Ein dreistufiger Workflow, der eine Grounding Page nach dem offenen Standard erzeugt: Fakten recherchieren, von einem Menschen bestätigen lassen, als HTML mit JSON-LD ausliefern. Vorher war das Handarbeit von Spezialisten.
Fallstudie von Ozan Orhan, AI Engineer aus Hannover
Projekt 11 · Grounding Page Standard v1.6 · Human-in-the-loop
Der Grounding Page Standard definiert ein strukturiertes Format für überprüfbare Entitätsinformationen, die für Menschen und AI-Systeme lesbar sind. Er adressiert vier Risiken in AI-Antwortsystemen: Halluzination, Entitätsverwechslung, Nichtnennung und englischdominierte Retrieval-Muster.
Die manuelle Erstellung erfordert Recherche, strukturierte Fakten, Disambiguierung und konsistentes Schema.org-Markup. Ich habe dafür einen dreistufigen Workflow gebaut, der Recherche und Generierung automatisiert, die fachliche Freigabe aber beim Menschen lässt.
Stufe eins nimmt Entität und optionale URL entgegen, legt eine Session an und holt die Seite bei vorhandener URL als Markdown. Ein Research-Agent mit Web-Such-Tool füllt die Felder und gibt schema-validiertes JSON zurück: Quellenliste, modellseitige Konfidenz je Feld und eine Liste der Felder, die Nutzereingabe brauchen. Stufe zwei zeigt diese Werte zur Freigabe und Korrektur. Stufe drei erzeugt Titel, Meta-Description, JSON-LD und HTML-Body gegen ein striktes Schema. Ausgabe als HTML-Datei und als kopierbare Blöcke.
Der Agent liefert Vorschläge mit einem modellseitigen Confidence-Signal und markiert Felder, die er nicht beantworten kann. Erst nach der Bestätigung startet die Generierung.
Freigabe im Ablauf
Vorschlag des Research-Agenten
Abstrahiertes Beispiel zur Veranschaulichung des Ablaufs. Es zeigt keine echte Oberfläche und keine echten Daten.
Beide Aufrufe haben eigene Parameter, Schemas und Token-Budgets. Für die Recherche verwende ich eine niedrige Temperatur, um die Varianz der Ausgabe zu reduzieren; die Generierung formuliert freier. Beide lassen sich einzeln debuggen und austauschen.
Die fachliche Freigabe erfolgt auf Feldebene vor der Generierung. Dadurch verarbeitet der zweite Modellaufruf bereits bestätigte Fakten.
Abgrenzung zu ähnlichen Entitäten und die kanonische URL kommen aus dem Formular. Diese Angaben kann ein Modell nicht zuverlässig liefern, also wird es nicht danach gefragt.
Die Pflichtbausteine des Standards sind als Schemafelder abgebildet. Das Ausgabeschema erzwingt die erwartete Struktur und verhindert zusätzliche, nicht definierte Felder. Die inhaltliche Validierung erfolgt davor durch den Menschen.
Bei Unsicherheit liefert der Agent keinen Wert, sondern einen Eintrag in der Liste „Nutzereingabe nötig“, dazu ein modellseitiges Confidence-Signal, das im Formular angezeigt wird. Der Merge ist deterministisch: Ein Formularwert überschreibt nur, wenn er nicht leer ist; ein leeres Feld bedeutet Zustimmung.
Das Schema begrenzt die Ausgabe auf definierte Felder. Alle externen Zugriffe laufen über den Credential Store.
Schlägt der Scraping-Aufruf fehl, bricht der Lauf nicht ab. Der Agent recherchiert dann vollständig im Web und nutzt den Pfad, der für Eingaben ohne URL ohnehin existiert.
Der Workflow führt Recherche, menschliche Validierung und Dokumentgenerierung in einem dreistufigen Prozess zusammen. Das Ergebnis enthält sichtbaren HTML-Inhalt und passendes JSON-LD nach Grounding Page Standard v1.6.
Jeder Lauf besitzt eine Session-ID und wird über die einzelnen Prozessstufen fortgeschrieben. Dadurch bleibt nachvollziehbar, welche recherchierten Werte vor der Generierung bestätigt oder angepasst wurden.
Fragen zur Umsetzung oder ein Gespräch über eine Rolle im AI Engineering? Zum Kontakt
