Deep Research beschreibt eine neue Art der KI-Recherche. Statt einer einzelnen Antwort liefert ein Agent eine mehrstufige Untersuchung mit Quellen. Er plant eigenständig, durchsucht viele Webseiten, prüft die Treffer und verdichtet alles zu einem belegten Bericht. Den größten Unterschied macht, wo dieser Prozess läuft und wer dabei die Kontrolle über Daten und Quellen behält.
Eine klassische Suchanfrage gibt Ergebnisse zurück, die Sie selbst sichten. Ein Deep Research Agent geht weiter und zerlegt eine komplexe Frage in Teilschritte. Er kombiniert Planung, wiederholte Recherche über mehrere Quellen und den Einsatz von Werkzeugen wie Websuche oder Datenbanken. Das Ergebnis ist keine Linkliste, sondern ein belegter Bericht.
Der Unterschied zu Retrieval-Augmented Generation (RAG) liegt in der Wiederholung. RAG holt einmal passende Textstellen und erzeugt daraus eine Antwort. Ein Deep Research Agent bewertet seine Zwischenergebnisse, stellt neue Teilfragen und sucht so lange weiter, bis die Recherche trägt. Genau diese Schleife macht ihn für anspruchsvolle Analysen tauglich.
Ein typischer Auftrag folgt diesen Schritten:
Deep Research ist keine einzelne App, die Sie herunterladen. Es ist eine Funktion, die Sie auf zwei Wegen bekommen.
Der erste Weg sind fertige Cloud-Dienste, etwa von OpenAI, Google oder Perplexity. Sie liefern Ergebnisse per Knopfdruck, verarbeiten Ihre Anfragen aber auf fremden Servern. Über Datenfluss, Quellen und Recherchetiefe entscheidet der Anbieter.
Der zweite Weg ist quelloffene Software auf dem eigenen Server. Werkzeuge wie Perplexica koppeln eine Websuche über SearXNG mit einem Sprachmodell und erzeugen daraus einen zitierten Bericht. Das Modell liefert wahlweise einen lokalen Ollama-Server oder eine externe API. Wer eigene Abläufe gestalten will, baut den Agenten als Automation mit n8n self-hosted.
Diese Tools sind quelloffen und kostenlos. Sie zahlen nur für den Server, auf dem sie laufen, und behalten die Datenhoheit im eigenen Haus.
Vom gebuchten Server bis zur ersten Recherche ist der Weg vergleichsweise kurz, da die meisten Tools fertige Container liefern, die Sie mit wenigen Befehlen starten.
Wer einen Agenten nach eigenen Regeln benötigt, baut ihn selbst auf. Wie das gelingt, zeigt die Anleitung zum Thema KI-Agent erstellen. So binden Sie auch interne Datenquellen an, die kein Cloud-Dienst sehen soll.
Die Rechenlast verteilt sich auf zwei Bereiche. Die Steuerung des Agenten, also Planung, Websuche, Datenhaltung und Bericht, läuft auf CPU und Arbeitsspeicher. Rechenintensiv ist allein das Sprachmodell. Ihre Wahl an dieser Stelle bestimmt die nötige Leistung.
Kleine Modelle mit rund sieben Milliarden Parametern laufen auf einem CPU-Server. Die Antwort dauert dann einige Sekunden länger, bleibt aber auf Ihrer Maschine. Für mehr Tempo und größere Modelle holen Sie die Antworten über eine API und nutzen den Server als Steuerzentrale.
Die passende Serverstufe richtet sich nach Recherchevolumen und Datenmenge:
Die Preise finden Sie auf der jeweiligen Produktseite.
Beginnen Sie mit einem externen Modell über API und einem kleinen Server. So prüfen Sie Ihren Agenten im echten Betrieb, bevor Sie in mehr Leistung investieren.
Konkrete Einsatzfelder zeigen, wofür sich der Aufwand lohnt. Eine Marktanalyse, die früher Tage gedauert hat, liefert der Agent in Minuten als Bericht mit Quellen. Eine Beratung beobachtet Wettbewerber laufend, eine Redaktion recherchiert Hintergründe, eine Forschungsgruppe sichtet aktuelle Studien. Der Server arbeitet rund um die Uhr, auch für geplante Recherchen über Nacht.
Der Vorteil bei STRATO liegt in der Verbindung aus Leistung und Datenschutz. STRATO hostet in zertifizierten Rechenzentren in Deutschland. Beim Linux V-Server lassen sich im Bestellprozess auch weitere EU-Standorte wählen. So bleibt vertrauliche Recherche im eigenen Haus.
Wählen Sie die passende Serverstufe und richten Sie Ihren eigenen Deep Research Agenten ein.
Wenig. Den fertigen Recherche-Stack starten Sie über Docker mit wenigen Befehlen auf dem Server. Wer Abläufe selbst gestalten will, baut sie mit n8n self-hosted weitgehend ohne Code zusammen. Etwas Sicherheit im Umgang mit der Server-Konsole hilft beim Einrichten.
Ein Deep Research Agent belegt seine Aussagen mit Quellen, die Sie direkt nachprüfen können. Die Qualität hängt vom gewählten Modell und den freigegebenen Quellen ab. Prüfen Sie zentrale Fakten trotzdem nach, denn auch ein Agent kann eine Quelle falsch deuten. Für sensible Entscheidungen bleibt die Recherche eine Vorarbeit, keine Letztinstanz.
Nein. Die Steuerung des Agenten läuft auf CPU und Arbeitsspeicher. Kleinere Modelle laufen direkt auf einem CPU-Server, größere binden Sie über eine API an. STRATO Server sind auf diese Last ausgelegt.
Ein Chatbot antwortet in einem Zug. Ein Deep Research Agent plant, recherchiert über mehrere Runden und prüft seine Zwischenergebnisse. Erst danach erstellt er einen Bericht. Diese Iteration kostet Zeit, liefert aber belastbarere Ergebnisse.
Reference ID:
Generated Link: