OpenAI's Deep Research: Ein Leitfaden mit praktischen Beispielen

OpenAI hat gerade Deep Researchveröffentlicht , einen KI-Agenten, der auf einer Version des kommenden o3-Modells. Sie wurde entwickelt, um das Internet zu durchsuchen, mehrere Quellen zu analysieren und große Mengen an Informationen zusammenzufassen.

Du fragst dich vielleicht: Macht ChatGPT das nicht schon?

Im Gegensatz zu einer normalen ChatGPT-Sitzung, die schnelle Antworten liefert, kann Deep Research mehrstufige Untersuchungen durchführen, auf mehrere Quellen verweisen und strukturierte Berichte erstellen.

Wenn du zum Beispiel schon einmal nach dem besten Auto gesucht hast - Bewertungen vergleichen, Kosten abwägen usw. - dann weißt du, dass es Zeit und viel Internetrecherche braucht, um zuverlässige Informationen zu finden. Deep Research ist genau für diese Art von Arbeit gemacht.

Ich habe Deep Research getestet und war sowohl erstaunt als auch enttäuscht. Sie zeigt großes Potenzial, aber sie produziert auch falsche Fakten und Schlussfolgerungen. In diesem Blog werde ich dein menschlicher Vertreter sein und alles zusammenfassen, was du über Deep Research wissen musst. Ich führe dich durch praktische Beispiele, gebe dir Tipps zum Prompting und zeige dir, wo Deep Research glänzt und wo du besonders vorsichtig sein musst.

Was ist die Tiefenforschung von OpenAI?

Deep Research von OpenAI ist ein KI-gestützter Agent, der tiefgreifende, mehrstufige Recherchen im Internet durchführt. Im Gegensatz zu den Standardfunktionen von chatGPT, die schnelle Antworten liefern, findet, analysiert und synthetisiert Deep Research selbstständig Informationen aus Hunderten von Online-Quellen.

Deep Research ist für alle gedacht, die umfassende und zuverlässige Recherchen benötigen:

• Fachleute aus den Bereichen Finanzen, Wissenschaft, Politik und Technik, die gut zitierte, strukturierte Berichte benötigen
• Unternehmensstrategen, die Wettbewerbsanalysen oder Trendprognosen durchführen
• ForscherInnen und SchülerInnen sammeln Informationen aus verschiedenen Quellen
• Einkäufer/innen und Verbraucher/innen, die wichtige Kaufentscheidungen treffen (z. B. Autos, Haushaltsgeräte, Immobilien)
• Redakteure, Journalisten und Analysten, die faktengeprüfte, quellenübergreifende Erkenntnisse benötigen

Wenn eine Aufgabe darin besteht, mehrere Quellen zu durchsuchen, Daten mit Querverweisen zu versehen und Informationen in einem nützlichen Format zusammenzufassen, ist Deep Research das richtige Werkzeug dafür.

Wie funktioniert die Tiefenforschung?

Deep Research basiert auf einer Version des kommenden o3-Modells und baut auf den Fortschritten von OpenAI im Bereich der Logikmodelle auf, ist aber speziell für das Surfen im Internet und die Analyse von Daten aus der realen Welt optimiert.

Um dies zu erreichen, trainierte OpenAI Deep Research mit Verstärkungslernen auf reale Browsing- und Reasoning-Aufgaben. Dadurch kann das Modell einem iterativen, schrittweisen Forschungsprozess folgen, was seine Fähigkeit verbessert, komplexe Themen in strukturierte Berichte zusammenzufassen.

Deep Research Benchmarks

Die letzte Prüfung der Menschheit

Die letzte Prüfung der Menschheit ist ein neu veröffentlichter Benchmark, der KI in Multiple-Choice- und Kurzantwortfragen auf Expertenniveau in über 100 Fächern testet, von Linguistik und Raketenwissenschaft bis hin zu Ökologie und Mathematik. Diese Bewertung misst die Fähigkeit einer KI, fachübergreifend zu denken und bei Bedarf nach Spezialwissen zu suchen - eine entscheidende Fähigkeit für forschungsorientierte Modelle.

Deep Research erreichte eine Rekordgenauigkeit von 26,6 % und übertraf damit frühere Modelle, darunter OpenAIs o1 (9,1 %), DeepSeek-R1 (9,4 %) und Claude 3.5 Sonnet (4,3 %). Die größten Verbesserungen im Vergleich zu OpenAIs o1 gab es in den Bereichen Chemie, Geistes- und Sozialwissenschaften sowie Mathematik, wo Deep Research seine Fähigkeit unter Beweis stellte, komplexe Fragen aufzuschlüsseln und maßgebliche Informationen zu finden.

* Modelle, die in der reinen Textprüfung getestet wurden, weil sie nicht multimodal sind. Quelle: OpenAI

GAIA

GAIA (General AI Agent Benchmark) bewertet, wie gut KI-Systeme mit Fragen aus der realen Welt umgehen können, die eine Kombination aus logischem Denken, Web-Browsing, multimodalen Fähigkeiten und der Beherrschung von Tools erfordern.

Deep Research stellte einen neuen State-of-the-Art (SOTA)-Rekord auf und führte die externe GAIA-Rangliste mit starken Leistungen auf allen Schwierigkeitsstufen. Das Modell zeigte eine besonders hohe Genauigkeit bei Aufgaben der Stufe 3, die eine komplexe, mehrstufige Recherche und Synthese erfordern.

Quelle: OpenAI

Die hohe pass@1 Punktzahlvon Deep Research zeigt, dass schon der erste Versuch, eine GAIA-Frage zu beantworten, genauer ist als frühere Modelle. Der cons@64 Score (der die Leistung bei mehreren Antwortversuchen misst) unterstreicht außerdem seine Fähigkeit, sich selbst zu korrigieren und seine Antworten auf der Grundlage neuer Informationen zu verfeinern.

Interne Bewertungen

OpenAI führte auch interne Evaluierungen durch, bei denen Deep Research von Domänenexperten bei Aufgaben auf Expertenebene bewertet wurde. Ich fand die internen Bewertungen sehr interessant!

Die Grafik unten zeigt, dass die Erfolgsquote des Modells steigt, je mehr Werkzeugaufrufe es macht. Das unterstreicht, wie wichtig es ist, ihn Informationen iterativ durchsuchen und analysieren zu lassen - mehr Zeit zum Nachdenken führt zu besseren Ergebnissen.

Quelle: OpenAI

Werfen wir einen Blick auf eine andere Grafik - siehe unten. Deep Research funktioniert am besten bei Aufgaben mit einem geringeren geschätzten wirtschaftlichen Wert, wobei die Genauigkeit abnimmt, je größer die potenziellen finanziellen Auswirkungen der Aufgabe sind. Das deutet darauf hin, dass wirtschaftlich bedeutsamere Aufgaben tendenziell komplexer sind oder auf proprietärem Wissen beruhen, das online nicht allgemein zugänglich ist.

Quelle: OpenAI

In der folgenden Grafik werden die Erfolgsquoten den geschätzten Stunden gegenübergestellt, die ein Mensch für jede Aufgabe benötigen würde. Das Modell ist am besten bei Aufgaben, für die ein Mensch 1 bis 3 Stunden brauchen würde, aber die Leistung nimmt nicht kontinuierlich mit der Zeit ab - ein Hinweis darauf, dass das, was die KI als schwierig empfindet, nicht immer mit dem übereinstimmt, was Menschen als zeitaufwändig empfinden.

Quelle: OpenAI

Wie du Deep Research nutzen kannst: Praktische Beispiele

Zum Zeitpunkt der Veröffentlichung dieses Artikels steht Deep Research nur Pro-Nutzern zur Verfügung, mit einem Limit von 100 Abfragen pro Monat, aber OpenAI plant, den Zugang bald auf Plus-, Team- und Enterprise-Nutzer zu erweitern.

Meiner Meinung nach befindet sich Deep Research noch in der Anfangsphase. Auch wenn sie vielversprechend ist, zeigt das erste Beispiel unten viele ihrer Probleme auf. Das zweite Beispiel zeigt jedoch sein immenses Potenzial.

Beispiel 1: KI-Ökosysteme

Es fällt mir immer wieder schwer, einen vollständigen Überblick über die KI-Ökosysteme der verschiedenen Unternehmen zu bekommen. Nimm zum Beispiel Google - sie haben Gemini 2.0 Flash, Imagen 3, Veo 2, Project Mariner, Project Astra... was fehlt mir noch? Um endlich einen klaren Überblick zu bekommen, habe ich OpenAI's Deep Research mit dieser Anfrage konfrontiert.

Beachte, dass das Modell nicht direkt mit der Recherche begonnen hat, sondern stattdessen um Klärung gebeten hat. Bei all meinen Tests hat das Modell immer versucht, seine Suche einzugrenzen, egal wie spezifisch meine erste Aufforderung war. Das ist meiner Meinung nach nützlich, weil ich oft denke, dass meine Aufforderung klar und spezifisch ist, aber sie könnte noch etwas verfeinert werden.

Ich beantwortete die Fragen des Modells, und dann begann die Recherche. Auf der rechten Seite des Browsers öffnete sich ein Fenster, in dem die Aktivitäten und Quellen des Agenten in Echtzeit angezeigt wurden: