Agentic Search
Agentic Search bezeichnet eine Suche, bei der ein KI-Programm die Recherche selbst steuert: Es formuliert eigene Suchanfragen, liest die Treffer, bemerkt Lücken und sucht so lange weiter, bis es eine Antwort zusammenstellen kann. Statt einer Trefferliste bekommt man ein Ergebnis mit Quellenangaben.
Eine gewöhnliche Suchmaschine macht genau einen Schritt. Man tippt Wörter ein, sie zeigt eine Liste von Links. Alles Weitere ist Handarbeit: lesen, vergleichen, neu suchen, wenn etwas fehlt. Agentic Search verlagert genau diese Handarbeit in ein Computerprogramm. Das Programm zerlegt die Frage selbst in Teilfragen, sucht mehrfach hintereinander, liest die gefundenen Seiten und entscheidet nach jedem Durchgang, ob es genug weiß. Am Ende liefert es eine ausformulierte Antwort statt einer Linkliste. Das Wort „agentic“ kommt vom englischen agent und meint hier: Das Programm handelt in mehreren Schritten selbstständig, ohne dass jemand jeden Schritt vorgibt.
Was klassische Stichwortsuche nicht leisten kann
Viele echte Fragen lassen sich mit einer einzigen Suchanfrage nicht beantworten. Ein Beispiel: „Welcher deutsche Autobauer hat seine Elektroauto-Ziele für 2030 zuletzt gesenkt, und um wie viel?“ Diese Frage enthält versteckt mehrere Teilfragen. Man muss erst wissen, welche Hersteller überhaupt Ziele genannt haben. Dann muss man für jeden einzeln nachschauen, ob und wann er sie geändert hat.
Genau solche mehrstufigen Fragen sind der Grund, warum diese Technik gerade viel Aufmerksamkeit bekommt. Sprachmodelle allein helfen hier nicht zuverlässig. Ein Sprachmodell ist ein Programm, das aus riesigen Textmengen gelernt hat, plausible Sätze zu bilden. Sein Wissen stammt aus dem Training und ist deshalb veraltet, sobald sich etwas ändert. Fehlt ihm eine Information, erfindet es im Zweifel etwas, das gut klingt. Fachleute nennen das Halluzination.
Der Zugriff auf aktuelle Quellen entschärft dieses Problem, beseitigt es aber nicht. Das Modell kann eine Quelle falsch verstehen oder eine schlechte Quelle bevorzugen. Der praktische Gewinn liegt vor allem in der Nachprüfbarkeit: Gute Systeme geben zu jeder Aussage an, woher sie stammt. Man kann also selbst nachlesen, ob die Angabe stimmt.
Die Schleife aus Suchen, Lesen und Nachfassen
Im Kern läuft immer dieselbe Schleife. Zuerst plant das System: Es überlegt, welche Teilfragen die Aufgabe enthält. Dann formuliert es dazu Suchanfragen und schickt sie an eine Suchmaschine oder an eine Datenbank. Die Treffer werden abgerufen und gelesen, oft nur die wichtigsten Abschnitte. Anschließend bewertet das System, was noch fehlt, und startet die nächste Runde.
Diese Schleife kann fünf Mal laufen oder fünfzig Mal. Genau darin unterscheidet sich Agentic Search von der einfacheren Variante RAG, kurz für Retrieval-Augmented Generation. Bei RAG wird einmal gesucht, das Gefundene wird an die Frage angehängt, und das Modell antwortet. Agentic Search ist die Version mit Rückkopplung: Das Zwischenergebnis bestimmt, was als Nächstes gesucht wird.
Der Preis dafür ist Zeit und Geld. Jeder Durchlauf kostet Rechenleistung, und die zahlt der Anbieter pro Anfrage. Eine gründliche Recherche kann deshalb Minuten dauern statt Sekunden. Außerdem können sich Fehler aufschaukeln: Wer in Runde zwei auf eine falsche Fährte gerät, sucht in Runde drei am Thema vorbei. Deshalb begrenzen Anbieter die Zahl der Runden und bauen Prüfschritte ein.
Von Deep-Research-Knöpfen bis zur Unternehmensrecherche
Am sichtbarsten ist die Technik in Chatbots. Funktionen mit Namen wie „Deep Research“ oder „Recherche“ bei ChatGPT, Gemini oder Perplexity arbeiten nach diesem Prinzip. Man stellt eine Frage, wartet einige Minuten und erhält einen strukturierten Bericht mit Fußnoten. Auch Programmierwerkzeuge nutzen das: Sie durchsuchen eine fremde Programmsammlung, bis sie die Stelle gefunden haben, die einen Fehler verursacht.
In Unternehmen läuft dieselbe Schleife auf internen Daten. Eine Anwältin lässt hunderte Verträge nach einer bestimmten Klausel durchsuchen. Eine Analystin lässt Quartalsberichte vergleichen. Für Finanznachrichten ist das ein wichtiges Geschäftsfeld, weil hier Zeitersparnis direkt Geld wert ist.
Für Leser von Nachrichtenseiten hat das noch eine zweite Seite. Wenn KI-Systeme Webseiten lesen und die Antwort selbst zusammenfassen, klickt niemand mehr auf die Quelle. Verlage streiten deshalb mit KI-Anbietern über Bezahlung und Zugriffsrechte. Ein verbreiteter Irrtum ist übrigens, dass solche Systeme im Internet „surfen“ wie ein Mensch. Meist rufen sie schlicht Suchmaschinen und Schnittstellen ab und verarbeiten den Text.