Deep Research sieht beeindruckend aus. Gemini, Perplexity oder ChatGPT liefern dir in wenigen Minuten einen mehrseitigen Bericht mit 70 Quellen, sauber gegliedert, alles verlinkbar. Genau da liegt das Problem: Der Bericht klingt plausibel, aber was dahintersteckt, weißt du nicht. In diesem Snip zeige ich dir, wo die drei größten Fehlerquellen lauern und wie du sie aufdeckst, bevor du die Informationen weiterverwendest.
Ergebnis: Nach diesem Snip weißt du, wie du einen Deep-Research-Bericht systematisch prüfst, welche Warnsignale du in der Quellenliste erkennst und wie du geprüfte Quellen sauber für deine nächste Recherche archivierst.
- Wähle ein Thema, mit dem du dich gut auskennst, damit du die Qualität der Antwort direkt einschätzen kannst.
- Baue einen Prompt mit klarem Ziel, redaktionellem Kontext, konkreten Teilfragen und Spielregeln für die Quellennutzung, zum Beispiel: Fan-Wikis, Foren und SEO-Inhalte als schwächere Quellen behandeln.
- Fordere im Prompt explizit ein, dass Widersprüche zwischen Quellen nicht geglättet, sondern beide Versionen benannt und bewertet werden.
- Lass die Deep Research laufen und schau dir zuerst den vorgeschlagenen Rechercheplan an, bevor das Modell startet. Hier kannst du noch eingreifen.
- Prüfe nach dem Durchlauf zuerst die Quellenliste ganz unten im Bericht: Welche Quellen sind seriös, welche sind KI-generierte Enzyklopädien, PR-Seiten oder Fan-Wikis?
- Verfolge die wichtigsten Belege direkt: Klick auf die Quelle hinter einer großen Behauptung und prüfe, ob die Originalquelle die Aussage tatsächlich stützt oder ob die Zahl dort selbst schon als unbelegt markiert ist.
- Lass dasselbe Thema parallel mit einem anderen Modell laufen. Wo sich die Ergebnisse widersprechen, schaust du besonders genau hin.
- Überführe die Quellen, die deiner Prüfung standgehalten haben, in ein NotebookLM-Notebook als kuratierten, verifizierten Bestand.
- Verstehen, warum viele Treffer in einer Deep Research nicht automatisch bedeuten, dass die Information stimmt.
- Erkennen, welche Quellentypen problematisch sind und wie man sie in der Quellenliste findet.
- Wissen, wie man Prompts baut, die Widersprüche sichtbar machen statt sie wegzubügeln.
- Eine geprüfte Quellenbasis in NotebookLM aufbauen, statt den ungefilterten Bericht als Grundlage zu übernehmen.
- Journalistische Hintergrundrecherche für Artikel und Reportagen mit gesicherten Quellen.
- Marktanalyse und Wettbewerbsrecherchen mit automatischer Quellenbewertung.
- Vorbereitung von Pitches mit umfassendem Überblick und validierten Informationen.
- Wissenschaftliche Literaturrecherche mit Fokus auf Quellevaluation.
- Erstellung von Content für Bildungsmedien mit geprüften Fakten und Daten.
Als nächstes
