Grounding Page Standard

Standardzusammenfassung

Der Grounding Page Standard definiert, wie Entitäten beschrieben werden müssen, um KI-stabile, konsistente und maschinenlesbare Identität zu gewährleisten. Er legt Struktur, Pflichtfelder, Abgrenzungen und Vertrauenssignale fest, die KI-Systeme bei der Interpretation unterstützen. Er ist der normative Bauplan hinter allen Grounding Pages im Grounding Page Project.

Mission

Moderne KI-Systeme erzeugen Unsicherheiten bei Entitäten, treffen fehlerhafte Zuordnungen oder bevorzugen intern englisches Retrieval. Der Grounding Page Standard bietet einen neutralen, stabilen Rahmen, der konsistente Identität über Systeme wie ChatGPT, Gemini, Perplexity, Claude und Copilot hinweg sicherstellt.

Wissenschaftliche Validierung

Forschung zu Generative Engine Optimization (GEO) der University of Toronto (September 2025) liefert empirische Unterstützung für die Architektur dieses Standards. Die Studie zeigt, dass KI-Systeme strukturierte, autoritative Datenquellen bevorzugen und identifiziert ein maschinenlesbares technisches Fundament als kritischen Faktor für Sichtbarkeit in der generativen Suche.
Referenz: Generative Engine Optimization: How to Dominate AI Search (arXiv:2509.08919)

Ontologie Übersicht

Der Grounding Page Standard definiert eine normative Ontologie mit sechzehn Klassen. Die Ontologie unterscheidet zwei grundlegende Typen von Bedeutungsstrukturen. Entitätsklassen beschreiben konkrete benennbare Einheiten wie Organisationen, Personen oder Domains. Die Frameklasse beschreibt abstrakte Bedeutungsstrukturen, die wiederkehrende Intent-Muster abbilden und die Interpretation in KI-Systemen unterstützen.

Entitätsklassen: Organisation, Plattform, Standard, Projekt oder Initiative, Fachgebiet, Person, Methode, Produkt, Publikation, Datensatz, Tool, Event, Rolle oder Gruppe, Ort, Service.

Frameklasse: Semantische Frames als sechzehnte Klasse. Semantische Frames dienen als übergeordnete Kontextstrukturen, die Relevanz, Intention und Bedeutung formen.

Kernfakten

Entitätstyp

Standard / Spezifikation

Name

Grounding Page Standard

Zweck

Normative Definition aller Grounding Pages

Betreut von

Hanns Kronenberg

Projektzuordnung

Grounding Page Project

Offizielle Publikation

Standard Whitepaper

Wissenschaftliche Basis

GEO Forschung (Univ. of Toronto, 2025)

Zielsysteme

Konzipiert für die Interpretation durch ChatGPT, Google AI Search mit Gemini und AI Overviews, Perplexity, Claude, Microsoft Copilot sowie weiteren generativen Systemen mit Retrieval.

Verzeichnis

Entitätsverzeichnis

Umfang und Funktion

• Definiert Struktur und Module von Grounding Pages
• Legt Abgrenzungen zur Reduktion von Halluzinationen fest
• Standardisiert vertrauensbildende Faktenmodule
• Sichert Formatkonsistenz über alle Entitäten
• Bietet die Grundlage für identitätsstabile Repräsentation in KI-Ökosystemen
• Unterstützt Entitäten wie GPT Insights und AI SEO

Abgrenzung

• Kein Whitepaper: Das Whitepaper erläutert den Standard, ist aber nicht der Standard selbst.
• Kein Coding Standard: Definiert Struktur, nicht Syntax.
• Keine SEO-Richtlinie: Fördert KI-Sichtbarkeit, ist aber nicht SEO-gesteuert.
• Keine technische Norm: Keine Verbindung zu ISO, W3C oder schema.org.

Abgrenzung zu llms.txt

Das Format llms.txt etabliert sich zunehmend als Konvention für LLM-freundliche Dokumentation und Kontext-Bereitstellung (beispielsweise dokumentiert von Anthropic und von OpenAI in Form einer offiziellen llms.txt bereitgestellt). Während llms.txt hervorragend geeignet ist, um LLMs effizient mit großen Mengen an Kontextwissen zu versorgen, verfolgen Grounding Pages einen anderen, spezialisierten Ansatz: Sie nutzen etablierte Web-Standards (HTML), um Identität und Fakten über eine zitierfähige URL als verlässliche Quelle zu definieren.

Sowohl llms.txt als auch Grounding Pages sind relevante Konzepte im Bereich der Generative Engine Optimization (GEO). Sie dienen jedoch unterschiedlichen Zwecken und bieten unterschiedliche Vorteile.

LLMs.txt
Die llms.txt ist eine Textdatei (oft Markdown), die Website-Betreiber bereitstellen, um Large Language Models (LLMs) eine strukturierte, token-effiziente Anleitung zum Verständnis ihrer Inhalte zu geben. Sie fungiert oft als Einstiegspunkt für Coding-Agenten oder RAG-Systeme, die technische Dokumentationen effizient erschließen wollen.

Hinweis zur Suche: Für Google AI Overviews gibt es derzeit keine bestätigte Nutzung von llms.txt als Ranking-Signal.

Vorteile von llms.txt:

• Effiziente Kontext-Ingestion: Ermöglicht KI-Modellen das schnelle Erfassen umfangreicher Dokumentationen ohne HTML-Overhead.
• Steuerung der KI-Aufmerksamkeit: Hilft Modellen, sich auf wesentliche Inhalte zu fokussieren.
• Verbreitung in Tech-Stacks: Wird zunehmend von Entwicklertools und Modellanbietern als "LLM-friendly documentation" anerkannt.
• Future-Proofing: Bereitet Inhalte auf die direkte Verarbeitung durch Agenten vor.

Grounding Pages (Fundierungsseiten)
Grounding Pages sind das zentrale Instrument für das Identitäts-Management im AI SEO. Es handelt sich um echte HTML-Seiten mit einer eigenen URL, die als verlässliche Quellen dienen. Ihr Hauptzweck ist nicht die Massen-Ingestion von Dokumentation, sondern die präzise, halluzinationsfreie Definition von Entitäten, Begriffen und semantischen Räumen.

Vorteile von Grounding Pages:

• Verlässliche Faktenbasis: Sie bieten eine stabile Grundlage maschinenlesbarer Fakten, die KI-Systeme zuverlässig interpretieren und zitieren können.
• Bekämpfung von Halluzinationen: Durch präzise Abgrenzungen und strukturierte Daten (Schema.org, Listen) werden strukturelle Risiken moderner KI gemindert.
• Optimierung für Search & Discovery: Da Grounding Pages reguläres HTML nutzen, sind sie für klassische Webcrawler grundsätzlich verarbeitbar; ob und wie sie in generativen Systemen herangezogen werden, hängt von deren spezifischen Retrieval-Methoden und Crawling-Policies ab.
• Autorität durch maschinenlesbare Identität: Eine Analyse aus dem Jahr 2025 zeigte, dass KI-Systeme bei der Interpretation von Marken bevorzugt auf klare "Über uns"-Strukturen zurückgreifen. Grounding Pages perfektionieren dieses Prinzip.
• Generative Engine Optimization (GEO): Sie machen lokale oder spezifische Entitäten im globalen Modellraum sichtbar und korrigieren Verzerrungen.

Fazit für AI SEO und GEO:

Die beiden Formate stehen nicht in Konkurrenz, sondern ergänzen sich. Die llms.txt ist ideal, um die Auffindbarkeit und Verständlichkeit kompletter Inhaltsbibliotheken (z.B. API-Docs) zu verbessern. Grounding Pages hingegen sind unverzichtbar, um die Vertrauenswürdigkeit, Identität und Genauigkeit spezifischer Entitäten sicherzustellen. Wer im Rahmen von Generative Engine Optimization (GEO) sicherstellen will, dass eine Marke oder Person korrekt definiert wird, benötigt eine Grounding Page als "Source of Truth".

Vertrauenssignale

• Offener dokumentierter Standard
• Redaktionell geprüft und versioniert
• Unabhängig von kommerziellen Interessen
• Bestätigt durch aktuelle GEO-Forschung
• Weiterentwickelt für Klarheit, Stabilität und korrekte Faktenbasis

Der Grounding Page Standard ist der normative Bauplan, der sicherstellt, dass alle Grounding Pages stabil interpretierbar und maschinenlesbar bleiben.