KI als Forschungsassistenz: Deep Research im Test
«ChatGPT», «Google Gemini» und «Perplexity» können mehr als einfach nur antworten: Sie recherchieren auch. Deep Research übernimmt stundenlange Recherchearbeit und liefert strukturierte Berichte. Was dahintersteckt und wie Assistenzen es gezielt einsetzen.
Foto: iStock
15 offene Browser-Tabs, halb gelesene Artikel, Notizen auf drei verschiedenen Zetteln: Wer schon mal für eine Offerte oder eine Präsentation etwas recherchieren musste, kennt das. Genau dafür sind Deep-Research-Tools da: Die KI übernimmt diesen Prozess eigenständig und liefert am Ende einen strukturierten Bericht mit Quellenangaben.
Deep Research versus normaler Chat
Ein gewöhnlicher KI-Chat funktioniert wie Ping-Pong: Sie stellen eine Frage oder Aufgabe, die KI antwortet, Sie antworten zurück und so weiter. Deep Research arbeitet anders. Das Tool durchläuft mehrere Schritte: Es stellt vor dem Start Rückfragen, liest Quellen, bewertet deren Relevanz, zieht Schlüsse und sucht weiter. Dieser Prozess dauert je nach Tool und Komplexität zwischen zwei und zwanzig Minuten. Das Ergebnis enthält präzise Quellenverweise, damit Sie die Aussagen selbst prüfen können. Kurz: Deep Research ist kein schnelles Antwort-Tool, sondern agiert wie eine digitale Forschungsassistenz.
Gute Prompts sind die halbe Miete
Die Qualität des Ergebnisses hängt stark davon ab, wie präzise Sie den Auftrag formulieren. Eine vage Anfrage produziert einen zwar gut klingenden jedoch inhaltlich mittelmässigen Bericht. Ein guter Prompt für Deep Research grenzt den Rechercheauftrag klar ein, definiert den Kontext, verlangt eine bestimmte Struktur und fordert ein, dass die KI Unsicherheiten und Datenlücken benennt. Wer möchte, dass Fakten und Interpretationen sauber getrennt bleiben, muss das explizit verlangen; die KI macht das nicht automatisch. Es gilt also wie immer bei der Nutzung von KI: Bevor die KI das Denken übernimmt, müssen Sie selbst denken.
Drei Tools, drei Stärken
Ich habe die Deep-Research-Funktionen von «ChatGPT», «Google Gemini» und «Perplexity» mit zwei konkreten Anwendungsfällen getestet. Alle drei Tools liefern heute strukturierte Berichte mit Quellenbelegen, was vor einem Jahr noch deutlich fehleranfälliger war. Trotzdem setzen sie unterschiedliche Schwerpunkte:
«Perplexity» ist am schnellsten (1 bis 2 Minuten), «Gemini» liegt im Mittelfeld (3 bis 5 Minuten), «ChatGPT» braucht am längsten (10 Minuten und mehr), liefert dafür aber die grösste analytische Tiefe.
Anzahl Deep Researches in der Gratisversion
| Tool | Gratis-Limit | Besonderheit |
| ChatGPT | 5 Recherchen/Monat | Quota resettet alle 30 Tage. |
| Gemini | 5 bis 10 Recherchen/Monat | Variiert je nach Region und Auslastung. |
| Perplexity | 3 Recherchen/Tag | Höchste Frequenz, teils reduzierte Tiefe. |
Test 1: Konkurrenzanalyse
Im ersten Test habe ich für uns selbst eine Konkurrenzanalyse erstellt. «Google Gemini» identifizierte präzise die Nische der öffentlichen Verwaltung als zentralen Wettbewerbsvorteil; etwas, das eine Standard-Suche kaum herausgearbeitet hätte.
«Perplexity» lieferte das solideste Fakten-Fundament: Gründungsjahre, Teamgrössen, regionale Mitbewerbende, die in anderen Berichten fehlten.
«ChatGPT» untersuchte die digitale Glaubwürdigkeit und deckte Inkonsistenzen in Firmenverzeichnissen auf, etwa veraltete Einträge zum Rechtsstatus. Jedes Tool beleuchtete also andere Aspekte desselben Themas.
Test 2: Investition vorbereiten
Im zweiten Test sollten die Tools die Investitionsreife von KI-Workflows für unsere Agentur bewerten. «Gemini» lieferte harte Finanzmarktdaten und verknüpfte diese mit strategischen Überlegungen. «Perplexity» punktete mit konkreten Kosten-Nutzen-Rechnungen für Kleinteams und nannte gezielt Schweizer Hosting-Alternativen.
«ChatGPT» analysierte Risiken: Fehleranfälligkeit bei Zitaten, regulatorische Fallstricke und Hinweise auf das revidierte Datenschutzgesetz. Wer eine fundierte Entscheidungsgrundlage braucht, erhält durch alle drei Tools zusammen ein deutlich vollständigeres Bild als durch ein einzelnes.
Warum alle drei Ergebnisse vergleichen?
Der eigentliche Nutzen entsteht erst im Vergleich. Wenn drei unabhängige Systeme zum gleichen Schluss kommen, ist die Belastbarkeit der Aussage hoch. Wo sie sich unterscheiden, lohnt es sich, genauer hinzuschauen. Ich empfehle deswegen, alle drei Berichte herunterzuladen und anschliessend von einer KI Ihrer Wahl vergleichend zusammenfassen zu lassen.
Eine Prompt-Vorlage zum Vergleich der drei Deep Researches, inklusive Hinweisen zu Modelleinstellungen, Bezahlversionen und meinem persönlichen Vorgehen bei der
Zusammenfassung, finden Sie hier.