Deep Research mit ChatGPT

𝐖𝐢𝐞 𝐥ä𝐬𝐬𝐭 𝐬𝐢𝐜𝐡 𝐠𝐞𝐧𝐞𝐫𝐚𝐭𝐢𝐯𝐞 𝐊𝐈 𝐟ü𝐫 𝐟𝐮𝐧𝐝𝐢𝐞𝐫𝐭𝐞 𝐑𝐞𝐜𝐡𝐞𝐫𝐜𝐡𝐞𝐧 𝐞𝐢𝐧𝐬𝐞𝐭𝐳𝐞𝐧?
Heute teile ich meine Erfahrungen aus Deep Research Projekten für unterschiedliche Bereiche von Finanzdienstleistung über Marketing bis Journalismus. Ich habe daraus einen kompletten Leitfaden erstellt, den ihr euch unten herunterladen könnt.

Mein Leitfaden basiert auf einer zweistufigen Herangehensweise, die sich in der Praxis bewährt hat, um strukturierte, tiefgehende und belastbare Ergebnisse zu erzielen:


1. Meta-Prompt als methodischer Rahmen

Statt direkt ins Thema einzusteigen, wird zunächst ein strukturierter Prompt für die nachfolgende Recherche generiert mithilfe eines Meta-Prompts.

Dieser umfasst:
– Zielsetzung & Stakeholder
– Fragestellung(en)
– relevante Datenquellen
– Datentypen (qualitativ / quantitativ)
– Analyseperspektiven
– Validierungsschritte
– Ausgabeformate

𝐃𝐞𝐫 𝐕𝐨𝐫𝐭𝐞𝐢𝐥: Der Meta-Prompt verhindert vorschnelle Vereinfachungen, reduziert Bias, schafft Klarheit über die Zielrichtung und sorgt so für eine systematische Tiefenbohrung, statt bloßer Themenabarbeitung.

2. Contrarian Prompte zur Validierung

Das Ergebnis wird nicht einfach übernommen, sondern gezielt hinterfragt.

Dazu kommen Contrarian Prompts zum Einsatz: eine wirkungsvolle Technik, um blinde Flecken und implizite Annahmen im Ergebnis kritisch sichtbar zu machen:

– Was wäre ein gutes Argument gegen diese These?
– Warum könnte die gängige Sichtweise irreführend sein?
– Wie sähe das Gegenteil aus und wo hätte es vielleicht sogar Berechtigung?

Diese Gegenfragen helfen, die Konsistenz und Tiefe der Rechercheergebnisse zu prüfen, gerade in komplexen oder normativ aufgeladenen Themenfeldern.

📥 𝐃𝐮 𝐰𝐢𝐥𝐥𝐬𝐭 𝐝𝐞𝐧 𝐯𝐨𝐥𝐥𝐬𝐭ä𝐧𝐝𝐢𝐠𝐞𝐧 𝐋𝐞𝐢𝐭𝐟𝐚𝐝𝐞𝐧?
Schreibe mir eine Nachricht