Granularität gibt an, wie teilbar ein System ist. Feinkörnige Systeme, die eine hohe Körnigkeit aufweisen, werden in eine größere Anzahl kleinerer Teile zerlegt, während ein grobkörniges System eine geringere Anzahl größerer Teile aufweist. Zum Beispiel ist eine Messung des Gewichts eines Objekts in Unzen detaillierter als eine Messung des Gewichts desselben Objekts in Pfund, die wiederum genauer ist als eine Messung in Tonnen. Das Konzept ist in einer Reihe von Bereichen wichtig, darunter Wissenschaft, Computertechnologie und Wirtschaft.
In der parallelen Computerverarbeitung bezeichnet der Begriff die Aufteilung von Aufgaben. Die feinkörnige Parallelverarbeitung unterteilt eine Aufgabe in eine große Anzahl kleinerer Aufgaben, die normalerweise von kurzer Dauer sind, während die grobkörnige Parallelverarbeitung größere, längere Aufgaben umfasst. Eine feinere Granularität erhöht den Arbeitsaufwand, der gleichzeitig erledigt werden kann, und ist daher potenziell schneller, jedoch um den Preis, dass mehr Ressourcen für die Kommunikation zwischen den Prozessoren benötigt werden.
Granularität wird auch verwendet, um die Aufteilung von Daten zu beschreiben. Daten mit niedriger Granularität werden in eine kleine Anzahl von Feldern unterteilt, während Daten mit hoher Granularität in eine größere Anzahl spezifischerer Felder unterteilt werden. Beispielsweise kann ein Datensatz mit den körperlichen Merkmalen einer Person mit vielen Daten separate Felder für Größe, Gewicht, Alter, Geschlecht, Haarfarbe, Augenfarbe usw. der Person enthalten, während ein Datensatz mit wenig Daten die gleichen Informationen in eine kleinere Anzahl von allgemeineren Feldern und ein noch niedrigerer Datensatz würden alle Informationen in einem einzigen Feld auflisten. Eine größere Granularität macht die Daten flexibler, da spezifischere Teile der Daten separat verarbeitet werden können, erfordert jedoch größere Rechenressourcen.
In den Naturwissenschaften bezeichnet der Begriff den Detaillierungsgrad wissenschaftlicher Modelle. Ein feinkörniges Modell ist sehr detailliert, während ein grobkörniges Modell Details auf niedriger Ebene ausmittelt, anstatt sie einzeln darzustellen. Zum Beispiel wird ein feinkörniges Computermodell der Wechselwirkungen zwischen Atomen diese auf subatomarer Ebene nach den Gesetzen der Quantenmechanik modellieren, während etwas gröbere Modelle den gesamten Kern eines Atoms als ein punktförmiges Teilchen behandeln, das dann modelliert wird nach der klassischen Physik behandeln noch gröbere Modelle ganze Atomgruppen als eine Einheit. Grobkörnige Modelle sind weniger präzise, benötigen aber weniger Rechenleistung, um ein gegebenes System zu modellieren als feinkörnige Modelle. Sie ermöglichen auch die Modellierung von Großsystemen, die mit feinkörnigeren Modellen unpraktisch oder nicht darstellbar wären.
Dieses Konzept wird auch in Wirtschaft und Finanzen verwendet. Im Bankwesen bezieht sich Granularität im Kreditportfoliorisikomanagement auf die Vielfalt des Portfolios. Hochgranulare Portfolios weisen eine größere Anzahl von Engagements auf, die über eine Vielzahl von Wirtschaftsbereichen verteilt sind, was die Bank vor großen, plötzlichen Verlusten infolge eines Ausfalls eines einzelnen großen Schuldners oder eines Abschwungs in einer einzelnen Branche schützt. Der Begriff kann sich auch auf ein ähnliches Prinzip zur Risikominderung bei Anlagen in Aktien, Obligationen oder Währungen beziehen.