DeepSearch QA

DeepSearch QA steht für eine Art von Computerprogramm, das eine gestellte Frage beantwortet, indem es vorher selbst im Internet recherchiert. Der Name setzt sich zusammen aus „deep search“, also tiefer Suche, und „QA“ für „question answering“, zu Deutsch Fragebeantwortung. Der Unterschied zu einer normalen Suchmaschine ist der Aufwand: Statt eine Liste von Links auszuwerfen, öffnet das Programm die gefundenen Seiten, liest sie, sucht bei Lücken weiter und schreibt am Ende eine zusammenhängende Antwort. Dabei laufen oft zehn oder mehr Suchanfragen hintereinander, ohne dass der Nutzer davon etwas mitbekommt. Eine solche Antwort dauert deshalb Minuten statt Sekundenbruchteile. Typische Anbieter nennen ihre Funktionen „Deep Research“, „Deep Search“ oder ähnlich, gemeint ist meist dasselbe Prinzip.

Warum Recherche schwerer ist als Antworten

Sprachmodelle, also Programme, die Texte vorhersagen und dadurch flüssig schreiben können, haben ein bekanntes Problem: Sie erfinden gelegentlich Fakten. Fachleute nennen das Halluzination. Der Grund ist, dass ein solches Modell nur aus seinem Training weiß, was es weiß, und dieses Wissen mit einem Stichtag endet. Nach Neuwahlen, Quartalszahlen oder Produktvorstellungen ist es schlicht nicht auf dem Stand.

DeepSearch QA soll genau diese Lücke schließen. Weil das System die Antwort aus aktuellen Webseiten zusammensetzt, kann es Quellenangaben mitliefern. Der Nutzer kann jede Aussage anklicken und nachprüfen. Das verschiebt die Rolle des Programms: Es ist weniger ein Orakel und mehr ein Rechercheassistent.

Wirtschaftlich ist das interessant, weil klassische Recherche teure Arbeitszeit kostet. Ein Analyst, der drei Stunden lang Geschäftsberichte vergleicht, ist ein realer Kostenblock. Genau darauf zielen die Anbieter. Umgekehrt ist so eine Anfrage für den Betreiber teuer, weil das Modell dutzende Seiten verarbeiten muss. Deshalb sind Deep-Research-Funktionen meist auf wenige Anfragen pro Monat begrenzt oder kostenpflichtig.

Der Kreislauf aus Suchen, Lesen und Nachfragen

Am Anfang steht die Zerlegung der Frage. Aus „Wie hat sich der europäische Strompreis seit 2021 entwickelt und warum?“ macht das System mehrere Teilfragen. Für jede formuliert es eigene Suchbegriffe. Dieses Aufteilen ist entscheidend, denn eine einzige Suchanfrage würde die Frage nie vollständig abdecken.

Danach beginnt eine Schleife, die sich mehrfach wiederholt. Das System sucht, öffnet Treffer, zieht die relevanten Absätze heraus und prüft, was noch fehlt. Aus den Lücken entstehen neue Suchbegriffe, und der Vorgang startet erneut. Fachleute sprechen hier von einem Agenten, also einem Programm, das seine nächsten Schritte selbst plant, statt einer festen Reihenfolge zu folgen. Abgebrochen wird, wenn keine neuen Erkenntnisse mehr auftauchen oder ein Zeit- und Kostenlimit erreicht ist.

Zum Schluss schreibt das Modell den Bericht und hängt an jede Aussage die Fundstelle. Ein häufiger Irrtum ist, dass eine Quellenangabe automatisch Richtigkeit bedeutet. Sie belegt nur, dass irgendwo etwas Ähnliches stand. Steht dort Unsinn oder wurde die Stelle falsch zusammengefasst, wandert der Fehler mit in die Antwort. Auch bleibt das System anfällig für einseitige Quellenlagen, wenn zu einem Thema nur eine Sorte von Webseiten existiert.

Deep-Research-Funktionen in Chatbots und Finanztools

Im Alltag begegnet man dem Prinzip als Schaltfläche in bekannten Chatprogrammen. OpenAI, Google und Perplexity bieten Modi mit Namen wie „Deep Research“, bei denen die Antwort mehrere Minuten braucht und als mehrseitiger Bericht erscheint. Man sieht dabei oft live, welche Seite gerade gelesen wird.

In der Finanzwelt tauchen ähnliche Werkzeuge bei Marktanalysen auf, etwa um Geschäftsberichte, Pressemitteilungen und Nachrichtenlage zu einem Unternehmen zu bündeln. Auch in juristischen und medizinischen Datenbanken wird die Technik erprobt. Für die Schule oder das Studium eignet sie sich als Startpunkt einer Recherche, nicht als fertige Hausarbeit.

Wer den Begriff in Nachrichten liest, sollte auf zwei Punkte achten: Wie viele Quellen wurden tatsächlich gelesen, und lassen sich diese Quellen einsehen? Ohne nachprüfbare Belege ist DeepSearch QA nur ein langsamer Chatbot mit selbstbewusstem Ton.