Zum Hauptinhalt springen

Google Deep Review einfach erklärt

Google Deep Review prüft lange Dokumente mit parallel arbeitenden KI-Agenten. Erfahre, wie es funktioniert, die SPOT-Ergebnisse – und wie du es gratis nutzt.
Vaibhav Mehra
Vaibhav Mehra

Erstelle dein kostenloses Konto

Üben und Lernpfad deinen Fortschritt.

Weiter mit GoogleWenn du fortfährst, akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und dass deine Daten in den USA gespeichert werden.

Stell dir vor, du gibst einer Freundin einen 40-seitigen Bericht mit der Bitte: "Kannst du das in den nächsten 10 Minuten auf Fehler prüfen?"

Sie findet wahrscheinlich ein paar Tippfehler und hier und da einen grammatikalischen Patzer. Würde sie merken, dass eine Zahl auf Seite 3 nicht zur gleichen Zahl auf Seite 31 passt? Eher nicht.

Gib denselben Bericht jetzt einem Team.

Eine Person, die gut in Mathe ist, übernimmt die Gleichungen, jemand anderes prüft die Experimente, alle bekommen das komplette Dokument, und eine Lektorin sammelt alle Notizen ein und überprüft alles, was merkwürdig aussieht, ein zweites Mal.

Dieses Team findet deutlich mehr – auch die Fehler, die wirklich zählen.

Google Deep Review ist genau dieser zweite Ansatz als Software. Es ist ein agentenbasiertes KI-System von Google Research, das lange, komplexe Dokumente prüft, indem es sie in Abschnitte teilt, jeden Abschnitt parallel begutachtet und die Ergebnisse zu einem Bericht zusammenführt.

Am 14. Oktober 2026 hat Google es öffentlich zugänglich gemacht – mit 2 kostenlosen Reviews pro Woche.

In diesem Artikel zeige ich, was Deep Review ist, wie die 4-stufige Pipeline funktioniert, was Googles veröffentlichte Ergebnisse zeigen und wie du das Muster selbst nachbauen kannst. Lies dazu auch unseren Guide zu Gemini 3.1 Pro und unseren Kurs Multi-Agent Systems with LangGraph.

Auf den Punkt gebracht

  • Deep Review teilt ein Dokument in Abschnitte, weist schwierigen Abschnitten mehr Rechenaufwand zu, prüft jeden Abschnitt parallel mit Blick auf das Gesamtdokument und führt die Ergebnisse samt Faktencheck zusammen.
  • Auf einem Mathematik- und Informatik-Subset des SPOT-Benchmarks (26 Papers, 29 Fehler) erkannte Googles Paper Assistant Tool (PAT) 89,7% der Fehler – gegenüber 55,2% bei Gemini 3.1 Pro allein.
  • Jede Person bekommt wöchentlich 2 kostenlose Reviews. Akzeptiert werden nur PDFs und reiner Text.
  • Alle Genauigkeitsangaben stammen von Google und von Autorinnen und Autoren, die eingewilligt haben. Die öffentliche Version wurde noch nicht unabhängig getestet.
  • Es prüft die Argumentation in deinem Dokument, nicht deinen Code – ein Pipeline-Bug kann also weiterhin zu falschen, aber konsistent wirkenden Zahlen führen.

Was ist Google Deep Review?

Google Deep Review ist ein agentenbasiertes KI-System, das Feedback und technische Verifikation für lange, komplexe Dokumente liefert. Es teilt ein Dokument in Abschnitte, prüft jeden Abschnitt parallel und führt die Ergebnisse in einem Bericht zusammen.

Ursprünglich wurde Deep Review für Forschungsarbeiten entwickelt. Google sagt inzwischen, dass es auch für Designdokumente, Präsentationen sowie juristische und finanzielle Dokumente funktioniert. Du nutzt es über das Google Research Portal, angekündigt wurde es auf dem Research@-Event.

Zurück zur Analogie: Deep Review ist das Team plus die Redaktion. Die Arbeit wird so aufgeteilt, dass jeder Teil gründlich geprüft wird – statt das Dokument einmal zu lesen und nur einen ersten Eindruck zu geben.

Warum hat Google Deep Review gebaut?

KI macht das Schreiben günstig, aber das Prüfen ist weiterhin langsam und teuer. Google nennt das den Validierungs-Engpass: Informationen werden schneller erzeugt, als sie sorgfältig begutachtet werden können.

Laut Google stiegen die Einreichungen an drei großen KI-Konferenzen (ICLR, NeurIPS und ICML) von etwa 23.000 im Jahr 2023 auf rund 74.000 im Jahr 2026.

Die Zahl qualifizierter Reviewer hat sich im gleichen Zeitraum nicht verdreifacht. (Die 2026er Zahl ist teilweise geschätzt, da die NeurIPS-Zahl in Googles Paper eine Projektion ist.)

Vom Paper Assistant Tool zu Deep Review

Deep Review begann als Paper Assistant Tool (PAT). Google testete es mit 4 Informatik-Konferenzen: STOC 2026, ICML 2026, NeurIPS 2026 und ICLR 2027.

Autorinnen und Autoren konnten sich freiwillig anmelden und vor der Deadline privates Feedback zu ihrer Arbeit erhalten.

Über 16.000 Papers liefen durch die Pilotphase.

Das Feedback war vom offiziellen Peer Review getrennt, hatte also keinen Einfluss auf die Annahme.

Die öffentliche Version unterstützt nun Gemini 4 Argon, was Google zufolge stärker ist als das ältere PAT. Ein verwandtes Muster hat Google außerdem in Antigravity integriert, der agentenbasierten Coding-Umgebung.

Das Teamwork Deep Document Review Pattern läuft mit dem Befehl /teamwork-preview.

Wie funktioniert Deep Review?

Deep Review arbeitet als 4-stufige Pipeline: Das Dokument wird segmentiert, der Aufwand pro Abschnitt budgetiert, die Abschnitte parallel geprüft und die Ergebnisse zusammengeführt.

Naheliegend wäre, ein Paper einfach komplett in ein großes Sprachmodell (LLM) zu geben und um Feedback zu bitten.

Das ist unser „Freund mit 10 Minuten“. Google nennt drei Gründe, warum das nicht reicht:

  • Das Modell geht das Denkbudget aus, bevor es die harten Teile erreicht
  • Abhängigkeiten zwischen weit entfernten Abschnitten werden übersehen
  • Nuancierte Behauptungen werden akzeptiert, ohne sie genau zu prüfen

Unser Reviewer-Team folgt denselben 4 Schritten wie die Pipeline. Schauen wir uns jede Stufe an.

Stufe 1: Dokumentsegmentierung

Ein Segmentierungsagent teilt das Dokument in logische Teile wie Einleitung, Methoden, Experimente und Beweise.

Die Teile können sich überlappen, müssen zusammen aber das gesamte Dokument abdecken.

In der Analogie ist das die Teamabsprache, wer welches Kapitel prüft, bevor jemand zu lesen beginnt. Kein Teil wird ausgelassen.

Stufe 2: Adaptive Rechenbudgetierung

Manche Abschnitte sind deutlich schwerer zu prüfen als andere.

Ein langer mathematischer Beweis braucht weitaus mehr gründliches Nachdenken als der Related-Work-Teil, der vor allem andere Arbeiten aufzählt.

Deep Review misst, wie dicht ein Abschnitt ist, und gibt den schwierigeren mehr Rechenaufwand.

Googles Paper beschreibt leichte, mittlere und hohe Denkpfade, wobei Beweise und Theorie den hohen Pfad bekommen. Wenn du ein Modell mit „Thinking“-Einstellung genutzt hast, ist das eine ähnliche Idee – nur pro Abschnitt.

Stufe 3: Tiefe Parallelprüfung

Als Nächstes prüfen Reviewer-Agenten alle Abschnitte gleichzeitig. Jeder Agent fokussiert seinen Abschnitt, sieht aber weiterhin das gesamte Dokument.

Angenommen, Abschnitt 5 nutzt ein Resultat aus Abschnitt 2.

Der Agent für Abschnitt 5 kann zurückspringen und prüfen, ob beides zusammenpasst. Ein Modell, das nur Abschnitt 5 sieht, hätte dafür keine Chance.

Stufe 4: Globale Synthese und Grounding

Zum Schluss übernimmt ein Syntheseagent die Rolle unserer Redaktion.

Er führt die Abschnittsberichte zusammen, entfernt Dubletten, sucht nach Widersprüchen zwischen Abschnitten und führt unsichere Logikprüfungen erneut aus.

Außerdem laufen Grounding-Checks gegen externe Quellen, einschließlich Google Search, um Halluzinationen wie nicht existierende Papers oder Theoreme zu erkennen.

Ohne diesen Schritt könnte der Reviewer Probleme markieren, die gar nicht existieren – und deine Zeit verschwenden.

So baust du eine Deep-Review-ähnliche Pipeline in Python

Deep Review folgt einem Map-Reduce-Muster mit LLM-Agenten: Arbeit aufteilen, Teile parallel prüfen, Ergebnisse zusammenführen. Eine einfache Version passt in unter 80 Zeilen.

Im Beispiel unten verwenden wir das Google Gen AI SDK mit Gemini 3.1 Pro.

Über die Einstellung thinking_level setzen wir unsere eigene Version von Stufe 2 um.

from concurrent.futures import ThreadPoolExecutor

from google import genai
from google.genai import types

client = genai.Client()  # reads GEMINI_API_KEY from your environment
MODEL = "gemini-3.1-pro-preview"


def split_into_sections(text):
    """Stage 1: split a Markdown document on its headings.
    Deep Review uses a segmenter agent for this step."""
    sections, current = [], []
    for line in text.splitlines():
        if line.startswith("#") and current:
            sections.append("\n".join(current))
            current = []
        current.append(line)
    if current:
        sections.append("\n".join(current))
    return sections


def thinking_level_for(section):
    """Stage 2: a very rough version of adaptive budgeting. More math, more thinking."""
    math_signals = section.count("$") + section.count("=")
    if math_signals > 20:
        return types.ThinkingLevel.HIGH
    return types.ThinkingLevel.LOW


def review_section(section, full_doc):
    """Stage 3: review one section while still seeing the full document."""
    prompt = (
        "You are reviewing one section of a technical document.\n\n"
        f"Full document for context:\n{full_doc}\n\n"
        f"Section to review:\n{section}\n\n"
        "List math errors, logic gaps, and claims not supported by evidence. "
        "Quote the exact text for each issue. Say 'No issues' if there are none."
    )
    response = client.models.generate_content(
        model=MODEL,
        contents=prompt,
        config=types.GenerateContentConfig(
            thinking_config=types.ThinkingConfig(
                thinking_level=thinking_level_for(section)
            )
        ),
    )
    return response.text


def deep_review_lite(full_doc):
    sections = split_into_sections(full_doc)

    # Map step: review every section in parallel
    with ThreadPoolExecutor(max_workers=4) as pool:
        reports = list(pool.map(lambda s: review_section(s, full_doc), sections))

    # Stage 4 (reduce step): merge, remove duplicates, drop issues the document resolves
    merge_prompt = (
        "Merge these section reviews into one report with three headings: "
        "Major concerns, Minor corrections, Suggestions. "
        "Remove duplicates and drop any issue the full document clearly resolves.\n\n"
        f"Full document:\n{full_doc}\n\n"
        "Section reviews:\n\n" + "\n\n---\n\n".join(reports)
    )
    final = client.models.generate_content(model=MODEL, contents=merge_prompt)
    return final.text


if __name__ == "__main__":
    with open("my_report.md", encoding="utf-8") as f:
        print(deep_review_lite(f.read()))

Keine Sorge, wenn du nicht jede Zeile nachvollziehen kannst. Die Struktur ist wichtiger als der genaue Code. So zahlt es auf die 4 Stufen ein:

  • split_into_sections() ist unser Segmentierer (Stufe 1)
  • thinking_level_for() legt den Aufwand pro Abschnitt fest (Stufe 2)
  • ThreadPoolExecutor führt die Reviews parallel aus, und jeder sieht das gesamte Dokument (Stufe 3)
  • Das merge_prompt am Ende ist unsere Redaktion (Stufe 4)

Diese Version ist deutlich einfacher als das Original. Es gibt keinen Segmentierungsagenten, keinen Abgleich mit Google Search und keinen zweiten Blick auf unsichere Befunde.

Sie adressiert aber 2 der 3 Probleme, die Google nennt: zu wenig Denkbudget und fehlende Verbindungen zwischen Abschnitten.

Außerdem gibt es Kosten zu beachten.

Jeder Reviewer-Aufruf enthält das ganze Dokument, daher steigen die Tokenkosten mit der Zahl der Abschnitte.

Der Splitter behandelt jede Zeile, die mit # beginnt, als Überschrift – auch Kommentare in Codeblöcken. Teste es also zuerst an deinen eigenen Dateien.

So nutzt du Google Deep Review

Die Nutzung von Deep Review ist in wenigen Minuten eingerichtet, danach heißt es warten, bis die Agenten fertig sind.

Dein erstes Review einrichten

Sechs Schritte für ein Deep Review: vom Anmelden bis zum Umsetzen des Feedbacks

Abbildung 1: Schritte für ein Deep Review – vom Anmelden bis zum Umsetzen des Feedbacks. Diagramm der Autorin/des Autors, basierend auf der Deep-Review-Seite von Google Research.

  1. Öffne im Google Research Portal Deep Review.
  2. Melde dich mit deinem Google-Konto an.
  3. Lade ein PDF hoch oder füge reinen Text ein.
  4. Optional: Füge Custom Context hinzu, um Schwerpunkte zu definieren, und setze Review-Tiefe und Thinking-Level. Kostenlose Reviews nutzen Medium für beides.
  5. Starte das Review. Google nennt etwa 10 bis 20 Minuten; sehr lange oder mathematiklastige Dokumente dauern bis zu 30 Minuten.

Wichtige Grenzen:

  • Du bekommst 2 kostenlose Reviews pro Woche – ganz ohne API-Schlüssel.
  • Aktuell werden nur PDFs und reiner Text akzeptiert.
  • Multi-File-Support soll bald kommen – praktisch für ein Paper plus Anhang.

Den Bericht lesen

Ein Deep-Review-Bericht neben dem DeepSeek-V4.1-Flash-Paper, mit Überblick und Stärken

Abbildung 2: Beispiel eines Google-Deep-Review-Berichts, angezeigt neben dem begutachteten Paper. Bildquelle: ScriptByAI, Deep Review: Google's AI Reviewer for Papers and Technical Documents.

Der Bericht startet mit Overall Feedback, also einer Zusammenfassung, und liefert darunter das Detailed Feedback.

Du kannst die Detailkommentare nach Major Concerns, Minor Corrections und Suggestions filtern; jeder Kommentar nennt den Abschnitt oder die Seite, auf die er sich bezieht.

Es gibt außerdem eine Kommentaransicht und eine Copy-Report-Schaltfläche, die den gesamten Review als Markdown kopiert. Praktisch, um ihn in deine Notizen zu übernehmen und Punkt für Punkt abzuarbeiten.

Wie genau ist Google Deep Review?

Googles eigene Ergebnisse zeigen: Der Vorgänger PAT erkannte auf dem SPOT-Benchmark in Mathe und Informatik 89,7% der Fehler – gegenüber 55,2% bei Gemini 3.1 Pro allein.

Die Zahlen stammen aus dem PAT-Paper Towards Automating Scientific Review with Google's Paper Assistant Tool.

SPOT ist ein Benchmark aus realen Fehlern in später zurückgezogenen oder korrigierten Papers. Getestet wurde das Mathe-/Informatik-Subset mit Gleichungs- und Beweisfehlern: 26 Papers mit 29 Fehlern.

PATs Recall lag etwa 34 Prozentpunkte höher als die Single-Call-Baseline.

Zwei Einschränkungen gelten:

Erstens nutzten die Autorinnen und Autoren einen eigenen Grader, der logisch gleichwertige Fehlerbeschreibungen akzeptiert – die Zahlen sind daher nicht direkt mit den ursprünglichen SPOT-Ergebnissen vergleichbar.

Zweitens ist das Paper beim Modell uneinheitlich: Im Text wird PAT mit Gemini Deep Think beschrieben, während die Ergebnistabelle die 89,7% als PAT mit Gemini 3.1 Pro ausweist. So oder so ist das nicht die öffentliche Deep-Review-Version.

Auch das Pilot-Feedback sieht gut aus.

Google befragte Autorinnen und Autoren der STOC- und ICML-Piloten mit zusammen über 4.700 Einreichungen. Unter den 857 Antwortenden (124 bei STOC, 733 bei ICML):

  • 92,7% bei STOC und 90,7% bei ICML fanden das Feedback sehr oder überwiegend hilfreich
  • Rund jede zehnte STOC-Autorin bzw. jeder zehnte Autor und mehr als jede dritte ICML-Autorin bzw. jeder dritte Autor (35,4%) meldeten einen signifikanten Theoriefehler, dessen Behebung über eine Stunde dauerte
  • 31% der ICML-Antwortenden führten aufgrund von PAT neue Experimente durch

Letzteres sticht hervor.

Zusätzliche Experimente kurz vor der Deadline sind ein großer Schritt – das Feedback muss also überzeugt haben.

Trotzdem: Alle Zahlen stammen von Google und von Freiwilligen; die öffentliche Deep-Review-Version wurde noch nicht unabhängig geprüft. Nimm sie als ermutigendes Signal, nicht als Beweis dafür, wie es bei deinen Dokumenten abschneidet.

Wie können Data Scientists Deep Review nutzen?

Du musst keine mathematischen Beweise schreiben, um von Deep Review zu profitieren.

Vieles, was Data Scientists und Analystinnen schreiben, sind Behauptungen, die mit Zahlen belegt werden – genau das prüft Deep Review.

Hier ein paar sinnvolle Einsatzfelder:

DokumentWobei Deep Review hilft
AnalyseberichteOb jede Schlussfolgerung durch eine Zahl im Bericht belegt ist
A/B-Test-Write-upsSchwache statistische Aussagen oder wechselnde Stichprobengrößen zwischen Abschnitten
ML-DesigndokumenteStellen, an denen Architektur- und Evaluationsabschnitt nicht übereinstimmen
Notebook-Write-upsDie Erläuterungen rund um deine Ergebnisse (Notebook vorher als PDF exportieren)

Google beschreibt Deep Review als Prüfung der Argumentation in deinem Dokument. Vom Ausführen deines Codes ist nicht die Rede – ein Bug in deiner Pipeline kann also weiterhin falsche, aber stimmig wirkende Zahlen erzeugen.

Ein guter Workflow sieht so aus:

  1. Erst einen vollständigen Entwurf fertigstellen. Ein halbfertiges Dokument zu prüfen, verbraucht eines deiner 2 wöchentlichen Reviews.
  2. Deep Review laufen lassen und jede Major Concern selbst gegenprüfen, bevor du etwas änderst.
  3. Echte Probleme beheben und bei Bedarf erneut prüfen, wenn du noch ein Review übrig hast.

Für die Integration in eigene Tools gibt es die Deep Review API. Damit startest du Reviews aus dem Code heraus, z. B. in einer Continuous-Integration-(CI)-Pipeline.

Du verbindest deinen eigenen Gemini-API-Schlüssel, die Nutzung wird also über dein Gemini-API-Konto abgerechnet.

Die Kosten hängen von Dokumentlänge und Denkaufwand ab. Teste es daher zuerst an einem Dokument, bevor du etwas Größeres darauf aufbaust.

Beschränkungen von Google Deep Review

Die größte Einschränkung: Deep Review kann in beide Richtungen falsch liegen.

Laut PAT-Paper gab es in den Piloten Fälle, in denen das Tool einen korrekten Beweis fälschlich als falsch markierte – aufgrund eines Denkfehlers. Daran wird noch gearbeitet.

Ein weiterer wichtiger Punkt ist das Grounding.

Nur 55,8% der STOC- und 64,8% der ICML-Antwortenden fanden das Feedback überwiegend oder vollständig „gegroundet“ – grob 35% bis 44% also nicht.

Prüfe jede Major Concern am Originaldokument, bevor du handelst.

Urteilskraft ersetzt es ebenfalls nicht.

Es sagt dir nicht, ob deine Idee neu oder interessant ist, und es rankt keine Papers. Das liegt weiterhin bei dir und deinen Reviewerinnen und Reviewern.

Und dann ist da noch das Thema Datenschutz.

Google sagt, hochgeladene Dokumente werden nie zum Trainieren, Fine-Tunen oder Verbessern der Modelle genutzt, aber sie werden 1 Jahr lang aufbewahrt, damit du sie in der Oberfläche wiederfindest.

Wenn du an etwas unter NDA arbeitest, würde ich zweimal überlegen, bevor du es hochlädst.

Weitere Einschränkungen:

  • Geschlossenes System ohne offene Gewichte und ohne Self-Hosting – du bist vollständig auf Googles Modelle angewiesen
  • Akzeptiert derzeit nur PDFs und reinen Text
  • 2 kostenlose Reviews pro Woche sind schnell aufgebraucht, wenn du viel am Entwurf änderst
  • Alle Genauigkeitszahlen kamen bisher von Google

Fazit

Deep Review ist näher an unserem Reviewer-Team als an der Freundin mit 10 Minuten. Am sinnvollsten ist es als zusätzlicher Durchlauf vor dem Absenden – und du prüfst jede Major Concern selbst gegen.

Es markiert gelegentlich Scheinprobleme, kann die Neuartigkeit deiner Arbeit nicht bewerten, und seine Genauigkeit muss außerhalb von Google noch getestet werden.

Spannend ist vor allem das Design: Arbeit aufteilen, schwierigen Teilen mehr Aufwand geben, alles parallel prüfen und die Ergebnisse zusammenführen – das funktioniert in fast jedem Agenten, der lange Dokumente bewältigen muss.

Wenn du solche Agenten bauen willst, empfehle ich unseren Kurs Multi-Agent Systems with LangGraph.

Google Deep Review: FAQs

Ist Google Deep Review kostenlos?

Ja, alle bekommen 2 kostenlose Reviews pro Woche. Wenn du mehr brauchst, kannst du deinen eigenen Gemini-API-Schlüssel verbinden.

Welche Dateitypen akzeptiert Deep Review?

Aktuell nur PDFs und reiner Text. Google sagt, Unterstützung für mehrere Dateien folgt bald.

Trainiert Google seine Modelle mit meinen Dokumenten?

Nein. Google sagt, hochgeladene Dokumente werden nie zum Trainieren, Fine-Tunen oder Verbessern der Modelle genutzt. Sie werden 1 Jahr lang gespeichert, damit du sie in der Deep-Review-Oberfläche anzeigen kannst.

Gibt es eine Deep Review API?

Ja. Die Deep Review API läuft über deinen eigenen Gemini-API-Schlüssel, sodass du Reviews aus deinem Code starten kannst, zum Beispiel in einer CI-Pipeline.

Wie lange dauert ein Deep Review?

Laut Google etwa 10 bis 20 Minuten pro Dokument. Längere Dokumente mit viel Mathematik bekommen mehr Compute und können bis zu 30 Minuten dauern.

Wie genau ist Google Deep Review?

Auf einem Mathematik- und Informatik-Subset des SPOT-Benchmarks erkannte das Vorgängertool PAT 89,7% der Fehler – gegenüber 55,2% bei Gemini 3.1 Pro allein. Diese Ergebnisse stammen von Google und wurden für die öffentliche Deep-Review-Version noch nicht unabhängig geprüft.

Vaibhav Mehra

Autor

Vaibhav Mehra

Themen

Ähnlich