Was sind Deep Research Tools: Eine umfassende Analyse

Wichtige Punkte

• Forschungen deuten darauf hin, dass Deep Research-Tools, wie die von OpenAI, Perplexity, Google und xAI, in ihren technischen Ansätzen variieren, wobei OpenAI das o3-Modell und Perplexity DeepSeek R1 verwendet (DataCamp, 2025; ZDNET, 2025).

• Es ist wahrscheinlich, dass sich diese Tools von frühen Workflows auf der Grundlage von Directed Acyclic Graph (DAG) zu dynamischen Finite State Machine (FSM) und vollständig trainierten Modellen entwickelt haben (Siddhardha, 2024; Hopsworks, 2024).

• Die Beweise sprechen dafür, die Humanity's Last Exam (HLE)-Punkte, wie die 26,6 % von OpenAI, zur Bewertung der Qualität zu verwenden, wobei auch Geschwindigkeit und Berichtetiefe berücksichtigt werden (Center for AI Safety, 2025; Scale AI, 2025).

• Die Trainingsmethoden umfassen wahrscheinlich Reinforcement Learning für OpenAIs o3 und Feinabstimmung für Perplexity, obwohl die Details variieren (The Decoder, 2024; US AI Institute, 2025).

• Deep Research unterscheidet sich von Retrieval Augmented Generation (RAG), indem es Mehrschritt-Forschung anbietet, und von agentischen Systemen, indem es sich auf Forschungsaufgaben konzentriert, wobei es einige Debatten gibt, ob es sich um Innovation oder um Branding handelt (Berkeley Artificial Intelligence Research, 2024; McKinsey, 2024).

• Praktische Einschränkungen beinhalten faktische Fehler und Probleme mit der Quellenvertrauenswürdigkeit, wobei unterschiedliche Autonomiegrade den menschlichen Aufsicht beeinflussen (ScienceAlert, 2025; Nature, 2025).

• Iterative Suchzyklen verbessern die Forschungstiefe, mit Anwendungen in Literaturüberprüfungen und komplexen Themenanalysen, unterstützt durch HLE-Benchmarks (arXiv, 2025; InfoQ, 2024).

Technische Unterschiede

Deep Research-Tools von großen KI-Labors zeigen unterschiedliche technische Ansätze:

• OpenAIs Deep Research verwendet das o3-Modell, das Texte, Bilder und PDFs verarbeitet und zukünftige Visualisierungsfähigkeiten bietet, mit einer Bewertung von 26,6 % auf HLE (DataCamp, 2025).

• Perplexitys Deep Research basiert auf einem maßgeschneiderten DeepSeek R1 mit Test Time Compute (TTC) Erweiterung und erzielt 21,1 % auf HLE (ZDNET, 2025).

• Googles Deep Research, Teil von Gemini 2.0 Pro, integriert sich mit ihrem KI-Assistenten für umfassende Berichte (Google, 2025).

• xAIs DeepSearch, basierend auf Grok 3, konzentriert sich auf das Denken und die Forschung, wobei weniger spezifische Leistungsdaten verfügbar sind (Business Insider, 2025).

Evolution und Metriken

Diese Tools haben sich wahrscheinlich von frühen DAG-basierten Workflows entwickelt, bei denen Aufgaben vordefiniert waren, zu dynamischen FSM und vollständig trainierten Modellen, die während der Forschung angepasst werden (Siddhardha, 2024). Bewertungsmetrik umfasst HLE-Punkte, wobei OpenAI mit 26,6 % führt, und die Zeit bis zum Abschluss, wobei Perplexity schneller ist (unter 3 Minuten) im Vergleich zu OpenAI (5-30 Minuten) (Creator Economy, 2025; The Indian Express, 2025).

Umfassende Analyse der Implementierungen von Deep Research

Dieser Bericht bietet eine detaillierte Untersuchung von Deep Research in großen KI-Labors, einschließlich OpenAI, Perplexity, Google und xAI, und beschäftigt sich mit technischen Unterschieden, evolutionären Pfaden, Bewertungsmetriken, Trainingsmethoden, Unterschieden zu früheren Technologien, praktischen Einschränkungen, iterativen Suchzyklen, realen Anwendungen, empirischen Beweisen und dem Gleichgewicht zwischen Autonomie und menschlicher Aufsicht. Die Analyse basiert auf aktuellen Erkenntnissen vom 7. März 2025 und zielt darauf ab, einen professionellen, gründlichen Überblick zu bieten.

Technische Unterschiede zwischen Implementierungen

Deep Research-Tools sind KI-Agenten, die für autonome, tiefgehende Forschung entwickelt wurden, wobei jedes Labor einzigartige technische Ansätze verfolgt:

• OpenAIs Deep Research: Basierend auf dem o3-Modell, einem reasoning-fokussierten Large Language Model (LLM), das im Dezember 2024 vorgestellt wurde. Es kann Texte, Bilder und PDFs interpretieren und analysieren, mit Plänen zur Erstellung von Visualisierungen und dem Einbetten von Bildern in Berichte. Es erzielte 26,6 % im Humanity's Last Exam (HLE) und übertraf Rivale wie DeepSeeks R1 (9,4 %) und GPT-4o (3,3 %) (DataCamp, 2025). Einschränkungen umfassen faktische Halluzinationen und Schwierigkeiten bei der Unterscheidung zwischen autoritativen Quellen.

• Perplexitys Deep Research: Nutzt eine benutzerdefinierte Version von DeepSeek R1, einem Open-Source-Modell, mit einem proprietären Rahmen namens Test Time Compute (TTC) Erweiterung. Dies ermöglicht eine systematische Erkundung, indem menschliche kognitive Prozesse durch iterative Analysezyklen nachgeahmt werden, dabei Dutzende von Suchanfragen durchgeführt und Hunderte von Quellen gelesen werden. Es erzielte 21,1 % auf HLE, mit einem Fokus auf Geschwindigkeit, und schloss die meisten Aufgaben in weniger als 3 Minuten ab (ZDNET, 2025).

• Googles Deep Research: In Gemini Advanced integriert, nutzt das Gemini 2.0 Pro-Modell, das im Dezember 2024 angekündigt wurde. Es führt Recherchen durch, indem es mehrstufige Pläne erstellt, Hunderte von Websites durchsucht und umfassende Berichte mit verlinkten Quellen liefert, wobei der Fokus auf der Integration in Produktivitätsökosysteme liegt (Google, 2025).

• xAIs DeepSearch: Teil von Grok 3, gestartet im Februar 2025, mit Denkfähigkeiten und einem Fokus auf mehrstufige Forschung. Es verwendet ein Tool, um Internet-Suchen zu verfolgen, und lehrt das Modell natürliche Such- und Denkfähigkeiten, das für X Premium- und Premium+-Nutzer verfügbar ist. Spezifische HLE-Punkte wurden nicht gefunden, aber es konkurriert mit OpenAI und Google (Business Insider, 2025).

Diese Unterschiede heben Unterschiede in den zugrunde liegenden Modellen, den Fähigkeiten zur Datenverarbeitung und den Leistungsmetriken hervor, wobei OpenAI und Perplexity Benchmark-Punkte zum Vergleich liefern.

Evolution von frühen DAG-basierten Ansätzen zu anspruchsvollen Modellen

Die Evolution von Deep Research wahrscheinlich entwickelte sich von frühen Directed Acyclic Graph (DAG)-basierten Ansätzen, bei denen Forschungsaufgaben als Knoten mit Abhängigkeiten dargestellt werden (z. B. Workflow-Orchestrierung in Apache Airflow), zu anspruchsvolleren Finite State Machines (FSM) und vollständig trainierten Modellen. DAGs wurden verwendet, um statische Sequenzen von Forschungsschritten zu definieren, die Anpassungsfähigkeit einschränkten. Aktuelle Implementierungen, wie die, die FSM verwenden, ermöglichen dynamische Statusänderungen basierend auf den Forschungsergebnissen, während vollständig trainierte Modelle (z. B. o3, Grok 3) lernen, Forschungsprozesse autonom zu planen und zu verfeinern, was die Flexibilität und Tiefe verbessert (Siddhardha, 2024; Hopsworks, 2024).

Dieser Wandel spiegelt einen Trend zu KI-Systemen wider, die in der Lage sind, menschliche Forschungsprozesse zu imitieren, mit iterativem Lernen und Anpassung, anstatt starren, vordefinierten Workflows.

Quantifizierbare Metriken und Vergleiche

Bewertungsmetriken für die Qualität der Deep Research umfassen:

• Humanity's Last Exam (HLE): Ein Benchmark mit 3.000 Expertenfragen über Mathematik, Geisteswissenschaften und Naturwissenschaften, die darauf abzielen, das Denken über einfache Abrufe hinaus zu testen. Die Punkte beinhalten:

  • OpenAI Deep Research: 26,6 %

  • Perplexity Deep Research: 21,1 %

  • Googles Gemini und xAIs DeepSearch weisen in den neuesten Daten keine spezifischen HLE-Punkte auf (Wikipedia, 2025a).

• Zeit bis zum Abschluss: Perplexity schließt Aufgaben in weniger als 3 Minuten ab, während OpenAI 5-30 Minuten benötigt, was die Benutzererfahrung und Effizienz beeinflusst (The Indian Express, 2025).

• Umfang: Gemessen an der Berichtetiefe, der Zitierqualität und der Fähigkeit, komplexe Anfragen zu bearbeiten, wobei OpenAI für analytische Tiefe und Perplexity für Geschwindigkeit und Zugänglichkeit hervorgehoben wird.

Vergleiche zeigen, dass OpenAI in der HLE-Leistung führt, Perplexity jedoch schnellere und erschwinglichere Zugänge bietet, was die Abwägungen zwischen Genauigkeit und Effizienz hervorhebt.

Spezi spezifische Trainingsmethoden

Trainingsmethoden variieren, um die Forschungsfähigkeiten zu verbessern:

• OpenAIs o3: Verwendet Reinforcement Learning mit simulierter Denkweise und privaten Chain-of-Thought-Techniken, die es dem Modell ermöglichen, zu pausieren und nachzudenken, was die Genauigkeit bei komplexen Aufgaben wie Programmierung und Mathematik verbessert (The Decoder, 2024).

• Perplexitys Deep Research: Wahrscheinlich umfasst die Feinabstimmung von DeepSeek R1, einem Open-Source-Modell, das für sein Denken bekannt ist, mit TTC-Erweiterung für iterative Analysen, obwohl spezifische Details proprietär sind (US AI Institute, 2025).

• Googles Gemini 2.0 Pro: Trainiert auf großen Datensätzen mit überwachtem und verstärkendem Lernen und konzentriert sich auf komplexe Aufgaben und Denkprozesse, mit Integration in Gemini Advanced für Forschung (Google Gemini, 2025).

• xAIs Grok 3: Trainiert auf umfangreichen Datensätzen mit einem Fokus auf Denkprozesse, unter Verwendung von 200.000 Nvidia H100 GPUs und hebt multimodale Fähigkeiten und DeepSearch-Funktionalität hervor (PCWorld, 2025).

Diese Methoden verdeutlichen einen Trend zu spezialisiertem Training für Forschungsaufgaben, wobei Reinforcement Learning und Feinabstimmung häufig sind.

Unterschiede zu RAG und agentischen Systemen

Deep Research unterscheidet sich von früheren Technologien wie folgt:

• Retrieval Augmented Generation (RAG): RAG verbessert LLMs mit Abrufmechanismen für aktuelle Informationen und konzentriert sich auf die Generierung in einem Schritt. Deep Research erweitert dies, indem es mehrstufige, iterative Forschung, Planung und die Synthese von Berichten durchführt, die über den Abruf hinausgeht (Berkeley Artificial Intelligence Research, 2024).

• Agentische Systeme: Dies sind breitere KI-Systeme, die autonom handeln, während Deep Research ein spezifisches Unterfeld ist, das sich auf Forschungsaufgaben konzentriert, mit verbesserten Planungs- und Denkfähigkeiten. Die Innovation liegt in der Tiefe und Autonomie, obwohl einige argumentieren, dass es sich um ein Rebranding fortschrittlicher agentischer Systeme handelt, was eine Debatte über Neuheit versus Marketing auslöst (McKinsey, 2024).

Praktische Einschränkungen

Aktuelle Deep Research-Implementierungen stehen vor mehreren Einschränkungen:

• Faktische Fehler: Alle Systeme können Halluzinationen produzieren, wobei OpenAI Schwierigkeiten bei der Unterscheidung autoritativer Quellen festgestellt hat (ScienceAlert, 2025).

• Quellenvertrauenswürdigkeit: Schwierigkeiten bei der Identifizierung zuverlässiger Quellen, möglicherweise einschließlich Gerüchte, die die Genauigkeit des Berichts beeinträchtigen.

• Unsicherheitsübermittlung: Möglicherweise wird Unsicherheit nicht genau reflektiert, was das Vertrauen beeinträchtigt.

• Zeit und Kosten: OpenAIs Pro-Plan für 200 $/Monat schränkt den Zugang ein, während Perplexity kostenlose Stufen bietet, jedoch mit Abfragegrenzen (Creator Economy, 2025).

• Menschliche Aufsicht: Erfordert Interventionen für komplexe Aufgaben, was die Notwendigkeit einer Benutzerguidance hervorhebt.

Implementierung von iterativen Suchzyklen

Iterative Suchzyklen umfassen mehrere Runden von Suchen, Analysieren und Verfeinern, die die Forschungstiefe beeinflussen:

• OpenAI: Verwendet simuliertes Denken, wobei o3 pausiert, um nachzudenken, und potenziell mehrere Iterationen durchführt, die 5-30 Minuten in Anspruch nehmen, was die Tiefe erhöht, aber die Latenz erhöht.

• Perplexity: Verwendet TTC-Erweiterung zur iterativen Verfeinerung, schließt Aufgaben schnell ab (unter 3 Minuten) und balanciert Tiefe und Geschwindigkeit.

• Google: Erstellt mehrstufige Pläne zur Genehmigung durch den Benutzer und ermöglicht iteratives Browsen und Analysieren, wobei Berichte umfassende Einblicke widerspiegeln.

• xAI: DeepSearch verfolgt Internet-Suchen, lehrt Denkfähigkeiten, wobei iterative Prozesse wahrscheinlich in Grok 3s Denkmodi (Think, Big Brain) eingebettet sind, was die Tiefe je nach Modus beeinflusst.

Diese Variabilität beeinflusst die Forschungstiefe, wobei längere Zyklen potenziell umfassendere Ergebnisse liefern, aber zu höheren Rechenkosten führen.

Reale Anwendungen und Anwendungsfälle

Deep Research-Tools zeigen signifikante Vorteile in:

• Literaturüberprüfungen: OpenAIs Tool erstellt zitierte, seitenlange Berichte, die für Wissenschaftler nützlich sind (Nature, 2025).

• Forschung zu komplexen Themen: Perplexity glänzt in Finanzen, Marketing und Technologie und liefert Fachanalysen in Minuten (InfoQ, 2025).

• Bildungs- und Geschäftsberichte: Googles Deep Research hilft bei Branchentrends, Wettbewerbsanalysen und Kundenforschung und steigert die Produktivität (Google Workspace Updates, 2025).

Diese Anwendungen verdeutlichen das transformative Potenzial für Wissensarbeiter und Forscher.

Forschungspapiere und empirische Beweise

Empirische Beweise umfassen:

• HLE-Leistung: Bietet Punkte zum Vergleich, mit OpenAI bei 26,6 % und Perplexity bei 21,1 %, was die Denkfähigkeiten anzeigt (arXiv, 2025).

• Weitere Benchmarks: GPQA, Codeforces und SWE-Bench-Verifizierte Punkte für Modelle wie o3, die die Leistungsfähigkeit in Programmierung und Mathematik unterstützen und die Forschungseffektivität unterstreichen (InfoQ, 2024).

Diese Papiere bieten robuste Daten zur Bewertung von Deep Research-Tools.

Gleichgewicht zwischen autonomer Forschung und menschlicher Aufsicht

Unterschiedliche Systeme balancieren Autonomie und Aufsicht unterschiedlich:

• OpenAI: Ermöglicht die Interaktion mit Benutzern zur Genehmigung von Forschungsplänen, mit Transparenz in den Denkprozessen, erfordert jedoch ein Pro-Abonnement für den vollen Zugang, was die Autonomie für kostenlose Benutzer einschränkt.

• Perplexity: Bietet kostenlosen Zugang mit Grenzen, der Benutzern Abfragen ermöglicht, jedoch mit größerer autonomer iterativer Verfeinerung und dem Ausgleich zwischen Geschwindigkeit und Tiefe.

• Google: Benutzer können mehrstufige Pläne überarbeiten, was die Aufsicht verbessert, wobei die Integration in Produktivitätswerkzeuge menschliches Eingreifen erleichtert.

• xAI: DeepSearch arbeitet innerhalb von Grok 3, wobei Modi wie Think und Big Brain Denkprozesse zeigen, die Benutzern eine Aufsicht ermöglichen, aber spezifische Details zur Intervention weniger klar sind.

Dieses Gleichgewicht sorgt dafür, dass Benutzer die Forschung leiten können, während sie von der Autonomie der KI profitieren, mit unterschiedlichen Transparenz- und Kontrollniveaus.

Zusammenfassungstabelle: HLE-Leistung und wichtige Metriken

Diese Tabelle fasst wichtige Metriken zusammen und hebt die Leistungs- und Betriebsunterschiede hervor.

Abschließend lässt sich sagen, dass Deep Research einen erheblichen Fortschritt in der KI-gesteuerten Forschung darstellt, wobei verschiedene Implementierungen einzigartige Stärken und Einschränkungen bieten, unterstützt durch empirische Benchmarks und reale Anwendungen, während sie Autonomie mit notwendiger menschlicher Aufsicht in Einklang bringen.

Referenzen

1. arXiv. (2025). Humanity's Last Exam. arXiv:2501.14249.

2. Berkeley Artificial Intelligence Research. (2024, 18. Februar). Der Übergang von Modellen zu zusammengesetzten KI-Systemen. https://bair.berkeley.edu/blog/2024/02/18/compound-ai-systems/

3. Business Insider. (2025, Februar). Elon Musks xAI arbeitet an einer 'DeepSearch'-Funktion, sagen Mitarbeiter, und sie könnte mit Google und OpenAI konkurrieren. https://www.businessinsider.com/xai-deepsearch-google-gemini-openai-2025-2

4. Center for AI Safety. (2025). Humanity's Last Exam. GitHub. https://github.com/centerforaisafety/hle

5. Creator Economy. (2025). Deep Research: Das beste KI-Produkt von OpenAI seit ChatGPT. https://creatoreconomy.so/p/deep-research-the-best-ai-agent-since-chatgpt-product

6. DataCamp. (2025). OpenAIs Deep Research: Ein Leitfaden mit praktischen Beispielen. https://www.datacamp.com/blog/deep-research-openai

7. Google. (2025). Probieren Sie Deep Research und unser neues experimentelles Modell in Gemini, Ihrem KI-Assistenten. https://blog.google/products/gemini/google-gemini-deep-research/

8. Google Gemini. (2025). Gemini Advanced - Erhalten Sie Zugang zu Googles fähigsten KI-Modellen mit Gemini 2.0. https://gemini.google/advanced/?hl=en

9. Google Workspace Updates. (2025, Februar). Gemini Deep Research und experimentelle Modelle jetzt für Google Workspace-Nutzer in Gemini Advanced verfügbar. https://workspaceupdates.googleblog.com/2025/02/deep-research-available-for-google-workspace-in-gemini-advanced.html

10. Hopsworks. (2024). Was ist ein DAG-Verarbeitungsmodell? https://www.hopsworks.ai/dictionary/dag-processing-model

11. InfoQ. (2024, Dezember). OpenAI kündigt 'o3' Denkmodell an. https://www.infoq.com/news/2024/12/openai-announces-o3/

12. InfoQ. (2025, Februar). Perplexity präsentiert Deep Research: Ein KI-gesteuertes Tool für fortgeschrittene Analysen. https://www.infoq.com/news/2025/02/perplexity-deep-research/

13. McKinsey. (2024). Warum KI-Agenten die nächste Grenze der generativen KI sind. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/why-agents-are-the-next-frontier-of-generative-ai

14. Nature. (2025). OpenAIs 'Deep Research'-Tool: Ist es nützlich für Wissenschaftler? https://www.nature.com/articles/d41586-025-00377-9

15. PCWorld. (2025). xAI stellt neues Grok-3 KI-Modell mit DeepSearch-Denken vor. https://www.pcworld.com/article/2611838/xai-launches-new-grok-3-ai-model-with-deepsearch-researching.html

16. Scale AI. (2025). Humanity's Last Exam - Scale AI und CAIS präsentieren Ergebnisse. https://scale.com/blog/humanitys-last-exam-results

17. ScienceAlert. (2025). ChatGPTs Deep Research ist da. Aber kann es wirklich einen menschlichen Experten ersetzen? https://www.sciencealert.com/chatgpts-deep-research-is-here-but-can-it-really-replace-a-human-expert

18. Siddhardha. (2024). Agentic KI-Workflows in Directed Acyclic Graphs (DAGs) - Einführung. Medium. https://medium.com/@siddhardha/agentic-ai-workflows-in-directed-acyclic-graphs-dags-intro-5d00444124dd

19. The Decoder. (2024). OpenAIs o3-Modell zeigt erhebliche Fortschritte durch Verstärkungslernen-Skalierung. https://the-decoder.com/openais-o3-model-shows-major-gains-through-reinforcement-learning-scaling/

20. The Indian Express. (2025). Perplexity AIs Deep Research-Tool ist kostenlos nutzbar: So funktioniert es. https://indianexpress.com/article/technology/artificial-intelligence/perplexity-ais-deep-research-tool-is-free-to-use-heres-how-it-works-9837369/

21. US AI Institute. (2025). Was ist Perplexity Deep Research - Ein detaillierter Überblick. https://www.usaii.org/ai-insights/what-is-perplexity-deep-research-a-detailed-overview

22. Wikipedia. (2025a). Humanity's Last Exam. https://en.wikipedia.org/wiki/Humanity%27s_Last_Exam

23. Wikipedia. (2025b). Deep Research. https://en.wikipedia.org/wiki/Deep_Research

24. Wikipedia. (2025c). ChatGPT Deep Research. https://en.wikipedia.org/wiki/ChatGPT_Deep_Research

25. ZDNET. (2025). Was ist Perplexity Deep Research, und wie verwendet man es? https://www.zdnet.com/article/what-is-perplexity-deep-research-and-how-do-you-use-it/