Grounding

Ohne Grounding leiden LLM-basierte Anwendungen unter zwei Problemen: Wissen veraltet (das Modell weiß nichts Neues nach seinem Trainings-Cutoff) und das Modell erfindet plausible aber falsche Inhalte (Halluzinationen). Grounding löst beides, indem es dem Modell zur Laufzeit Zugriff auf aktuelle, verifizierte Daten gibt.

Technisch wird Grounding meist über Retrieval Augmented Generation (RAG) umgesetzt. Bei einer Anfrage werden relevante Daten aus einer Wissensbasis abgerufen und dem Modell als Kontext mitgegeben. Das Modell antwortet dann auf Basis dieser Daten, nicht nur aus seinem Trainingsgedächtnis. Die Qualität der Wissensbasis bestimmt die Qualität der Antworten.

Pimcores Data Spine ist die natürliche Grounding-Schicht für KI-Anwendungen mit Produktbezug. Strukturierte Produktdaten, Stammdaten, Assets und Inhalte werden in einer governt-verwalteten Schicht zusammengeführt und stehen als Faktenbasis für KI-Agenten bereit. Der Agent SDK orchestriert Retrieval und Generation, sodass KI-Antworten immer auf den aktuellen, verifizierten Daten basieren, nicht auf Modell-Erinnerungen.