OpenAI bietet mit der Einführung von „Deep Research“ eine neue Funktion, die das Potenzial hat, die Art und Weise, wie wir Informationen recherchieren, grundlegend zu verändern. Deep Research ist eine neue Agentenfunktion, die es ChatGPT ermöglicht auch komplexe, mehrstufige Rechercheaufgaben autonom durchzuführen. Statt vergleichsweise schneller Antworten plant und führt die KI nun selbstständig umfangreiche Recherchen im Internet durch. Während der Arbeitsphase, die zwischen fünf und 30 Minuten dauern kann, dokumentiert die KI dabei ihren Rechercheprozess und dies inklusive Zwischenschritte und Quellenangaben, welche in einer Seitenleiste angezeigt werden.
Deep Research – basiert auf o3-Modell von OpenAI
Das System basiert auf einer spezialisierten Version des neuesten o3-Modells von OpenAI, das speziell darauf ausgelegt ist, tiefgründiges und analytisches Denken zu ermöglichen. Dadurch kann Deep Research nicht nur einfache Fragen beantworten, sondern eben auch komplexe Themenfelder wie Finanzanalysen, wissenschaftliche Studien oder technische Produktvergleiche abdecken. Die KI sammelt dabei Informationen aus hunderten von Webseiten, PDFs, Bildern und anderen Datenquellen, um am Ende einen umfassenden Bericht zu erstellen – quasi wie ein virtueller Research-Analyst.
Das System wurde so konzipiert, dass es bei Aufgaben, die normalerweise viele Stunden menschlicher Arbeit erfordern, die Antworten in einem Bruchteil der Zeit liefert, die ein Mensch benötigen würde. Allerdings kann es nach wie vor zu Halluzinationen kommen, also dazu, dass die KI manchmal falsche oder unvollständige Informationen präsentiert. Zudem ist diese noch nicht immer in der Lage, zwischen seriösen und weniger vertrauenswürdigen Quellen zu unterscheiden. Es gibt für die Entwickler also noch Arbeit.
Deep Research kann viel Zeit sparen bei komplexen Fragen
Für Anwender bedeutet das aber auch, dass wenn man vor einer komplexen Fragestellung steht, bei der es auf detaillierte und gut belegte Informationen ankommt, man mit Deep Research sehr viel Zeit sparen kann. Statt stundenlang selbst im Netz zu suchen, kannst Du einfach Deine Frage formulieren und die KI erledigt den Rest – inklusive der Auflistung aller relevanten Quellen. Diese Funktion macht ChatGPT dann zu einem echten Allrounder, der nicht nur in der Lage ist, konversationsbasierte Antworten zu liefern, sondern auch tiefgehende Recherchen durchzuführen.
Zusammengefasst bietet der neue Release mit Deep Research eine enorme Erweiterung der Möglichkeiten von ChatGPT – von schnellen Antworten hin zu detaillierten, gut dokumentierten Berichten, die früher nur ein Research-Analyst liefern konnte. Es bleibt spannend, wie sich diese Technologie weiterentwickeln wird und welche neuen Einsatzmöglichkeiten sie eröffnen wird.
Open AI Deep Research (noch) nicht für alle:
Deep Research bleibt bisher aber Pro-Nutzern vorbehalten und dies auch nicht hierzulande, ob und wann die Funktion nach Europa kommt, ist noch nicht bekannt. Pro-Benutzer in den USA können für den Preis von 200 US$ im Monat bis zu 100 Recherchen pro Monat durchführen.
Aber ganz leer gehen wir hier auch nicht aus, denn OpenAI hat die neueste Version GPT-4o vorgestellt. Neben der verbesserten Textverarbeitung unterstützt GPT-4o jetzt auch Audio- und Bildverarbeitung, reagiert schneller und kann große Datenmengen verarbeiten und analysieren. Die neuen Tools und GPT-4o können auch von ChatGPT-Free-User ohne zusätzliche Kosten genutzt werden.
Deep Research vs. Deep Reasoning
Deep Research unterscheidet sich von „Deep Reasoning“. Die „Starte Reasoning Funktion“ bezieht sich auf die interne Fähigkeit von ChatGPT, also auf dessen eingebauten Chain-of-Thought-Mechanismus. Diese Funktion aktiviert im Grunde den internen Denkprozess, der dem Modell hilft, komplexe Aufgaben oder logische Probleme Schritt für Schritt zu bearbeiten. Dabei werden die in den Trainingsdaten erworbenen Muster und Kenntnisse genutzt, um nachvollziehbare, oft mehrstufige Antworten zu generieren – allerdings ohne aktiv externe Daten abzurufen oder im Web zu recherchieren.
Die Reasoning Funktion dient dazu, komplexe Fragestellungen anhand des internen Wissens und der internen Logik zu bearbeiten, ist aber in der Regel schneller und weniger ressourcenintensiv, weil sie sich auf das bereits Gelernte stützt.
