Deep Research ist eine Kette, kein Knopf — Mehrstufig recherchieren mit KI

Warum gute Recherche nicht aus einem einzigen großen Auftrag entsteht, sondern aus einer Folge von Fragen, Zwischenständen, Prüfungen und Anschlussrecherchen.

Deep Research klingt zunächst wie eine Funktion: Man formuliert eine Frage, startet die Recherche und wartet auf ein umfangreiches Ergebnis. Für kleine Informationsaufgaben kann das genügen. Für ein Projekt ist dieses Bild jedoch zu einfach. Ein Projekt braucht nicht möglichst viel Text, sondern belastbares Wissen, das zu einer konkreten Entscheidung passt.

Recherche sollte deshalb nicht als einzelner Abruf behandelt werden, sondern als Fundament der Projektarbeit, das mit Datenbankaufbau beginnt. Bewährt hat sich, das Ergebnis eines ersten Deep Research ausdrücklich in einen neuen Chat oder Browser zu übergeben und darauf aufzubauen. Später werden viele einzelne Research-Dokumente konsolidiert und erst dann zu einer gemeinsamen Wissensbasis verdichtet.

Die praktische Konsequenz lautet: Deep Research ist eine Kette. Jede Stufe beantwortet etwas, erzeugt aber zugleich neue Fragen. Gute Recherche endet nicht dort, wo die erste lange Antwort endet, sondern dort, wo die offenen Wissenslücken für die nächste Projektentscheidung klein genug geworden sind.

Der erste Research-Auftrag ist eine Orientierung, kein Endprodukt

Nach Artikel 2 steht nicht mehr nur ein Thema im Raum, sondern eine bearbeitbare Projektfrage. Genau hier beginnt Recherche sinnvoll. Die erste Recherche soll den Problemraum nicht sofort schließen. Sie soll ihn kartieren.

Typische Ziele der ersten Runde sind:

• zentrale Begriffe und Teilgebiete identifizieren;

• vorhandene Lösungsansätze sichtbar machen;

• relevante Akteure, Standards, Technologien oder Methoden finden;

• erste Quellenarten und Suchrichtungen bestimmen;

• Widersprüche und unbekannte Punkte markieren;

• erkennen, welche Annahmen aus dem Problemraum gestützt oder geschwächt werden.

Das Ergebnis ist also kein fertiges Konzept. Es ist eine Landkarte des Wissensraums.

Wer schon in Runde eins eine finale Empfehlung verlangt, zwingt die KI zu einer Verdichtung, bevor die Wissensbasis ausreichend geprüft wurde. Das wirkt effizient, kann aber genau die Informationen verdecken, die später die Entscheidung verändern würden.

Recherche beginnt mit Wissenslücken

Eine gute Research-Kette lässt sich nicht allein aus Suchbegriffen bauen. Sie braucht eine Liste dessen, was das Projekt noch nicht weiß.

Aus dem Problemraum können beispielsweise folgende Wissenslücken entstehen:

• Welche Nutzergruppe ist tatsächlich betroffen?

• Wie groß ist das Problem im Alltag?

• Welche Lösungen existieren bereits?

• Welche technischen Voraussetzungen sind notwendig?

• Welche Varianten sind lokal, cloudbasiert oder hybrid möglich?

• Welche Daten werden benötigt?

• Welche Risiken oder organisatorischen Grenzen verändern die Machbarkeit?

• Welche Kosten- oder Ressourcenfaktoren sind entscheidungsrelevant?

• Woran könnte eine Lösung später gemessen werden?

Diese Liste macht aus „recherchiere das Thema" eine Reihe von überprüfbaren Arbeitsaufträgen.

Eine einfache Struktur ist:

# RESEARCH-BACKLOG

R1 — Grundlagen und Begriffe
R2 — Markt / bestehende Lösungen
R3 — technische Machbarkeit
R4 — Prozesse und Stakeholder
R5 — Risiken und Grenzen
R6 — Kosten und Ressourcen
R7 — offene Gegenpositionen
R8 — projektbezogene Vertiefung

Der Research-Backlog ist keine starre Reihenfolge. Er verhindert aber, dass eine lange Antwort mit Vollständigkeit verwechselt wird.

Runde 1: breit genug, um den Raum zu sehen

Die erste Recherche sollte bewusst breit sein. Nicht beliebig breit, sondern breit genug, um die wichtigsten Perspektiven zu erkennen.

Statt zu fragen: „Welche KI-Lösung soll ich für mein Projekt nutzen?" ist eine stärkere erste Recherche: „Untersuche den Problemraum aus technischer, organisatorischer, wirtschaftlicher und Nutzerperspektive. Nenne bestehende Lösungsfamilien, wichtige Begriffe, typische Risiken, offene Streitpunkte und Fragen, die vor einer Architekturentscheidung beantwortet werden müssen. Trenne gesicherte Informationen, plausible Annahmen und offene Punkte."

Damit entsteht noch keine Kauf- oder Toolentscheidung. Es entsteht eine Übersicht, aus der gezielte zweite Fragen abgeleitet werden können.

Runde 2: das Ergebnis der ersten Recherche wird zum Input

Genau hier unterscheidet sich eine Research-Kette von einer Reihe unabhängiger Suchläufe.

Die zweite Recherche beginnt nicht wieder bei null. Sie übernimmt die relevanten Ergebnisse der ersten Runde. Bewährt hat sich dafür die ausdrückliche Übergabe des ersten Deep-Research-Ergebnisses in einen neuen Chat beziehungsweise Browser. Der neue Kontext soll auf dem bereits gewonnenen Material aufbauen.

Das bedeutet praktisch:

1. Ergebnis der ersten Runde sichern.

2. Kernaussagen und offene Punkte markieren.

3. Widersprüche oder schwache Stellen benennen.

4. Daraus konkrete Anschlussfragen formulieren.

5. Nur die für diese Anschlussfragen relevanten Teile in die nächste Recherche übergeben.

So wächst der Wissensstand kontrolliert. Der nächste Lauf bekommt nicht einfach „mehr Kontext", sondern besseren Kontext.

Anschlussfragen sind das eigentliche Qualitätsmerkmal

Eine gute Recherche erkennt man nicht nur an ihren Antworten. Man erkennt sie daran, welche neuen Fragen sie ermöglicht.

Wenn eine erste Recherche beispielsweise drei technische Varianten findet, sind die nächsten Fragen nicht mehr allgemein:

• Welche Variante erfüllt die vorhandenen Datenschutz- und Infrastrukturgrenzen?

• Welche Datenmenge und Datenqualität benötigt jede Variante?

• Welche Betriebskosten entstehen im relevanten Nutzungsszenario?

• Welche Kompetenzen müssen intern vorhanden sein?

• Welche Abhängigkeiten entstehen von Anbietern oder Schnittstellen?

• Welche Variante lässt sich zuerst als kleiner, überprüfbarer Prototyp testen?

Die Research-Kette wird dadurch mit jeder Runde enger und entscheidungsnäher.

Nicht jede Information verdient eine Vertiefung

Mehrstufige Recherche bedeutet nicht, jede Spur endlos zu verfolgen. Sonst wird aus Deep Research nur Deep Reading.

Für jede neue Frage sollte geprüft werden:

Relevanz: Kann die Antwort eine Projektentscheidung verändern?

Unsicherheit: Ist der Punkt tatsächlich unklar oder bereits ausreichend geklärt?

Risiko: Wäre eine falsche Annahme an dieser Stelle teuer, gefährlich oder schwer reversibel?

Zeitwert: Ist die Information stabil oder kann sie sich schnell ändern?

Prüfbarkeit: Gibt es Quellen oder Beobachtungen, mit denen sich die Aussage sinnvoll prüfen lässt?

Eine Information mit hoher Entscheidungsrelevanz und hoher Unsicherheit gehört früh in die Kette. Eine interessante Randinformation ohne Einfluss auf Scope, Konzept oder Umsetzung kann später behandelt oder bewusst verworfen werden.

Quellen sammeln ist nicht dasselbe wie Quellen bewerten

KI kann sehr schnell Quellen, Aussagen und Zusammenfassungen zusammentragen. Das macht Quellenkritik nicht weniger wichtig, sondern wichtiger.

Für ein Projekt sollte mindestens zwischen vier Ebenen unterschieden werden:

1. Primärquelle: Originaldokument, Anbieter-Dokumentation, Gesetzestext, Datensatz, Forschungsarbeit oder direkte Messung.

2. Autoritative Sekundärquelle: Institution, Fachverband oder belastbare Fachpublikation, die Primärmaterial einordnet.

3. Orientierungsquelle: Artikel, Video, Diskussion oder Community-Beitrag, der Hinweise und Suchrichtungen liefert.

4. Unbestätigte Behauptung: Aussage, die interessant sein kann, aber noch keine ausreichende Belegbasis besitzt.

Diese Ebenen müssen nicht in jedem Artikel sichtbar sein. In der Recherche selbst sollten sie jedoch getrennt bleiben. Sonst wird eine häufig wiederholte Behauptung schnell zu scheinbar gesichertem Projektwissen.

Ein Research-Zwischenstand braucht Struktur

Nach jeder Runde sollte nicht einfach ein weiteres langes Dokument abgelegt werden. Sinnvoller ist ein kurzer Zwischenstand.

# RESEARCH-ZWISCHENSTAND

## Was wir jetzt wissen
- ...
- ...

## Was nur wahrscheinlich ist
- ...

## Widersprüche
- Quelle A sagt ...
- Quelle B sagt ...

## Offene Fragen
- ...

## Entscheidung, die vorbereitet wird
- ...

## Nächster Research-Schritt
- ...

Diese Struktur zwingt zur Trennung von Erkenntnis und Materialmenge. Sie zeigt außerdem, warum die nächste Recherche überhaupt notwendig ist.

Mehrere Researches dürfen einander widersprechen

Wenn zwei Recherchen zu unterschiedlichen Ergebnissen kommen, ist das nicht automatisch ein Fehler. Es kann bedeuten, dass unterschiedliche Quellen, Zeitpunkte, Definitionen oder Annahmen verwendet wurden.

Gerade bei KI-Projekten können sich technische Möglichkeiten, Preise, Modelle und Produktgrenzen schnell verändern. Auch organisatorische Einschätzungen können je nach Branche oder Unternehmensgröße anders ausfallen.

Der richtige Reflex ist deshalb nicht, sofort die angenehmere Antwort auszuwählen. Der Widerspruch wird selbst zu einem Research-Objekt:

• Wo unterscheiden sich die Definitionen?

• Welche Quelle ist näher am Original?

• Welche Information ist aktueller?

• Gilt die Aussage für denselben Nutzungskontext?

• Welche Annahme erzeugt den Unterschied?

So wird Widerspruch produktiv. Er verbessert die Frage.

Breite Recherche und projektspezifische Recherche bleiben getrennt

Für größere Themen bewährt sich ein zweistufiges Vorgehen: zuerst allgemein recherchieren, anschließend individuell für das konkrete Projekt anpassen.

Diese Trennung ist wichtig. Eine allgemeine Recherche beantwortet zum Beispiel:

• Welche Strategien existieren in einem Feld?

• Welche Muster wiederholen sich?

• Welche Lösungsfamilien gibt es?

• Welche Risiken werden typischerweise diskutiert?

Die projektspezifische Recherche fragt danach:

• Welche dieser Muster passen zu unseren Ressourcen?

• Welche Variante ist mit unseren Daten möglich?

• Was ändert sich durch unsere Zielgruppe?

• Welche Einschränkungen gelten bei uns?

• Welche Erkenntnisse können direkt in Anforderungen überführt werden?

Wer beides in einem einzigen Prompt mischt, bekommt oft eine glatte Antwort, in der allgemeines Wissen und projektspezifische Annahmen kaum noch unterscheidbar sind.

Research-Ketten können parallel werden

Nicht jede Kette muss streng linear sein. Sobald der Problemraum verstanden ist, können unabhängige Recherchepfade parallel laufen.

Ein Projekt kann beispielsweise gleichzeitig untersuchen: technische Architektur; Markt und Alternativen; Nutzerbedürfnisse; Datenlage; Risiken; Geschäftsmodell.

Entscheidend ist, dass diese Pfade später wieder zusammengeführt werden. Genau hier liegt der Übergang zu Artikel 4: Aus vielen einzelnen Research-Dokumenten muss ein arbeitsfähiger Research-Pool und schließlich eine Wissensdatenbank werden.

Dieser Schritt zeigt sich in der Praxis besonders deutlich: Dutzende Deep-Research-Dokumente wurden gesammelt, semantisch verbunden und anschließend als Grundlage für weitere Projektplanung genutzt. Der Wert entstand nicht aus einem einzelnen perfekten Research, sondern aus der Konsolidierung vieler Perspektiven.

Wann ist genug recherchiert?

Recherche kann theoretisch immer weitergehen. Projektmanagement braucht deshalb ein Stop-Kriterium.

Eine Research-Runde kann beendet werden, wenn:

• die wichtigsten Annahmen für die nächste Entscheidung ausreichend geprüft sind;

• zentrale Widersprüche sichtbar und eingeordnet sind;

• keine neue Quelle mehr eine wesentliche neue Perspektive hinzufügt;

• Anforderungen aus den Erkenntnissen abgeleitet werden können;

• verbleibende Unsicherheiten dokumentiert und bewusst akzeptiert werden;

• die nächste sinnvolle Aktivität nicht mehr Recherche, sondern Konzept, Test oder Entscheidung ist.

Das Ziel ist nicht absolute Gewissheit. Das Ziel ist entscheidungsfähige Unsicherheit: Wir wissen genug, um einen nächsten Schritt zu wählen, und wir wissen zugleich, was wir noch nicht wissen.

Ein praktischer Sechs-Zyklen-Ablauf

Für viele KI-Projekte reicht folgende Struktur als Start:

Zyklus 1 — Frage und Entscheidung klären

Was soll nach der Recherche entschieden oder entworfen werden?

Zyklus 2 — Orientierung

Begriffe, Akteure, Lösungsfamilien, Risiken und Quellenlandschaft erfassen.

Zyklus 3 — Vertiefung

Die drei bis fünf entscheidungsrelevantesten Wissenslücken gezielt bearbeiten.

Zyklus 4 — Gegenprüfung

Widersprüche suchen, Gegenpositionen einholen und schwache Annahmen testen.

Zyklus 5 — Projektspezifische Übersetzung

Allgemeine Erkenntnisse auf Scope, Ressourcen, Daten, Zielgruppe und Grenzen des Projekts übertragen.

Zyklus 6 — Konsolidierung

Gesicherte Erkenntnisse, offene Fragen, Quellen und nächste Entscheidungen in eine strukturierte Wissensbasis überführen.

Die Zyklen dürfen sich wiederholen. Eine neue Erkenntnis kann zurück zu Zyklus 3 führen. Ein Widerspruch kann eine neue Orientierungsrecherche auslösen. Diese Schleifen sind kein Zeichen schlechter Planung. Sie sind Teil einer belastbaren Recherche.

Deep Research ist ein Projektprozess

Wer Deep Research als Knopf behandelt, optimiert vor allem die Länge der Antwort. Wer es als Kette behandelt, optimiert die Qualität der Entscheidung.

Das verändert auch die Rolle der KI. Sie ist nicht die Instanz, die einmal „die Wahrheit recherchiert". Sie wird zu einem Research-Partner innerhalb eines kontrollierten Prozesses: Fragen strukturieren, Material finden, Zwischenstände verdichten, Widersprüche markieren, Anschlussfragen erzeugen und mehrere Perspektiven vergleichbar machen.

Der Mensch bleibt verantwortlich für Scope, Quellenmaßstab, Prioritäten und Stop-Kriterien.

Die wichtigste Frage nach einem Research lautet deshalb nicht: „Ist das Ergebnis lang genug?"

Sondern: „Welche Entscheidung kann ich damit jetzt besser treffen — und welche Frage muss ich als Nächstes stellen?"

Genau dort beginnt aus Recherche Projektwissen zu werden.

Übungsblatt: Baue deine erste Research-Kette

Nimm die Projektfrage aus Artikel 2 oder eine eigene reale Projektfrage. Formuliere nicht sofort einen großen Deep-Research-Auftrag. Baue zuerst die Kette.

1. Entscheidung definieren

Welche konkrete Entscheidung soll die Recherche vorbereiten?

2. Wissenslücken sammeln

Notiere mindestens sechs Dinge, die du noch nicht sicher weißt.

3. Erste Orientierungsrecherche formulieren

Schreibe einen Auftrag, der den Wissensraum kartiert, ohne bereits eine Lösung zu erzwingen.

4. Anschlussfragen erzeugen

Leite aus dem ersten Zwischenstand drei gezielte Folgefragen ab.

5. Quellen einordnen

Markiere Primärquellen, autoritative Sekundärquellen, Orientierungsquellen und unbestätigte Aussagen getrennt.

6. Stop-Kriterium festlegen

Schreibe in einem Satz, wann du für die nächste Projektentscheidung genug weißt.

Reflexion

Die wichtigste Wissenslücke meines Projekts: _______________________________________________

Die Anschlussfrage, die meine Entscheidung am stärksten verändern könnte: ____________________

Alle Materialien zum Download – die Themenübersicht und das Übungsblatt: