Stundenlang Quellen zusammensuchen, Tabs ohne Ende, Copy-Paste-Marathon. Recherche war schon immer einer der nervigsten Teile beim Schreiben.
Genau da kommt Deep Research ins Spiel.
Die Funktion, dass ein KI-Chatbot selbstständig nach vielen passenden Quellen im Internet sucht und diese auswertet, ist einer der ersten wirklich gut funktionierenden Use Cases für autonome KI-Agenten. Und aktuell einer der größten Trends bei KI-Chatbots.
- ChatGPT Pro (229 €/Monat) führt bei Deep Research mit o3-pro Modell und präzisen Quellenangaben, ideal für wissenschaftliche Arbeiten
- Perplexity AI bietet das beste Preis-Leistungs-Verhältnis mit 20 $/Monat und 5 kostenlosen Recherchen monatlich für alle Nutzer
- Gemini mit Google Scholar-Integration hat die umfangreichsten Datenbanken, Grok war im Test am schnellsten, aber weniger präzise als die Konkurrenz
Ich habe die Deep-Research-Funktionen vieler verschiedener Chatbots für dich getestet. Das ist dabei herausgekommen.
1. ChatGPT Plus & Pro
Um Deep Research von ChatGPT ausführlich testen zu können, habe ich mir extra ChatGPT Pro geholt (das teuerste Abo für 229 €/Monat).
Denn im Gegensatz zu ChatGPT Plus bietet es nicht nur 10 Mal im Monat die Möglichkeit, Deep Research zu nutzen, sondern unbegrenzt.
Vor allem hat mich der Deep Research mit o3-pro interessiert, damals OpenAIs bestem Reasoning-Modell.
Und Letzteres ist wirklich gut. Deutlich besser, als ich dachte.
Es eignet sich super, um einen tieferen Überblick über ein Thema zu bekommen, Newsletter oder Blogartikel zu schreiben. Auch für wissenschaftliche Arbeiten eignet es sich super, denn es kann Quellen sehr genau angeben (auch mit der entsprechenden Zitierweise, wenn du danach fragst).
Was leider manchmal nicht so gut funktioniert, ist das Nachfassen oder Überarbeiten von generierter Recherche.
Die erste Version meines KI-Newsletters (siehe Ausschnitt oben) war z. B. super. Danach wollte ich einige Änderungen vornehmen und Dinge ergänzen, was nicht so gut geklappt hat.
Was mir auch nicht so gut gefällt, ist die Formatierung der Recherche. Während mir Deep Research in manch anderen Tools zu viele „Bullet Points“ enthält, bekommst du bei ChatGPT Deep Research oft eine Textwüste mit sehr langen Absätzen.
Ich vermute, dass das dadurch kommt, dass Deep Research bei ChatGPT primär oder ursprünglich für Wissenschaftler entwickelt wurde.
Und nein.
Die Neigung zu sehr langen und unstrukturierten Texten ist gleich, unabhängig davon, ob du GPT-5.6, GPT-5.5 Pro, GPT-5.5, GPT-5.4, o3, o3-pro oder o4-mini verwendest.
Seit dem 09.07.2026 ist die GPT-5.6-Familie (Sol, Terra, Luna) allgemein verfügbar. Der GA-Start folgte einen Tag nach Freigabe durch die Trump-Regierung am 08.07.2026 und deckt ChatGPT (Plus/Pro/Business/Enterprise), ChatGPT Work, Codex und die API ab. Sol ist Standardmodell in OpenAI Codex, Terra läuft für Free/Go-Nutzer als Standard, Pro und Enterprise bekommen zusätzlich den Ultra-Modus mit vier parallelen Sub-Agenten. Sol erreicht 88,8 % auf Terminal-Bench 2.1, Sol Ultra 91,9 %. Deep Research in ChatGPT nutzt die neuen Modelle bereits über die bezahlten Tarife.
2. Perplexity Deep Research
Perplexity Deep Research ist mit 20 $ pro Monat viel günstiger als ChatGPT Pro und dafür nicht viel schlechter.
Zwar ist die „erste Recherche“ nicht so ausführlich und genau wie die von ChatGPT Pro (ChatGPT bezieht in der Regel mehr Quellen mit ein).
Dafür ist Perplexity deutlich schneller, gibt besser strukturierten Output und ist genauso gut darin, den Textausschnitten Quellen zuzuweisen.
Der große Vorteil von Perplexity ist, dass es besser darin ist, nachzufassen und weiter zu recherchieren als ChatGPT (warum, weiß ich nicht genau, aber ich vermute, es hat was mit dem Context Window zu tun).
Super hilfreich ist auch, dass Perplexity nach jeder Antwort mögliche weiterführende Fragen anbietet.
Was schade ist.
Leider kannst du für Deep Research das Modell nicht selbst auswählen. Seit Februar 2026 läuft die Funktion auf Claude Opus 4.6, seit Juni 2026 im Rahmen von „Perplexity Computer“, das Rechercheaufgaben zusätzlich über mehr als 20 weitere Modelle verteilen kann.
3. Grok DeeperSearch
Du kannst von Elon Musk halten, was du möchtest. Aber Groks Recherche-Funktion ist wirklich gut.
Die Funktion hieß früher „Grok 3 Deep Research“, heißt inzwischen DeepSearch (Standard) beziehungsweise DeeperSearch (die gründlichere Variante) und läuft seit dem 8. Juli 2026 auf Grok 4.5.
Die Ergebnisse sind ausführlich, enthalten viele Quell-Links (direkt im Text), sind größtenteils akkurat und, im Gegensatz zu ChatGPTs Deep Research, besser strukturiert.
Einziger Nachteil.
Grok ist am besten auf Englisch. Auf Deutsch neigt er mehr als andere KI-Modelle/Chatbots zu „Denglisch“.
4. Gemini Deep Research
Die Deep-Research-Funktion von Google Gemini (verfügbar in Google AI Pro, früher Gemini Advanced) landet bei mir auf dem letzten Platz.
Sie ist an sich nicht schlecht und würde sich wahrscheinlich irgendwo zwischen dem zweiten und dritten Platz einordnen.
Es werden sehr viele Quellen durchsucht und die Rechercheberichte sind sehr gut formatiert und stimmig (was auch kein Wunder ist, denn Google ist in Sachen Suchmaschinentechnologie Spitzenreiter).
Das Problem ist aktuell leider Folgendes:
Sie funktioniert aktuell leider noch nicht gut und ist stark fehlerbehaftet. Ich habe 4 Versuche gebraucht, damit Deep Research angesprungen ist. Beim Versuch, der funktioniert hat, habe ich sage und schreibe 5 Prompts gebraucht.
So wird der allererste Prompt z. B. immer nur wiederholt (ohne dass die Recherche gestartet wird).
Sehr hohes Frustrationspotenzial also. Schade…
