Deep Research als Lernaufgabe.
Drei Aufgabenformate, die aus KI-Recherche echtes Lernen machen.
Folgendes Szenario: Eine Lernende/Studierende öffnet Perplexity, wählt «Deep Research» aus, gibt ein Thema ein und erhält innert Minuten einen mehrseitigen Bericht mit Quellenangaben. Klingt nach einer Abkürzung. Aber was, wenn genau dieser Moment der Startpunkt für vertiefte Auseinandersetzung wäre?
Ich zeige, wie Deep Research nicht bloss ein Werkzeug für Lehrpersonen ist. Es kann selbst zur Lernaufgabe werden. Und zwar zu einer, die es in sich hat.
Was ist Deep Research?
Deep Research bezeichnet eine neue Generation von KI-gestützter Recherche. Tools wie OpenAI Deep Research, Gemini Deep Research oder Perplexity Pro durchsuchen nicht einfach das Internet. Sie arbeiten mehrstufig: Sie formulieren Suchstrategien, vergleichen Quellen, gewichten Aussagen und fassen Ergebnisse zusammen. Das Resultat ist kein einfacher Chatbot-Output, sondern ein strukturierter Bericht, oft mit Fussnoten, Quellenlinks und Zusammenfassungen.
Der Unterschied zu einer normalen Google-Suche? Deep Research synthetisiert (also verknüpft und verdichtet) Informationen aus Dutzenden von Quellen gleichzeitig. Es liefert nicht zehn blaue Links, sondern eine zusammenhängende Analyse. Das klingt erst einmal praktisch. Doch genau hier liegt die pädagogische Chance und auch das Risiko.
Warum Deep Research als Lernaufgabe funktioniert
Wer Deep Research sinnvoll nutzt, muss drei Dinge können: präzise Fragen formulieren, Quellen bewerten und Ergebnisse kritisch einordnen. Das sind keine Nebensächlichkeiten. Das sind Kernkompetenzen für das 21. Jahrhundert.
Wenn Lernende eine Fragestellung an ein Deep-Research-Tool übergeben, beginnt die eigentliche Arbeit danach. Stimmen die Quellen? Fehlen Perspektiven? Ist die Gewichtung nachvollziehbar? Ich nenne das den «Post-Output-Prozess» und er ist didaktisch wertvoller als das Ergebnis selbst.
Hier kommt das Konzept des kognitiven Offloadings ins Spiel. Kognitives Offloading bedeutet, dass wir Denkarbeit an ein Werkzeug auslagern. An einen Taschenrechner, ein Notizbuch oder eben an eine KI. Das ist nicht per se schlecht. Wir alle nutzen Einkaufslisten, damit wir uns nicht alles merken müssen. Die Frage ist: Was passiert, wenn Lernende auch das kritische Denken auslagern?
Die Gefahr ist real. Lernende könnten den Deep-Research-Bericht einfach übernehmen, kopieren, einfügen, abgeben. Doch mit den richtigen Aufgabenformaten verwandelt sich diese Gefahr in eine Chance. Die richtigen Aufgabenformate erzwingen die Auseinandersetzung mit dem Output regelrecht.
Drei Aufgabenformate für den Unterricht
Ich stelle drei erprobte Formate vor, die sich in einer Doppellektion umsetzen lassen.
Format 1: Das Faktencheck-Duell
So funktioniert es: Lernende formulieren eine These. Zum Beispiel «Mikroplastik im Trinkwasser ist in der Schweiz ein ernstes Gesundheitsproblem». Sie lassen Deep Research diese These prüfen. Dann prüfen sie das Ergebnis manuell gegen: mit eigenen Recherchen, mit Lehrmitteln, mit Fachartikeln.
Die Leitfrage lautet: Wer findet mehr Fehler oder Ungenauigkeiten, die KI oder wir?
Dieses Format schärft den Blick für Nuancen. Deep Research liefert oft korrekte Informationen, aber vereinfacht Zusammenhänge oder gewichtet Quellen fragwürdig. Lernende erleben direkt, dass «korrekt» und «vollständig» nicht dasselbe sind.
Format 2: Das Quellen-Audit
Lernende beauftragen Deep Research mit einer offenen Fragestellung: «Wie wirkt sich Schlafmangel auf die schulische Leistung aus?» Dann erhalten sie den Bericht und ihre Aufgabe beginnt.
Sie bewerten jede Quelle systematisch nach vier Kriterien: Aktualität (wann wurde die Studie publiziert?), Peer-Review (wurde sie von Fachleuten geprüft?), Bias (gibt es Interessenkonflikte?) und Relevanz (passt die Quelle wirklich zur Frage?).
Ich empfehle eine einfache Bewertungsmatrix. Vier Spalten, eine Zeile pro Quelle, Ampelfarben. Am Ende sehen die Lernenden auf einen Blick, wie belastbar der Deep-Research-Bericht wirklich ist. Oft ist das Ergebnis ernüchternd und genau das ist der Lerneffekt.
Format 3: Die Gegen-Recherche
Hier drehe ich den Spiess um. Die Lehrperson erstellt vorab einen Deep-Research-Bericht zu einem kontroversen Thema, etwa «Soll die Schweiz Atomkraftwerke wieder in Betrieb nehmen?» Die Lernenden erhalten diesen Bericht als Ausgangslage.
Ihre Aufgabe: Gegenargumente finden. Fehlende Perspektiven identifizieren. Quellen aufspüren, die der Bericht ignoriert hat. Die Leitfrage lautet: Was hat die KI nicht gesehen?
Dieses Format trainiert das, was man als «adversariales Denken» bezeichnen kann, die Fähigkeit, bewusst die Gegenposition einzunehmen. Es ist anspruchsvoll, aber auch für jüngere Lernende umsetzbar, wenn die Fragestellung angepasst wird.
Mögliche vs. wahrscheinliche Entwicklung
Wie immer unterscheide ich zwischen dem, was möglich ist, und dem, was wahrscheinlich eintreten wird.
Möglich wäre, dass Deep Research in wenigen Jahren so zuverlässig wird, dass ein Quellen-Audit überflüssig erscheint. Dass die KI selbst Bias erkennt, Qualität filtert und nur noch geprüfte Informationen liefert.
Wahrscheinlicher ist, dass die Tools besser werden, aber nicht fehlerfrei. Dass sie weiterhin blinde Flecken haben, Quellen ungleich gewichten und Kontexte vereinfachen. Gerade deshalb bleiben die drei Aufgabenformate relevant. Sie trainieren Kompetenzen, die auch dann gebraucht werden, wenn die Werkzeuge sich verändern.
Praktische Tipps: So gelingt die Doppellektion
Wie sieht das konkret aus? Hier mein Vorschlag für 90 Minuten.
Minute 0–15: Einführung. Was ist Deep Research? Kurze Demo am Beamer. Eine Frage live eingeben und den Output gemeinsam anschauen.
Minute 15–25: Aufgabenstellung erklären. Eines der drei Formate wählen (ich empfehle für den Einstieg das Quellen-Audit, es ist am klarsten strukturiert). Gruppen bilden, je drei bis vier Lernende.
Minute 25–55: Arbeitsphase. Lernende arbeiten mit dem Deep-Research-Output. Sie prüfen, bewerten, recherchieren gegen. Die Lehrperson begleitet und stellt Rückfragen: «Warum ist diese Quelle problematisch?» «Was fehlt in diesem Bericht?»
Minute 55–75: Präsentation. Jede Gruppe stellt ihre wichtigsten Erkenntnisse vor. Wo hat die KI gut gearbeitet? Wo nicht? Was war überraschend?
Minute 75–90: Reflexion. Was haben wir über KI-Recherche gelernt? Was über unser eigenes Rechercheverhalten? Wo war kognitives Offloading hilfreich, wo gefährlich?
Fazit
Deep Research ist kein Ersatz für das Denken. Es ist ein Sparringpartner. Wer es als Lernaufgabe einsetzt, verschiebt den Fokus: weg vom blossen Finden von Informationen, hin zum Bewerten, Einordnen und Hinterfragen. Das ist keine Spielerei. Das ist Medienkompetenz in der Praxis.
Download der Materialien:
