Jedes große KI-Unternehmen bietet inzwischen eine „Deep Research“-Funktion an. Google hat sie. OpenAI hat sie. Perplexity hat sie. In Demos wirken alle beeindruckend — komplexe Frage stellen, ein paar Minuten warten, mehrseitigen Bericht mit Quellen erhalten.
Das Problem ist nicht die Qualität. Das Problem ist, dass keines dieser Tools dafür gebaut wurde, von Ihrem Agenten genutzt zu werden.
Sie stecken in Chat-Oberflächen fest. Sie produzieren Berichte, die für menschliches Lesen formatiert sind, nicht strukturierte Daten für die Weiterverarbeitung. Und wenn Ihr Agent ein Tool nicht programmatisch aufrufen kann, existiert es für Ihren Workflow praktisch nicht.
Was Deep Research tatsächlich anders macht
Normale Suche — selbst Grounded Search — beantwortet eine Frage in einem Durchlauf. Sie fragen, es ruft ab, es synthetisiert.
Deep Research zerlegt eine komplexe Frage in Teilfragen, führt mehrere Suchrunden durch, gleicht widersprüchliche Quellen ab und fasst die Ergebnisse in einem strukturierten Bericht zusammen. Es ist der Unterschied zwischen „Was kostet Acme?“ und „Analysiere die Wettbewerbslandschaft für KI-gestützte Enterprise-Suchwerkzeuge, einschließlich Preisen, Differenzierung und Entwicklerstimmung.“
Das Ergebnis ist kein Absatz. Es sind 20 bis über 100 Quellen, synthetisiert zu etwas, das einem Analystenbericht nahekommt. Die Latenz ist entsprechend länger — 2 bis 15 Minuten statt Sekunden. Die Kosten sind höher — $0,50 bis $5+ pro Bericht statt Bruchteilen eines Cents.
Die Tools, sortiert danach, ob Ihr Agent sie tatsächlich nutzen kann
AnyCap Deep Research ist das einzige, das speziell für Agenten entwickelt wurde. Sie installieren es als Skill (claude mcp add anycap-cli-nightly), und Ihr Agent ruft es wie jedes andere Tool auf. Die Ausgabe ist strukturiert — JSON mit Abschnitten, Zitaten und Konfidenzwerten, nicht nur ein Textbericht. Ihr Agent kann es parsen, filtern und in den nächsten Schritt eines Workflows einspeisen:
anycap research \
--query "AI agent capability runtime market Q2 2026" \
--depth comprehensive --output market-analysis.md
Google Gemini Deep Research produziert gute Berichte. Der Google-Suchindex steht dahinter, was für die Abrufqualität entscheidend ist. Aber die API-Ausgabe ist formatierter Text — keine strukturierten Zitate, keine JSON-Abschnitte. Ihr Agent kann es aufrufen, aber das Parsen der Ausgabe ist fragil. Google ändert die Formatierung, Ihr Parser bricht.
Perplexity Deep Research hat saubere Zitate und Echtzeit-Webzugriff — Perplexitys Kernstärke. Aber Deep Research ist nur über die UI verfügbar. Kein API-Endpunkt. Ihr Agent kann es buchstäblich nicht aufrufen.
OpenAI Deep Research erfordert ein $200/Monat ChatGPT Pro-Abo und ist ebenfalls nur über die UI verfügbar. Die Berichte sind gründlich — o3-basiertes Reasoning ist wirklich gut bei mehrstufiger Recherche. Aber es gibt keine API. Ihr Agent hat keine Möglichkeit, es zu nutzen.
GPT Researcher und STORM sind Open-Source-Alternativen zum Self-Hosting. Volle Kontrolle, keine Kosten pro Anfrage. Der Kompromiss: Self-gehostetes Web-Crawling ist deutlich schlechter als das, was Google- oder Bing-gestützte Tools abrufen können. Die Einrichtung ist nicht trivial. Wenn Sie ein Team haben, das es warten kann, und Ihr Volumen die Infrastruktur rechtfertigt, ist es machbar. Die meisten Teams haben das nicht.
Worauf Sie jenseits der Demo achten sollten
Consumer-Deep-Research überzeugt in Demos, weil es beeindruckend aussehende Berichte produziert. Wenn Sie Tools für den Agenteneinsatz bewerten, verschieben sich die Kriterien:
Kann der Agent strukturierte Ausgabe erhalten? Nicht „Kann ich den Bericht lesen?“. Kann der Agent Abschnitte parsen, Zitate extrahieren und die Ergebnisse im nächsten Schritt einer Pipeline verwenden? Wenn das Tool eine Textwand zurückgibt, ist die Antwort nein.
Wie dicht sind die Zitate? Ein Deep-Research-Bericht ohne Zitate, die jede Behauptung mit einer Quelle verknüpfen, ist nur selbstbewusste Halluzination mit besserer Formatierung. Stichproben Sie Zitate in Ihren ersten Berichten. Sie werden überrascht sein, wie oft sie die Behauptung tatsächlich nicht stützen.
Können Sie die Tiefe steuern? Ein schneller Wettbewerbsüberblick braucht 5–10 Quellen und 2 Minuten. Eine umfassende Landschaftsanalyse braucht 50+ Quellen und 10+ Minuten. Das Tool sollte Ihnen die Wahl lassen und die Kosten vor der Ausführung nennen.
Ist es CLI oder UI? Dies ist der Filter, der die meisten Optionen eliminiert. Wenn ein Tool in einer Chat-Oberfläche lebt, kann Ihr Agent es nicht nutzen. Ende der Bewertung.
Wo Deep Research in einen echten Workflow passt
Der Wert von Deep Research liegt nicht in der Recherche selbst. Er liegt in dem, was danach passiert.
Ein Agent, der eine Wettbewerbsanalyse durchführt, recherchiert zunächst die Marktlandschaft per Deep Research. Dann sucht er nach Preisdetails zu jedem gefundenen Wettbewerber. Dann generiert er eine Vergleichsinfografik. Dann fasst er alles in einem Bericht zusammen und veröffentlicht ihn.
Das sind vier CLI-Befehle, verkettet von einem Agenten, der das Ziel versteht:
anycap research --query "AI search tools market 2026" --depth comprehensive --output landscape.md
anycap search "competitor-name pricing 2026" --citations --output pricing.json
anycap image generate --prompt "comparison infographic from landscape.md" -o comparison.png
anycap page publish report.md --title "AI Search Tools: Market Analysis 2026"
Kein SDK. Keine Middleware. Nur Tools, die der Agent aufrufen kann, weil sie in seiner Runtime leben.
Weiterführende Lektüre:
- KI-gestützte Suche für KI-Agenten: Grounded Search vs RAG — Wie Grounded Search und Deep Research sich ergänzen
- KI-Workflow-Automatisierung: Eine agentische Pipeline aufbauen — Vollständige Pipeline: Recherchieren → Generieren → Veröffentlichen
- Agentische Analyse-Tools 2026 — Wie Deep Research in Analyse-Workflows passt