| name | deep-research |
| description | Mehrquellen-Rechercheverfahren — Fan-out-Websuche, Quellen abrufen, Behauptungen adversarial verifizieren, zitierten Report synthetisieren. Nutzen für tiefe, faktengeprüfte Recherche (Markt, Wettbewerb, Technik, Thought-Leadership, Whitepaper). NICHT für einfache Faktenfragen, schnelle Lookups oder Themen-Monitoring (dafür topic-radar). |
Deep Research
Kein einzelner Such-Prompt, sondern ein Verfahren gegen die zwei Schwächen von
LLM-Recherche: halluzinierte Zitate (~40% Fehlerrate, wenn aus dem Gedächtnis
generiert) und einseitige Synthese (die erste plausible Erzählung setzt sich
durch). Breit suchen → tief nachfassen → adversarial verifizieren → zitiert
synthetisieren.
Vorab: Frage schärfen
Ist die Frage unterspezifiziert (fehlt Scope, Zeitraum, Region, Zweck), erst
2–3 Rückfragen, dann recherchieren. Eine vage Frage produziert vage Treffer.
Phase 1 — Breite
4–6 parallele Such-Winkel mit unterschiedlichen Formulierungen und Quelltypen
(Doku, News, Primärquellen, Gegenpositionen). In Claude Code via Agent-Tool
(parallele Sucher) oder Workflow (mehrstufige Pipeline); Werkzeuge: WebSearch,
WebFetch. Jeder Winkel ist blind für die anderen — verhindert Tunnelblick.
Phase 2 — Tiefe + Sättigungs-Stopp
Follow-ups aus dem in Runde 1 gelernten Vokabular/den Zitaten ziehen (nicht
aus der Ausgangsfrage). Stopp-Heuristik: aufhören, wenn >80% der Treffer schon
bekannt sind — Sättigung, nicht eine feste Rundenzahl. Verhindert endloses
Weitersuchen genauso wie vorzeitiges Abbrechen.
Fakten-Rigor (nicht verhandelbar)
- Nie aus dem Gedächtnis zitieren. Jede Quelle abrufen.
- 2-Quellen-Regel für belastbare Aussagen.
- VALIDATE: prüfen, dass die Quelle den Claim wirklich stützt — nicht nur,
dass die Quelle existiert. Der häufigste Fehler: Zitat passt thematisch, belegt
die Aussage aber nicht.
- Unbelegtes explizit als
[QUELLE FEHLT] markieren, nicht glätten.
Adversariale Verifikation (Blind-Judge)
Strittige Claims durch mehrere unabhängige Prüfer/Winkel gegenchecken. Bei der
Bewertung: randomisierte/anonyme Labels (Quelle A/B, nicht „laut Anbieter X") —
sonst Marken-/Reihenfolge-Bias. Konservativer Tiebreak: bei Gleichstand
gewinnt der Status quo / die bestehende Annahme, nicht die neuere Behauptung. Für
Entscheidungen mit echten Zielkonflikten → [[llm-council]].
Iteration richtig einsetzen (Gotcha)
Welche Verfeinerungsstrategie taugt, hängt von Modell-Tier × Aufgabe ab:
- Critique-and-revise für konkrete Aufgaben: ein Pass benennt NUR Schwächen,
ein separater Pass adressiert genau diese („fix these", nicht „mach's besser").
- Warnung: Selbst-Refinement ohne konkrete Kritikpunkte driftet — das Modell
halluziniert Probleme, Scope kriecht, Qualität sinkt (Sycophancy). Immer an
benannten Punkten entlang.
Synthese
Zitierter Report, entlang der Frage strukturiert (nicht entlang der
Rohtreffer). Widersprüche zwischen Quellen offen benennen, nicht zu einer
glatten Erzählung mitteln. Konfidenz kennzeichnen, wo Belege dünn sind.
Verzahnung
- Belegte Fakten dauerhaft ablegen → [[knowledge-base]] (Provenance).
- Laufendes Quellen-Monitoring statt Einzelrecherche → [[topic-radar]].
- Ergebnis in Content überführen → [[seo-article-from-audit-data]],
[[case-study-from-audit]].
Gotchas
- Keine Behauptung ohne abgerufene Quelle; keine Zahl aus dem Gedächtnis.
- Sättigung als Stopp, nicht Rundenzahl.
- Bei Bewertung anonymisieren; bei Gleichstand konservativ.
- Contested offen lassen statt vorschnell auflösen.
- Frage vorab schärfen — der teuerste Fehler ist tiefe Recherche zur falschen Frage.
