Ground Truth (übersetzt in etwa „Bodenwirklichkeit“ oder „Grundwahrheit“, oder auch „Feldvergleich“) bezeichnet in verschiedenen technischen und ingenieurwissenschaftlichen Disziplinen ein Konzept oder Verfahren, mit dem gemessene oder erfasste Informationen oder Daten mit echten Gegebenheiten oder Referenzwerten abgeglichen werden. Das Konzept wird im Rahmen der Verifikation (V&V) angewendet und ist unmittelbar mit Messtechnik und Testen verbunden.
In der Astrogeologie ist „Ground Truth“ eine notwendiges Verfahren, um ein Verständnis für planetare Umgebungen und Prozesse zu entwickeln. Die Erde ist dabei der Schlüssel zum interplanetaren Aktualismus.
Ground Truth-Messungen sind ein wichtiger Bestandteil bei der Entwicklung und dem Testen unbemannter System wie z. B. autonomer Fahrzeuge als Teil der Automobilelektronik.
Der Begriff „Ground Truth“ wird auch im Maschinellen Lernen (modernen Künstlichen Intelligenz) und im Kontext der Computer Vision verwendet. Dabei handelt es sich um Daten, die es erlauben, die Qualität der Ergebnisse von KI-Modellen zu überprüfen. Von solchen Daten ist somit vorher bekannt, welches Ergebnis sie liefern müssen. Die Daten werden dazu vorab manuell bewertet und ggf. mit Annotationen (Kennzeichnungen) versehen.
Diese Methode ist auch als überwachtes Lernen bekannt. Dabei wird das KI-Modell anhand eines annotierten Datensatzes trainiert, um auf der Grundlage von Eingabedaten Vorhersagen oder Klassifizierungen zu treffen. Das Modell lernt aus den bereitgestellten Beispielen, die sowohl die Eingabevariablen als auch die zugehörigen Ausgabewerte umfassen. Da das Modell von einem „Aufseher“ oder „Lehrer“ angeleitet wird, der ihm dabei hilft, die korrekten Muster und Zusammenhänge in den Daten zu erlernen, spricht man von überwachtem Lernen.
Beim unüberwachten Lernen lernt ein KI-Modell aus unbeschrifteten Daten und trifft Vorhersagen auf der Grundlage ähnlicher Muster.
Im Information Retrieval bezeichnet der Begriff „Ground Truth“ die Klassifikation einer Testdatenbank mit einer zugehörigen Menge an Anfragen. Dabei ist für jedes Dokument in der Testdatenbank festgelegt, ob es bezüglich jeder einzelnen Anfrage relevant oder irrelevant ist. Dies findet Anwendung bei der Bewertung von Informationssystemen. Insbesondere die üblichen Qualitätsmaße wie „Precision und Recall“ machen von diesem Wissen Gebrauch. Eine der bedeutendsten Testkollektionen im Bereich des Text-Retrievals wird von der „Text REtrieval Conference“ (TREC) des National Institute of Standards and Technology (NIST) gepflegt.
„Ground Truth“ bezeichnet in der Fernerkundung und Kartografie direkt durch Geländeerkundung am Boden aufgenommene Informationen (Bodenproben, Fotos, Vegetationsbestimmung etc.), die zur Analyse von Fernerkundungsdaten, wie z. B. Luftaufnahmen, Satellitenbildern oder anderen, genutzt werden.
Durch Ground Truth-Daten ist es möglich, Fernerkundungsdaten präziser zu klassifizieren und das Ergebnis auf Korrektheit zu prüfen. Wenn ausschließlich nur mit Fernerkundungsdaten gearbeitet wird, können diese Daten oft nicht eindeutig zugeordnet werden. Zum Beispiel könnte es Probleme bei der Unterscheidung von Mais-Feldern und Sonnenblumen-Feldern geben, weil beide auf Fernerkundungsdaten ähnliche Merkmalsausprägungen (ähnliche Rückstreuung in verschiedenen Spektralbereichen) haben. Die aufgezeichneten Informationen lassen sich also erst dann ausreichend korrekt zuordnen, wenn an einigen Stellen im Gelände exemplarisch Daten aus einem Feldvergleich verfügbar sind. Ground Truth-Daten können vor, während oder nach einer Befliegungskampagne erhoben werden. Ersatzweise können Ground Truth-Daten auch aus anderen – nicht vor Ort bestimmten – Quellen genutzt werden.