Deep Research KI: Methode für ein belegtes Ergebnis

Was ist KI-gestützte Tiefenrecherche (Deep Research) und worin unterscheidet sie sich von einer klassischen KI-Recherche?

Tiefenrecherche (auf Englisch Deep Research) ist eine Betriebsart konversationeller KI-Agenten [17]. Anstatt direkt zu antworten, führt der Agent eine mehrstufige Untersuchung durch und liefert einen schriftlichen Bericht.

Was der Agent tut

Ausgehend von einer Frage erstellt der Agent einen Plan, führt Dutzende, manchmal Hunderte Websuchen durch, liest die Seiten und wertet die Ergebnisse aus [27]. Das Ergebnis ist ein schriftlicher Bericht und keine Linkliste [12]. Er ist strukturiert und stützt sich auf mehrere Quellen [34].

Ein iteratives Vorgehen, keine Antwort in einem Zug

Eine klassische Antwort entsteht in einem einzigen Zug, während Tiefenrecherche iterativ arbeitet [21]. Der Zyklus umfasst folgende Schritte:

1. Zerlegung: Die KI zerlegt die Frage in Teilfragen [21].
2. Recherche: Sie startet Abfragen für jede dieser Teilfragen [21].
3. Lektüre: Sie liest die Ergebnisse [21].
4. Bewertung und Verfeinerung: Sie beurteilt die Quellen und formuliert ihre Abfragen um [32].
5. Synthese: Sie fasst alles in einem Dokument zusammen [32].

Unterschiede zur klassischen KI-Recherche

Vorsicht bei den Quellen dieser Definition

Diese Beschreibungen stammen aus einer Online-Enzyklopädie [17], aus populärwissenschaftlichen Artikeln [27][21][34] und aus einem Vergleich [12]. Eine der Quellen stammt von OpenAI, das damit das eigene Produkt beschreibt [32]. Es handelt sich um Webquellen, nicht um Studien, die die Zuverlässigkeit der erstellten Berichte bewerten. Der iterative Charakter des Vorgehens garantiert daher an sich nicht die Richtigkeit des Ergebnisses. Deshalb befasst sich der weitere Teil der Methode mit der Eingrenzung der Frage, den Zitaten und der Überprüfung.

Wie grenzt man seine Frage ein und validiert den Rechercheplan?

Die Qualität eines Tiefenrecherche-Berichts entscheidet sich vor der eigentlichen Exploration: Die Eingrenzung der Frage und die Validierung des Plans steuern alles, was die KI suchen wird. Eine Quelle beschreibt das Vorgehen als das eines Analysten: die Frage klären, einen Plan erstellen, Spuren erkunden, gegenprüfen und schließlich ein verwertbares Dokument liefern [22]. Die ersten beiden Schritte hängen direkt von Ihnen ab.

Die Frage klären, bevor das Werkzeug gestartet wird

Diese Werkzeuge beginnen damit, das Ziel der Nutzerin oder des Nutzers zu erfassen, und zerlegen es dann in engere Rechercheaufgaben [33]. Je klarer das Ziel, desto besser passt die Zerlegung zu Ihrem Bedarf. In der Anfrage ist es sinnvoll, Folgendes festzulegen (methodische Empfehlung, nicht aus dem Dossier):

• den Rahmen: Thema, Zeitraum, geografischer Raum;
• das erwartete Ergebnis: Synthesenotiz, Vergleichstabelle, Stand der Forschung;
• die zulässigen oder auszuschließenden Quellentypen.

Nach der Zerlegung der Frage sammelt das Werkzeug Informationen aus mehreren Quellen und bewertet deren Relevanz [14]. Beide Beschreibungen [33][14] stammen von einem Hersteller von Werkzeugen: Sie beschreiben sein Produkt, keinen überprüften Standard.

Den Plan validieren, wenn das Werkzeug es erlaubt

Manche Werkzeuge erstellen zunächst einen strukturierten Rechercheplan, den man genehmigen oder ändern kann, und durchsuchen anschließend das Web, um einen Bericht zu erstellen [10]. Dieser änderbare Plan ist ein Kontrollpunkt am Anfang: Sie können eine abseitige Spur streichen oder einen fehlenden Blickwinkel ergänzen, bevor die Erkundung beginnt. Dieser Schritt ist nicht selbstverständlich, daher sollten Sie prüfen, ob das gewählte Werkzeug ihn anbietet.

Ein Ratschlag mit Abstand betrachtet

Dieselbe Seite empfiehlt, die KI zunächst als „Prompt-Engineer“ handeln zu lassen, um die Ausgangsnachricht zu optimieren, was die Qualität der Ergebnisse deutlich verbessern würde [10]. Dieser Rat stammt von einer kommerziellen Quelle, und das Dossier enthält keine unabhängige Bewertung seiner Wirkung. Testen Sie ihn an Ihren eigenen Themen, indem Sie den Bericht mit und ohne Umformulierung vergleichen.

Die Gegenprüfung, der letzte Schritt des oben beschriebenen Vorgehens [22], betrifft die Quellen, die das Werkzeug ausgewählt hat. Sie wird bereits bei der Eingrenzung vorbereitet, indem man ausdrücklich zitierte Quellen verlangt. Das wird im folgenden Abschnitt näher erläutert.

Wie verlangt man nachvollziehbare Zitate für jede Aussage?

Ein belegter Bericht ordnet jede Aussage einer zitierten Quelle zu, die die Leserin oder der Leser öffnen kann. Diese Anforderung muss in der Anfrage selbst formuliert werden: Man kann nicht davon ausgehen, dass sie standardmäßig erfüllt wird.

Was die Anbieter versprechen

Tiefenrecherche wird als Modus dargestellt, der Informationen im Web sucht, analysiert und zusammenfasst und daraus einen vollständigen, durch zitierte Quellen gestützten Bericht erstellt [40]. Ein Online-Leitfaden beschreibt das Werkzeug als darauf ausgelegt, Ergebnisse zu liefern, die durch Zitate belegt sind [25]. Beide Texte sind Webinhalte zur Präsentation und keine unabhängigen Bewertungen: Sie beschreiben die Absicht des Werkzeugs, nicht seine Genauigkeitsquote.

Wie man es in der Anfrage formuliert

Es ist ratsam, die Anforderung ausdrücklich schriftlich festzuhalten. Folgende Vorgaben können aufgenommen werden (methodische Empfehlungen, nicht aus dem Dossier):

• eine Quelle pro sachlicher Aussage, Zahl oder Datum;
• eine identifizierbare Referenz (Titel, Autor, Datum, Link);
• eine klare Trennung zwischen dem, was belegt ist, und dem, was auf der Interpretation des Modells beruht;
• die ausdrückliche Kennzeichnung einer nicht belegten Aussage, statt sie wegzulassen oder zu ergänzen.

Was die Nutzerin oder der Nutzer selbst prüfen muss

Die akademische Literatur betrachtet die Erstellung einer kontextualisierten Zusammenfassung mit Quellen als Vorteil dokumentarischer Recherchewerkzeuge und behandelt deren Grenzen separat [1]. Sie macht daraus also keine Garantie. Die Leitfäden von Bibliotheken gehen in dieselbe Richtung: KI-Recherchewerkzeuge heben Informationen über Qualität und Art der Studien hervor (Studientyp, Anzahl der Zitate), schlagen eine zusammenfassende Antwort vor und fassen die gefundenen Artikel zusammen [39]. Diese Indikatoren helfen bei der Auswahl der Referenzen, ersetzen aber nicht deren Lektüre.

Keine der konsultierten Quellen behauptet, dass die erstellten Zitate immer korrekt sind. Dass ein Zitat im Bericht erscheint, beweist nur, dass einer Aussage eine Referenz zugeordnet wurde. Zu prüfen bleibt, ob die Quelle existiert, ob sie zugänglich ist und ob sie tatsächlich das sagt, was der Bericht ihr zuschreibt. Der folgende Abschnitt beschreibt diese Kontrolle im Detail.

Welche Quellen kann die KI tatsächlich abfragen: Web, Wissenschaft, private Inhalte?

Tiefenrecherche-Agenten greifen nicht alle auf dieselben Quellen zu: Man unterscheidet solche, die das offene Web durchsuchen, solche, die zusätzlich universitäre Datenbanken einbeziehen, und solche, die auch Ihre persönlichen Inhalte lesen können, sofern Sie dies erlauben.

Drei Familien von Agenten

• Offenes Web. Der Agent arbeitet autonom und durchsucht das Web in der Tiefe [37]. Dies ist die Grundlage der meisten Werkzeuge.
• Web und universitäre Datenbanken. Einige Werkzeuge kombinieren universitäre Datenbanken mit dem offenen Web, um wissenschaftliche Artikel, Forschungsmaterialien und Belege abzurufen [31]. Laut der Bibliothek der Université Laval heben diese Assistenten außerdem Qualität und Art der gefundenen Studien hervor (Studientyp, Anzahl der Zitate) und schlagen eine zusammenfassende Antwort vor [39].
• Persönliche Inhalte. Gemini Deep Research kann zusätzlich zum Web, falls die Nutzerin oder der Nutzer dies wünscht, Gmail-, Drive- und Chat-Inhalte durchsuchen [37]. Der Zugriff setzt daher eine ausdrückliche Genehmigung voraus.

Diese Beschreibungen stammen von den Seiten der Anbieter [31][37]. Sie geben an, was ein Werkzeug verspricht, nicht was es in Ihrem Fall tatsächlich lesen kann.

Zugangshindernisse

Ein Agent kann bestimmte Hürden nicht überwinden: kostenpflichtige Websites, private Datenbanken, Websites, die Robotern und KI absichtlich den Zugriff verwehren [17]. Diese Information stammt aus einer Online-Enzyklopädie und sollte mit der Dokumentation des von Ihnen verwendeten Werkzeugs abgeglichen werden. Wenn eine für Ihr Dossier wesentliche Quelle in eine dieser Kategorien fällt (kostenpflichtige Fachzeitschrift, Branchendatenbank, interner Bericht), ergänzen Sie die Recherche selbst um diese Quellen. Andernfalls kann der Bericht vollständig wirken und gerade das auslassen, worauf es ankommt.

Die Zahl eines Anbieters ist keine Garantie

Sider wirbt damit, dass sein Modus „Scholar Deep Research“ in mehr als 350 Millionen zuverlässigen wissenschaftlichen Dokumenten sucht [38]. Diese Zahl ist ein Verkaufsargument. Sie misst ein Volumen, nicht die Relevanz des Korpus für Ihre Frage und auch nicht die Qualität dessen, was der Agent auswählt. Das Attribut „zuverlässig“ ist ebenfalls eine Behauptung des Anbieters. Das brauchbare Kriterium ist, ob die im Bericht zitierten Quellen existieren, tatsächlich sagen, was ihnen zugeschrieben wird, und Ihr Thema abdecken.

Wie überprüft man einen KI-generierten Bericht, bevor man ihn verwendet?

Ein KI-generierter Bericht lässt sich anhand von fünf Kontrollen prüfen: die entscheidenden Quellen öffnen, Inhalte einordnen und kontextualisieren, sich nicht auf die Zusammenfassung verlassen, die Ergebnisse erklären lassen und schließlich mit klassischer dokumentarischer Recherche gegenprüfen. Tiefenrecherche-Modi erstellen einen Plan, starten Abfragen in mehreren Durchgängen und stützen sich auf zahlreiche Quellen [29]. Jede einzelne zu kontrollieren ist nicht realistisch. Daher ist eine Priorisierung nötig.

1. Die Quellen öffnen, die die Argumentation tragen. Wählen Sie jene aus, die Zahlen, Daten, Zitate und Schlussfolgerungen stützen. Prüfen Sie, ob die zitierte Passage im Dokument existiert und tatsächlich das aussagt, was der Bericht ihr zuschreibt. Dass ein Link sich öffnen lässt, beweist noch nicht, dass die Aussage stimmt.

2. Einordnen und kontextualisieren. Die Dokumentationsarbeit im Umgang mit KI beruht auf einer präzisen Aufgabe: Quellen einordnen und Inhalte kontextualisieren [7]. Identifizieren Sie für jede Quelle den Autor, das Datum, die Art des Dokuments (amtlicher Text, Forschungsarbeit, kommerzieller Inhalt) und den Entstehungskontext.

3. Sich nicht auf die Zusammenfassung allein verlassen. Die Öffentlichkeit muss zu einer kritischen Lektüre der von der KI gelieferten Ergebnisse befähigt werden [7]. Die Zusammenfassung ist ein Einstieg, kein Beweis. Auf das Risiko flacher Ergebnisse und unangemessener Ausrichtungen wird außerdem hingewiesen, weshalb eine explizite Methode sinnvoll ist, um Fehler und Verzerrungen zu begrenzen [5].

4. Die Ergebnisse erklären lassen. Die von der KI erzeugten Ergebnisse müssen erklärbar sein [2]. Fragen Sie, wie der Bericht von den Quellen zu jeder Schlussfolgerung gelangt. Eine Schlussfolgerung, deren Herleitung Sie nicht nachvollziehen können, gehört nicht in ein Endprodukt.

5. Auf klassischem Weg gegenprüfen. Universitäre Leitfäden erinnern an den Nutzen klassischer dokumentarischer Recherche und fachspezifischer Datenbanken [28]. Bei einer zentralen Aussage finden Sie die Quelle über diese Wege. Das ist umso wichtiger, als der Agent weder auf kostenpflichtige Websites noch auf private Datenbanken zugreifen kann [17].

Halten Sie abschließend fest, was geprüft, korrigiert oder verworfen wurde. Diese Dokumentation macht die Kontrolle nachvollziehbar und erleichtert die Durchsicht durch Dritte.

Welche Risiken und Grenzen hat KI-gestützte Tiefenrecherche?

KI-gestützte Tiefenrecherche birgt dokumentierte Risiken: Fehler und Verzerrungen, flache Ergebnisse, intransparente Modelle, ungleiche Nachvollziehbarkeit der Quellen, ethische Fragen und Nutzungsgrenzen. Die meisten dieser Risiken lassen sich durch eine explizite Methode und menschliche Kontrolle verringern, nicht durch die Wahl eines bestimmten Werkzeugs.

• Fehler und Verzerrungen. Eine Analyse zum Einfluss von KI auf die wissenschaftliche Forschung empfiehlt, Fehler durch eine explizite Methode zu minimieren, um bestimmte Verzerrungen zu vermeiden [5].
• Flache Ergebnisse und Ausrichtung. Dieselbe Quelle warnt vor flachen Ergebnissen und davor, dass der Forschung bestimmte Richtungen aufgezwungen werden [5]. Ein allzu glatter Bericht kann randständige, aber entscheidende Spuren übersehen.
• Intransparenz. Eine systematische Übersichtsarbeit zu KI und der Informationseffizienz von Märkten stellt fest, dass die „Black Box“ der KI undurchsichtiger wird [9]. Eine Arbeit zum erweiterten Audit befasst sich wiederum mit der Erklärung der von der KI erzeugten Ergebnisse [2]. Man muss in der Lage sein darzulegen, wie eine Schlussfolgerung zustande kam, vor allem in einem Beratungs- oder Expertenbericht.
• Nachvollziehbarkeit der Quellen. Eine Studie unter Lehrenden und Forschenden in Burkina Faso behandelt die Frage der KI-Quellen im Sozialbereich. Da der verfügbare Auszug gekürzt ist, lässt sich daraus nicht mehr ableiten [8]. Ein angezeigtes Zitat beweist nicht, dass die Quelle das sagt, was ihr zugeschrieben wird: Man öffnet die entscheidenden Referenzen.
• Ethik. Arbeiten zur Ethik der Forschung im KI-Zeitalter nennen unter den Herausforderungen den Schutz von Quellen und Informationen [6]. Vertrauliche Dokumente oder sensible Quellen einem Werkzeug anzuvertrauen setzt voraus, dass man weiß, wo sie verarbeitet werden.
• Eingeschränkter Zugang zu Inhalten. Laut dem Wikipedia-Artikel zum Thema überwindet der Agent weder kostenpflichtige Websites noch private Datenbanken oder Websites, die Robotern und KI absichtlich den Zugriff verwehren [17]. Diese Quellen müssen separat konsultiert werden.
• Nutzungskontingente. Der Anbieter Ninja Tech gibt an, dass Konkurrenzwerkzeuge oft auf eine tägliche Anzahl von Anfragen begrenzt sind, selbst mit den höchsten Tarifen [11]. Diese Information stammt von einem kommerziellen Akteur, der ein Angebot ohne Limit bewirbt: Sie ist in den Nutzungsbedingungen jedes Werkzeugs zu überprüfen.

Diese Grenzen lenken die Praxis eher, als dass sie die Methode disqualifizieren: die Frage eingrenzen, den Verlauf des Vorgehens festhalten und die Referenzen prüfen, die die Schlussfolgerung tragen.

Wann Tiefenrecherche statt einer schnellen KI-Recherche wählen?

Die Wahl hängt davon ab, was Sie liefern müssen: Die schnelle KI-Recherche dient dazu, eine Synthese und einen Überblick zu erhalten, Tiefenrecherche dazu, eine erschöpfende Analyse durchzuführen. Ein Online-Vergleich stellt diese beiden Logiken gegenüber, „schnelle Synthese, Überblick“ auf der einen Seite, „erschöpfende Analyse“ auf der anderen [13].

Die Abwägungskriterien

Bevorzugen Sie die schnelle KI-Recherche, wenn:

• Sie sich in einem Thema orientieren, einen Punkt überprüfen oder eine präzisere Frage vorbereiten möchten;
• ein erster Überblick ausreicht, um über das weitere Vorgehen zu entscheiden;
• das Ergebnis ohnehin an anderer Stelle gegengeprüft wird.

Reservieren Sie Tiefenrecherche für Fälle, in denen:

• die Frage komplex ist und sich in mehrere Teilfragen zerlegen lässt;
• das Ergebnis ein Bericht für eine Kundin oder einen Kunden, ein Gremium oder eine Veröffentlichung ist;
• Sie eine breite Abdeckung brauchen und nicht nur die ersten Treffer.

Diese Unterscheidung ist ein Entscheidungskriterium, keine allgemeingültige Regel: Sie ist je nach Tragweite und verfügbarer Zeit anzupassen.

Welcher Zeitaufwand ist einzuplanen?

Tiefenrecherche liefert keine Antwort in einem Zug. Sie arbeitet iterativ: Sie zerlegt die Frage in Teilfragen, startet Recherchen und liest anschließend die Ergebnisse [21]. Dieser Aufwand kostet Zeit, die der Leitfaden von NextStart.AI auf etwa 20 Minuten beziffert [21]. Es handelt sich um eine Größenordnung aus einer Webquelle, die Sie anhand des von Ihnen verwendeten Werkzeugs überprüfen sollten.

Einige bestehende Werkzeuge

Diese Liste dient als Beispiel und stellt keine Rangordnung dar:

• OpenAI beschreibt seine Tiefenrecherche als fähig, Informationen aus dem gesamten Web eigenständig zu entdecken, zu bewerten und zu bündeln [20];
• Google Gemini Deep Research, am 11. Dezember 2024 eingeführt [26], durchsucht das Web und, falls die Nutzerin oder der Nutzer dies wünscht, Gmail-, Drive- und Chat-Inhalte [37];
• ein Vergleich von AIMultiple stellt Codex, Claude, Grok und Exa gegenüber. Er definiert ein Werkzeug für Tiefenrecherche als eines, das mit einem schriftlichen Bericht statt mit einer Linkseite antwortet [12].

Die Seiten von OpenAI [20] und Google [37] sind Quellen der Anbieter: Sie beschreiben ihr eigenes Produkt und stellen keine unabhängige Bewertung dar.

Wo steht Oupi in dieser Methode?

Oupi greift in drei Schritte der Methode ein: die Auswahl der Quellen, die Forderung nach Zitaten und die Überprüfung. Die Plattform durchsucht Web-, Presse-, Rechts- und wissenschaftliche Quellen und zitiert jede Aussage in ihren Antworten.

Was sich im Vorgehen ändert

• Vielfältige Quellen. Eine und dieselbe Frage kann sich auf Presseartikel, Rechtstexte und wissenschaftliche Publikationen stützen, was den Bedürfnissen von Analystinnen und Analysten, Beratenden und Forschenden entspricht.
• Systematische Zitate. Das zentrale Prinzip einer Tiefenrecherche ist, belegte Ergebnisse zu liefern, wobei jede Aussage auf einer Quelle beruhen muss [25]. Da mit Oupi jede Aussage zitiert wird, haben Sie eine Referenz, die Sie öffnen können, statt einen Satz, den Sie selbst wiederfinden müssen.
• Erleichterte Überprüfung. Sie kontrollieren vorrangig die entscheidenden Passagen Ihres Ergebnisses, indem Sie direkt zur zitierten Quelle zurückgehen.

Um mit Ihren eigenen Dokumenten zu arbeiten, lesen Sie die Seite Chat mit Dokumenten und Recherche.

Was das Werkzeug nicht ersetzt

Ein Zitat zeigt, woher eine Aussage stammt. Es garantiert nicht, dass die Quelle tatsächlich das sagt, was die Antwort ihr zuschreibt, noch dass die Quelle zuverlässig ist. Die menschliche Kontrolle bleibt daher unverzichtbar: die Referenzen öffnen, die Ihre Schlussfolgerungen tragen, den Kontext der zitierten Passage prüfen und die Quelle einordnen. Arbeiten zur Dokumentation im KI-Zeitalter betonen im Übrigen die Kontextualisierung von Inhalten und eine kritische Lektüre der von der KI gelieferten Ergebnisse [7]. Universitäre Leitfäden erinnern ihrerseits an die Bedeutung der kritischen Lektüre von Primärquellen [28].

Die Zugangsgrenzen, die für Tiefenrecherche-Agenten allgemein gelten (kostenpflichtige Websites, private Datenbanken, Websites, die KI blockieren) [17], sind ebenfalls im Blick zu behalten. Gehört eine für Ihr Dossier wesentliche Quelle zu diesen Kategorien, konsultieren Sie sie separat und ergänzen Sie sie in Ihrer Analyse.

Die Verantwortung für das Endergebnis liegt weiterhin bei der Analystin, dem Berater oder der Forscherin, die es unterzeichnet.