]}
    async with client.aio.live.connect(model=MODEL, config=config) as session:
        await session.send_client_content(
            turns={"parts": [{"text": "In one sentence, what's the weather typically like in Lisbon in May?"}]}
        )
        async for message in session.receive():
            if message.data:
                play_audio_chunk(message.data)  # Ihre Audio-Ausgabe

asyncio.run(main())

Die genauen Modellnamen für Live/Native Audio entwickeln sich weiter, prüfen Sie deshalb vor dem Bauen die Live-API-Dokumentation für das aktuelle Preview-Modell. Die Form des Codes (connect, send, async über gestreamte Messages iterieren) ist stabil.

Wann Live zählt

Nutzen Sie die Live APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen →, wenn die *Interaktion* das Produkt ist:

• Voice Agents und telefonähnliche Assistenten.
• "Zeig mir, was du siehst"-Support, bei dem der Nutzer Kamera oder Bildschirm streamt und Gemini in Echtzeit reagiert.
• Live-Coaching, Sprachpraxis oder Accessibility-Tools, bei denen Latenz die Erfahrung zerstört.

Wenn Sie nur eine schnelle Textantwort brauchen, brauchen Sie die Live APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → nicht. Einfaches generate_content (mit Streaming-Ausgabe, wenn Sie TokensTokensA token is the basic unit of text that language models process, often a word fragment, whole word, or punctuation mark rather than a single character.Vollständige Definition ansehen → beim Eintreffen wollen) ist einfacher und günstiger.

Alles zusammen: ein gegroundeter Sprachassistent

Die beiden Funktionen ergeben zusammen etwas wirklich Nützliches: einen Echtzeit-Assistenten, der spricht, zuhört und aus Live-Fakten antwortet. Sie öffnen eine Live-Session, aktivieren das Search-Tool in der Session-Konfiguration, und das Modell groundet gesprochene Antworten automatisch.

config = {
    "response_modalities": ["AUDIO"],
    "tools": [{"google_search": {}}],
}
# Innerhalb der Live-Session löst eine gesprochene Frage wie
# "What did the markets do today?" jetzt eine echte Suche aus,
# und die gesprochene Antwort ist in Live-Ergebnissen gegroundet.

Diese einzige tools-Zeile ist der Unterschied zwischen einem Assistenten, der die heutige Marktbewegung selbstbewusst erfindet, und einem, der tatsächlich nachsieht. Gleiches Muster wie bei der Non-Live-APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen →: Grounding ist ein Tool, und das Modell entscheidet, wann es es nutzt.

Guardrails für den Produktivbetrieb

Ein paar Dinge, die eine Demo von etwas Auslieferbarem unterscheiden:

• Rendern Sie immer die Quellenangaben. Wenn Sie die Quellen verstecken, haben Sie das Halluzinationsproblem mit zusätzlichen Schritten neu gebaut. Zeigen Sie grounding_chunks in der UI.
• Zeigen Sie die Suchvorschläge (searchEntryPoint) an, wenn Googles Grounding-Bedingungen es verlangen.
• Gehen Sie nicht davon aus, dass Grounding ausgelöst wurde. Das Modell antwortet möglicherweise aus seinen Parametern, wenn es keine Suche für nötig hält. Prüfen Sie, ob grounding_metadata vorhanden ist, bevor Sie behaupten "das ist verifiziert".
• Wählen Sie die Stufe bewusst. Flash für hochvolumige gegroundete Abfragen, Pro wenn das Reasoning über die abgerufenen Fakten der schwierige Teil ist.
• Für private und öffentliche Wahrheit planen Sie RAG und Search Grounding gemeinsam ein, statt ein Tool zu zwingen, beide Aufgaben zu erledigen.

Wo das skaliert

Für Enterprise-Deployments lebt das gleiche Grounding-Konzept in Vertex AI, mit Grounding auf Google Search *und* Grounding auf Ihren eigenen Unternehmensdaten, plus der Governance, dem Logging und den IAM-Kontrollen, die eine regulierte Organisation braucht. Wenn Ihr Assistent vom Prototyp zu einem Produktivsystem innerhalb von Google Cloud aufsteigt, ist das der Weg: siehe cloud.google.com/vertex-ai. Die APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen →-Oberfläche ist nah genug, dass in AI Studio gebaute Prototypen ohne Neuschreiben Ihrer Kernlogik portieren.

Key Takeaways

• Grounding ist ein Tool, kein Prompt-Trick. Hängen Sie google_search an Ihren Request; das Modell entscheidet, wann es sucht, und liefert Quellenangaben in grounding_metadata. Lesen und zeigen Sie diese Quellen.
• Nutzen Sie Grounding für das öffentliche, aktuelle Web; nutzen Sie RAG für Ihre privaten Daten. Sie kombinieren sich: produktive Assistenten betreiben üblicherweise beides.
• Bei der Live APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → geht es um Echtzeit-Interaktion, nicht um Aktualität. Streamen Sie Audio/Video rein und raus über eine persistente Session für Voice Agents und Live-Hilfe; Tools (inklusive Search Grounding) funktionieren darin.
• Prototypen in AI Studio bauen, dann exportieren. Grounding ein- und ausschalten, um den Kontrast zu sehen, "Get code" klicken und die exakte Tool-Konfiguration in Ihre App übernehmen.
• Zeigen Sie immer Quellenangaben und Suchvorschläge. Quellen zu verstecken macht den ganzen Sinn von Grounding zunichte und kann die Nutzungsbedingungen verletzen.