Deep Research mit KI 

Ein Einstieg für Lehrende

Isabella Buck


29. Juli 2025

Easy Access ist eine Blogreihe des VK:KIWA für alle, die am Anfang ihrer Beschäftigung mit generativer KI stehen. Wir richten uns dabei besonders an Lehrende und erklären in kompakten Beiträgen zentrale Begriffe, zeigen konkrete Anwendungsmöglichkeiten und machen erste Schritte mit KI verständlich und umsetzbar. Mit der Blogreihe möchten wir vor allem (Noch-)Einsteiger:innen darin ermutigen, KI schrittweise auszuprobieren und sie lernförderlich in die Lehre zu integrieren.

Begriff / Use Case – worum geht es eigentlich?

„Deep Research“ („Tiefenrecherche“) bezeichnet die Fähigkeit generativer KI-Modelle, längere, komplexere Rechercheprozesse durchzuführen und auf Basis einer Informationsbeschaffung aus externen Quellen Texte zu verfassen. Im Gegensatz zu ‚traditionellen‘ KI-Anwendungen, die ausschließlich auf Basis ihrer Trainingsdaten neue Texte generieren, integrieren Deep Research-Modelle Informationen aus dem Internet oder spezifischen Datenbanken in ihre Antworten. Deep Research-Funktionen basieren also auf gängigen Sprachmodellen von KI-Anbietern wie OpenAI, Perplexity, Google, Anthropic und erweitern deren Funktionen bei der Recherche und Analyse von Daten.Diese Funktionalität wird durch das Konzept der Retrieval-Augmented Generation (RAG) ermöglicht, bei dem KI-Modelle relevante Dokumente oder Webseiten abrufen und deren Inhalte in die Antwortgenerierung einbeziehen. Dadurch können sie fundierte und auch aktuelle Informationen liefern, die über das in den Trainingsdaten enthaltene Wissen hinausgehen.

Möglicher Use Case: Eine Lehrperson möchte sich in ein neues Forschungsfeld einarbeiten oder Literatur zu einem Seminarthema kuratieren. Deep Research-Modelle helfen dabei, schneller einen Überblick zu gewinnen, indem sie relevante, real existierende Quellen identifizieren, zentrale Inhalte extrahieren und diese strukturiert zusammenfassen.

Funktionsweise und Hintergrundinfos – was sollte man wissen?

Im Unterschied zu einfachen Prompt-Antworten verfügen viele KI-Tools inzwischen über „Recherche-Schnittstellen“. Hierbei ist nochmals zu differenzieren zwischen ‚einfachen‘ Internetrecherchen und Deep Research. 

Die folgende Tabelle gibt einen Überblick über Unterschiede:

Beispiel / Anwendung / Lösung – wie geht es denn?

Tools, die Deep Research zur Verfügung stellen, sind beispielsweise:

ChatGPT

Hier lässt sich im Eingabefeld über „Tools“ die Funktion „Führe eine Deep Research durch“ auswählen. Die Funktion „Suche im Internet“ ist weniger ‚tiefgründig‘ (s. o.):

Gemini

Bei Gemini kann ebenfalls direkt unterhalb des Eingabefelds die Funktion „Deep Research“ ausgewählt werden:

Deep Seek

Bei Deep Seek muss „DeepThink (R1)“ ausgewählt werden, um auf Deep Research zuzugreifen.

Fallstricke – was sollte ich als Lehrperson beachten bzw. meinen Studierenden mitgeben?

  • Quellenkritik ist Pflicht: KI nennt oft Quellen – aber nicht alle sind valide oder relevant. Immer selbst prüfen.


  • Vermeintliche Objektivität: Die KI klingt souverän – das heißt aber nicht, dass die Ergebnisse korrekt oder vollständig sind. Mitunter generiert die KI auch Sätze, an deren Ende zwar auf eine Quelle verwiesen wird, doch steht in der Quelle gar nicht das, was das KI-Tool dazu schrieb.


  • Eigenständigkeit erhalten: Deep Research ist keine Recherche-Automatisierung, sondern ein Co-Thinking-Tool.


Was könnte danach der nächste kleine Schritt sein? – Reflexionsfragen für Lehrende

  • Welche Themen in meiner Lehre könnten von einer KI-gestützten Deep Research (Tiefenrecherche) profitieren?


  • Wie kann ich Studierende dazu befähigen, KI-Recherche kritisch, transparent und reflektiert zu nutzen?