Research-Agent-Pattern: suchen, verifizieren, zitieren

Pattern-Kern

Research Agent ist ein Pattern, bei dem der Agent gesteuerte Recherche uber eine begrenzte Pipeline ausfuhrt: search, dedupe, policy-check, read, extract notes mit provenance, und synthesize einer Antwort nur aus verifizierten Materialien.

Wann einsetzen: wenn Fakten aus mehreren Quellen gesammelt und verifiziert werden mussen, statt ohne Evidenz zu antworten.

Das ist nicht "einfach browse".

Eine Research-Pipeline enthalt typischerweise:

• Search + dedupe URL: Duplikate schon vor dem Lesen entfernen
• Read im Budget: Seiten innerhalb von Zeit- und Quellenlimits lesen
• Extract facts: strukturierte Notizen erfassen
• Verify claim/citation: zentrale Aussagen grundlegend prufen
• Synthesize mit Quellen: finale Antwort mit Zitaten schreiben

Problem

Stell dir vor, du fragst:

"Finde die Regeln im neuen Gesetz und erklare sie kurz."

Der Agent hat "gegoogelt" und ein Fazit geliefert, aber ohne klaren Quellenpfad.

Dann entstehen typische Risiken:

• oberflachliches Lesen (viel geoffnet, wenig wirklich gelesen)
• Duplikate derselben Materialien
• Vermischung von Fakten und Autoren-Interpretation
• schwache oder falsche Zitate
• keine Reproduzierbarkeit des Ergebnisses

Open-Web-Recherche ohne Prozess wird schnell chaotisch: viele Schritte, wenig Belegbarkeit.

Das ist das Kernproblem: ohne gesteuerte Pipeline ist schwer nachweisbar, dass ein Fazit auf realen und verifizierten Quellen basiert.

Losung

Research Agent arbeitet uber eine begrenzte Pipeline, nicht uber "such noch ein bisschen".

Analogie: wie journalistische Recherche mit Checkliste. Zuerst sammelst du Quellen und Notizen mit Links, dann schreibst du Schlussfolgerungen. Ohne das vermischt man leicht Fakten mit Annahmen.

Kernprinzip: writer bekommt Recht auf Synthesis erst nach extrahierten Notizen mit Herkunft.

Gesteuerter Prozess:

1. Suche (Search): begrenzte Anzahl von Quellen finden
2. Deduplizierung (Dedupe): URLs normalisieren und Duplikate entfernen
3. Policy-Prufung (Policy Check): Quellen durch policy-gate lassen
4. Lesen (Read): nur erlaubte Seiten lesen
5. Extraktion (Extract): Notizen mit Herkunft bilden (url + quote)
6. Verifikation (Verify): zentrale Aussagen prufen
7. Synthese (Synthesize): Antwort nur aus Notizen schreiben

So kannst du an die Antwort anhangen:

• welche Seiten gelesen wurden
• welche Zitate extrahiert wurden
• welche Aussagen gepruft wurden
• warum die Pipeline beendet wurde (stop reason)

Funktioniert gut, wenn:

• Suchschritt (Search) klare Grenzen hat (max_urls, max_seconds)
• Leseschritt (Read) durch policy-check geht
• Extraktionsschritt (Extract) volle Herkunft enthalt
• Ausfuhrung Synthesis ohne notes verbietet

Sonst kann der Agent:

• Quellen zitieren, die er nie gelesen hat
• ungeprufte Fakten vermischen
• Zitate fur Plausibilitat erfinden

Darum brauchst du budget caps, dedupe + cache, abgesicherte Ausfuhrung und Stop-Rules gegen endlose search-loop.

Wie Es Funktioniert

Kritisches Prinzip: writer darf keine Quellen erfinden. Er arbeitet nur mit extracted notes.

Im Code Sieht Das So Aus

budget = {"max_urls": 10, "max_seconds": 90}
urls = search_once(goal, k=8)
urls = dedupe_and_normalize(urls)[: budget["max_urls"]]

notes = []
for url in urls:
    if budget_exceeded(budget):
        break

    if not policy_allow(url):
        continue  # stop/skip reason kann geloggt werden

    page = fetch_with_cache(url)
    note = extract_structured_note(goal, page, url=url)
    notes.append(note)

if not notes:
    return partial_or_escalate("no_reliable_sources")

verified = spot_check_claims(notes, sample_size=2)
answer = synthesize_from_notes(goal, notes, verified=verified)

return answer

Wichtig sind hier nicht "schone Prompts", sondern gesteuerte Ausfuhrung: budget, dedupe, cache, stop reasons.

So Sieht Es Zur Laufzeit Aus

Goal: Welche Einschrankungen hat der EU AI Act fur High-Risk-Systeme?

Search:
- 12 URLs gefunden
- nach Dedupe: 7 eindeutig

Read/Extract:
- 5 Seiten erfolgreich gelesen
- 2 wegen niedriger Relevanz abgelehnt

Verify:
- 2 zentrale Claims im Spot-check bestanden

Synthesize:
- kurze Zusammenfassung erstellt
- Zitate aus 3 Quellen hinzugefugt

Wann Es Passt - Und Wann Nicht

Passt

Passt Nicht

Weil Research-Modus fast immer teurer ist als lokale Generierung oder RAG.

Unterschied Zu RAG

RAG arbeitet auf vorbereiteter knowledge layer. Research Agent beschafft Wissen extern im runtime.

Wann Research Nutzen (vs Andere Patterns)

Verwende Research Agent, wenn Fakten aus mehreren Quellen gesammelt und als strukturierte Evidenz zusammengefuhrt werden mussen.

Kurzer Test:

• wenn du "Thema aus mehreren Quellen recherchieren und begrundetes Fazit geben" musst -> Research
• wenn du "bereits gelieferten Datensatz analysieren" musst -> Data Analysis Agent

Wie Mit Anderen Patterns Kombinieren

• Research + RAG: verifizierte externe Erkenntnisse werden fur nachfolgende Antworten in interne knowledge base gespeichert.
• Research + Guarded-Policy: Policies begrenzen erlaubte Tools, Domains und Datentypen.
• Research + Fallback-Recovery: bei instabiler Search/Fetch fuhrt Agent Retry aus oder wechselt auf Fallback-Quellen.

Kurz

Vorteile Und Nachteile

FAQ

Q: Kann man "bis zur Sicherheit" suchen?
A: Nein. Sicherheitsgefuhl ist keine Stop-Bedingung. Du brauchst klare Grenzen: max_urls, max_seconds und stagnation/convergence-Regeln.

Q: Warum ist URL-Dedupe wichtig?
A: Ohne Dedupe zahlt der Agent fur wiederholtes Lesen desselben Contents und verfalscht die effektive Quellenanzahl.

Q: Reicht es, am Ende einfach Zitate anzuhangen?
A: Nein. Zitate mussen aus extracted notes stammen und nicht "fur den Look" generiert werden.

Was Danach

Research Agent deckt open-world Suche und Zitierung ab.

Jetzt, wo du die Kern-Patterns kennst, kommt die nachste Frage: Wie kombiniert man sie in einem echten System? Wann nimmt man einen deterministischen Workflow und wann einen flexiblen Agenten? Und wie arbeiten sie zusammen?

Hybrid Workflow + Agent ->