Hoe kiest Gemini zijn bronnen? Het selectiemechanisme uitgelegd

Gemini kiest zijn bronnen niet uit zijn getrainde geheugen, maar via een proces dat Google “grounding met Google Search” noemt: het model stelt zelf zoekopdrachten op, haalt live resultaten op uit de Google-index en bouwt zijn antwoord op de passages die het daar vindt. Welke pagina’s daarin terechtkomen, hangt af van Google’s eigen zoekmechanisme en van hoe goed jouw merk als entiteit herkend wordt. In dit artikel ontleden we dat selectiemechanisme stap voor stap en vertalen we het naar wat je concreet kunt doen om als bron te worden gekozen.

Hoe kiest Gemini welke bronnen het toont?

Gemini selecteert bronnen door, op het moment van je vraag, een of meer zoekopdrachten naar Google te sturen en de teruggekomen webresultaten als context te gebruiken voor zijn antwoord. Het model put dus niet zomaar uit wat het ooit “geleerd” heeft. Bij vragen die baat hebben bij actuele of verifieerbare informatie genereert het zelf zoektermen, voert die uit, leest de resultaten en synthetiseert daar een antwoord uit. In de output verschijnen vervolgens bronvermeldingen die terugverwijzen naar de gebruikte pagina’s.

Dat betekent dat de vraag “hoe kiest Gemini zijn bronnen?” eigenlijk twee vragen is. Eerst: kiest het model er überhaupt voor om te zoeken? En als het zoekt: welke pagina’s komen dan bovenaan in die zoekresultaten, en welke zijn makkelijk genoeg te citeren? Het achterliggende principe, het verschil tussen geheugen en live ophalen, leggen we breder uit in grounding: hoe AI bepaalt wat waar is.

Wat is grounding met Google Search?

Grounding met Google Search is de techniek waarmee Gemini zijn antwoord verankert in actuele webresultaten in plaats van in zijn trainingsdata. Het werkt in een vaste reeks stappen die het model volledig zelf afhandelt. Eerst analyseert het je prompt en bepaalt het of zoeken het antwoord kan verbeteren. Vervolgens formuleert het een of meerdere zoekopdrachten en stuurt die naar Google. Daarna verwerkt het de teruggekomen resultaten, combineert het de relevante stukken en schrijft het een antwoord. Tot slot voegt het bronvermeldingen toe die elk tekstfragment koppelen aan een bron-URL.

Het cruciale inzicht voor jou: de bronnen die Gemini overweegt, komen rechtstreeks uit de Google-index. Er is geen aparte “Gemini-lijst” van goedgekeurde sites. Sta je niet of slecht in Google’s reguliere zoekresultaten voor een onderwerp, dan kun je ook niet als grounding-bron gekozen worden voor dat onderwerp. Dit is precies waarom klassieke vindbaarheid en AI-zichtbaarheid bij Google zo dicht tegen elkaar aan liggen, zoals we uitwerken in gevonden worden in Google AI Overviews.

Hoe beslist Gemini of het überhaupt gaat zoeken?

Gemini grondt niet bij elke vraag: het schat eerst in of externe bronnen het antwoord echt verbeteren. In Google’s eigen documentatie zit hiervoor een mechanisme dat een prompt een voorspellingsscore geeft, een waarde tussen 0 en 1, die hoger is naarmate de vraag meer baat heeft bij zoeken. Een feitelijke, tijdsgevoelige of zeer specifieke vraag scoort hoog en triggert grounding. Een algemene definitie of basiskennis die het model met grote zekerheid uit zijn geheugen kan beantwoorden, scoort laag en wordt zonder zoekopdracht beantwoord.

Voor jou als B2B-aanbieder is dat goed nieuws. Juist de vragen waar het in jouw sector om draait, vergelijkingen, prijsindicaties, “welke aanpak past bij situatie X”, recente ontwikkelingen, zijn het type vraag dat grounding uitlokt. Dat zijn de momenten waarop je content nog een plek kan veroveren in het antwoord. Bij puur generieke “wat is”-vragen valt er weinig te winnen, want daar antwoordt het model vaak rechtstreeks uit zijn geheugen.

Welke rol speelt de Knowledge Graph?

Naast de live zoekresultaten leunt Google’s hele ecosysteem op de Knowledge Graph: een gigantische database van entiteiten (personen, bedrijven, producten, begrippen) en de relaties daartussen. Voordat een antwoord wordt opgebouwd, helpt die graph om een vraag te koppelen aan bekende entiteiten en om feiten en merken aan elkaar te relateren. Als jouw bedrijf daarin als herkenbare entiteit bestaat, met consistente signalen op je eigen site, in gestructureerde data en in vermeldingen op betrouwbare externe bronnen, heeft Google een vast ankerpunt om je aan relevante onderwerpen te koppelen.

Ontbreekt dat ankerpunt, dan mis je een canoniek referentiepunt en is de kans kleiner dat je in een AI-antwoord opduikt. Entiteitsherkenning is dus geen technisch detail maar een voorwaarde om consequent overwogen te worden. Hoe je die herkenbaarheid opbouwt en bewaakt, lees je in entiteitsconsistentie en AI-zichtbaarheid. En omdat externe vermeldingen zwaarder wegen dan je eigen claims, is het de moeite om te begrijpen waarom merkvermeldingen boven backlinks gaan in AI-autoriteit.

Welke pagina’s kiest Gemini binnen die selectie?

Als Gemini eenmaal zoekt, kiest het niet willekeurig: het bouwt voort op de pagina’s die Google’s zoekmechanisme als meest relevant en betrouwbaar inschat, en het hergebruikt vooral wat makkelijk te extraheren valt. In de praktijk komt het neer op een combinatie van factoren die je uit klassieke SEO herkent, maar met een extra accent. Autoriteit en betrouwbaarheid van het domein blijven belangrijk. Versheid telt mee, zeker bij onderwerpen die snel veranderen. Relevantie voor de exacte vraag is doorslaggevend. En, het verschil met puur ranken: je tekst moet zo geschreven zijn dat het model er een schoon, op zichzelf staand antwoord uit kan lichten.

Een pagina die hoog rankt maar waar het kernantwoord verstopt zit tussen marketingtaal, verliest het van een pagina die dezelfde vraag in één heldere zin beantwoordt en daarna onderbouwt. Daarom werkt een vraag-en-antwoordstructuur, met koppen die de vraag van de lezer letterlijk stellen, zo goed. Hoe je je content daarvoor inricht, behandelen we in content-architectuur voor AI-extractie.

Wat betekent dit voor jouw B2B-zichtbaarheid?

De belangrijkste conclusie is geruststellend: je optimaliseert niet voor een mysterieuze, aparte Gemini-machine, maar voor de Google-index en de Knowledge Graph die eronder liggen. Dat is grotendeels hetzelfde fundament als je vindbaarheid in de gewone zoekresultaten en in AI Overviews. Eén stevige basis bedient meerdere kanalen tegelijk. Het verschil met klassieke SEO zit in de nuance, niet in een totaal andere discipline, zoals we naast elkaar leggen in GEO vs SEO.

Bij Customer Impact sturen we daarom niet op een hoge “Gemini-score” als doel op zich, want dat is een ijdele metriek. We sturen op de vragen die jouw kopers echt stellen en op de bronpositie die daar leads uit haalt. Dat betekent eerlijk zijn over de grenzen: niemand kan een vaste plek in een AI-antwoord garanderen, en wie dat belooft, verkoopt lucht. Wat wel kan, is je merk als betrouwbare entiteit verankeren en je content extraheerbaar maken, zodat je de kans systematisch in je voordeel buigt. Die aanpak vormt de kern van onze AI-vindbaarheid.

De korte samenvatting

Gemini kiest zijn bronnen door op het moment van de vraag te zoeken in Google, maar alleen wanneer het inschat dat zoeken het antwoord verbetert. Binnen die zoekresultaten wint de pagina die relevant, betrouwbaar, vers en makkelijk te citeren is, en die hoort bij een merk dat als herkenbare entiteit in Google’s ecosysteem bestaat. Je werkt dus aan twee dingen tegelijk: een sterke entiteit en extraheerbare content op een goed rankend domein. Voor de grotere context van dit alles is onze GEO-pijlerpagina het beste startpunt.

Wil je weten waar jouw merk vandaag staat in de selectie van AI-bronnen, en wat de snelste winst is? Plan je gratis intake en we bekijken het samen.