Deep Research
Deep Research ist eine Betriebsart von KI-Assistenten, bei der das Programm für eine Frage selbstständig viele Quellen im Internet sucht, liest und zu einem längeren Bericht mit Quellenangaben zusammenfasst. Statt einer Antwort in Sekunden liefert es nach mehreren Minuten ein Dokument, das einer kleinen Recherchearbeit ähnelt.
Ein normaler Chat mit einem KI-Assistenten läuft schnell ab. Man stellt eine Frage, wenige Sekunden später steht die Antwort da. Deep Research funktioniert anders. Man gibt einen Rechercheauftrag, und das Programm arbeitet mehrere Minuten lang selbstständig weiter. In dieser Zeit sucht es im Internet, öffnet Dutzende Seiten, vergleicht die Angaben und stellt daraus einen zusammenhängenden Text her. Am Ende bekommt man keinen kurzen Absatz, sondern einen mehrseitigen Bericht mit Links auf die verwendeten Seiten. Der Name ist keine feste technische Bezeichnung, sondern ein Produktname, den mehrere Anbieter für ihre jeweilige Variante dieser Funktion nutzen.
Vom Antwortgeber zum Rechercheassistenten
Klassische Sprachmodelle antworten aus dem, was sie beim Lernen aufgenommen haben. Dieses Wissen hat einen Stichtag und ist bei aktuellen Themen veraltet. Außerdem können solche Modelle Dinge erfinden, die plausibel klingen, aber falsch sind. Deep Research greift dieses Problem an, indem es die Antwort an echte, überprüfbare Quellen bindet.
Der zweite Punkt ist die Zeitersparnis. Eine ordentliche Marktübersicht oder ein Vergleich von fünf Anbietern kostet einen Menschen leicht mehrere Stunden. Das System erledigt die Sammelarbeit in wenigen Minuten. Genau deshalb wird die Funktion in Wirtschaftsnachrichten oft als Angriff auf Berufe beschrieben, die vom Zusammentragen von Informationen leben: Marktforschung, Beratung, Teile des Journalismus.
Wichtig ist die Abgrenzung nach unten. Eine gewöhnliche Websuche im Chat holt zwei oder drei Treffer und fasst sie zusammen. Deep Research plant die Recherche über viele Schritte und entscheidet unterwegs, wo es noch nachhaken muss. Der Unterschied ist also nicht nur die Länge des Ergebnisses, sondern die Selbstständigkeit des Vorgehens.
Suchen, lesen, nachfassen: der Ablauf
Am Anfang zerlegt das Modell den Auftrag in Teilfragen. Aus « Wie steht es um den europäischen Batteriemarkt? » werden Fragen nach Herstellern, Kapazitäten, Förderprogrammen und Preisen. Für jede Teilfrage formuliert das System eigene Suchanfragen. Viele Systeme stellen vorher noch Rückfragen, um den Auftrag zu schärfen.
Dann beginnt eine Schleife aus Suchen, Öffnen und Lesen. Das Modell ruft Seiten auf, zieht die relevanten Stellen heraus und legt sie in einem Zwischenspeicher ab. Widersprechen sich zwei Quellen, kann es gezielt eine dritte suchen. Diese Schleife läuft oft fünfzig Mal oder häufiger, bis genug Material zusammen ist. Erst danach schreibt das Modell den Bericht und setzt Belege an die einzelnen Aussagen.
Ein verbreiteter Irrtum ist, dass die Quellenangaben eine Prüfung ersetzen. Das Modell verlinkt, was es gelesen hat, bewertet die Seriosität aber nur eingeschränkt. Ein Forenbeitrag und eine Behördenstatistik können nebeneinander landen. Auch die Zuordnung stimmt nicht immer: Manchmal steht am Satz eine Quelle, die diesen Satz gar nicht hergibt. Stichproben bleiben deshalb Pflicht.
Wer die Funktion anbietet und was sie kostet
OpenAI, Google und Anthropic haben jeweils eigene Deep-Research-Funktionen in ihren Chat-Oberflächen. Meist findet man sie als Schalter oder Menüpunkt neben dem Eingabefeld. Nach dem Start läuft der Auftrag im Hintergrund, und man wird benachrichtigt, wenn der Bericht fertig ist. Perplexity und einige kleinere Anbieter haben vergleichbare Modi.
Weil jede Recherche viel Rechenzeit verbraucht, ist die Nutzung fast überall begrenzt. In kostenlosen Zugängen sind es oft nur wenige Berichte pro Monat, in bezahlten Abos einige Dutzend. Für Nachrichtenmeldungen ist das ein wiederkehrendes Thema: Anbieter werben mit der Funktion, deckeln sie aber, weil die Kosten pro Auftrag deutlich über denen eines normalen Chats liegen.
Im Alltag lohnt sich Deep Research überall dort, wo eine Frage viele verstreute Quellen berührt: eine Facharbeit zu einem aktuellen Thema, der Vergleich von Studiengängen, eine Übersicht über ein Unternehmen vor einem Bewerbungsgespräch. Für einfache Faktenfragen ist die Funktion Überkill. Man wartet dann fünf Minuten auf etwas, das eine gewöhnliche Suche in Sekunden liefert.