Deep Research KI-Tool Vergleich 🔍 ChatGPT vs. Gemini, Perplexity & NotebookLM 📚 Kostenlos

1. Einführung in Deep Research AI Tools Vergleich 🔍 [0]

1. OpenAI kündigte neue Funktion an [0]

   1. Der Deep Research Tool von OpenAI ist nun kostenlos verfügbar.
   2. Zuvor kostete dieser Dienst $200 pro Monat.
   3. Dies ist ein Wendepunkt für effektives Lernen und Forschen.

2. Bedeutung von Deep Research AI Tools [2]

   1. Sie sind eine der beliebtesten Anwendungen für künstliche Intelligenz.
   2. Sie sparen viel Zeit, Energie und Geld.
   3. Der Sprecher spart damit buchstäblich Hunderte von Stunden monatlich.

3. Vergleichsumfang des Videos [4]

   1. Es werden ChatGPT, Gemini, Perplexity und NotebookLM verglichen.
   2. Es werden Vor- und Nachteile der kostenlosen Versionen geteilt.
   3. Ziel ist die Konstruktion eines perfekten Lern- und Forschungssystems.
   4. Die Testdauer der Tools zur Ergebnisgenerierung wird ebenfalls untersucht.

4. Geplante Inhalte des Videos [10]

   1. Erklärung der Vorteile von Deep Research.
   2. Vergleich der drei beliebtesten Tools: ChatGPT, Gemini, Perplexity.
   3. Beispielhafte Nutzung mit demselben Test-Prompt und Analyse der Ergebnisse.
   4. Nutzung von NotebookLM zur Aggregation von Forschungsinformationen und Quellenentdeckung.
   5. Kurze Vorstellung weiterer Tools wie Zotero und Obsidian.
   6. Tipps zur effektiven gemeinsamen Nutzung der Tools zur Zeitersparnis.

5. Bitte um Unterstützung [13]

   1. Der Sprecher bittet um Likes und Abonnements.
   2. Dies unterstützt ihn beim Aufbau seiner YouTube-Karriere.

2. Vorteile und Nachteile von Deep Research Tools [15]

2.1. Vorteile der Deep Research Tools [15]

1. Erster Vorteil: Massive Zeitersparnis [16]

   1. Jede Deep Research kann 10 bis 20 Stunden Scrollen sparen.
   2. Informationen von Hunderten oder Tausenden Websites werden kondensiert.
   3. Die Darstellung erfolgt leicht verdaulich mit Quellenangaben.

2. Zweiter Vorteil: Bereitstellung von Quellen [19]

   1. Es werden Links und Zitate zu den Quellen bereitgestellt.
   2. Dies unterscheidet sich von generischen LLM-Antworten ohne Referenz.
   3. Nutzer können die Glaubwürdigkeit der Ressourcen überprüfen.

3. Dritter Vorteil: Multi-Step Reasoning [22]

   1. Die Modelle nutzen Multi-Step Reasoning oder Chain of Thought.
   2. Dies verbessert die Qualität des Forschungsergebnisses signifikant.
   3. Informationen werden in Schritten analysiert, kondensiert und synergisiert.

2.2. Nachteile und Einschränkungen [24]

1. Erste Einschränkung: Vorsicht bei Daten-Uploads [24]

   1. Man muss vorsichtig mit hochgeladenen Informationen sein.
   2. Vertrauliche Kunden- oder Geschäftsinformationen sind zu schützen.
   3. Der Sprecher nutzt für eigene Quellen eher NotebookLM.

2. Zweite Einschränkung: Begrenzte Suchanfragen [28]

   1. ChatGPT erlaubt nur wenige Suchen pro Monat.
   2. Strategien zur Umgehung dieser Einschränkungen werden später erklärt.

3. ChatGPT Deep Research: Einschränkungen und Strategie [29]

1. Verfügbarkeit und Limitierung bei ChatGPT [29]

   1. Der Sprecher hat Zugriff auf Deep Research bei ChatGPT.
   2. Es sind nur fünf verfügbare Suchen bis zum 26. Mai sichtbar.

2. Details der OpenAI FAQ zu Limits [31]

   1. Kostenlose Stufe: Nur fünf Aufgaben pro Monat (Lightweight-Version).
   2. Plus/Team-Stufe: 10 Aufgaben plus 15 Lightweight-Aufgaben pro Monat.
   3. Pro-Stufe: 125 Aufgaben plus 125 Lightweight-Aufgaben pro Monat.

3. Kosten und Strategieanpassung [32]

   1. Der Zugang kostete vorher $200.
   2. Wegen der begrenzten Suchen muss strategisch gefragt werden.
   3. Man sollte nicht sofort eine Basisfrage mit Deep Research stellen.
   4. Diese Technik wird auch für Gemini Deep Research und Perplexity genutzt.

4. Erste Suchanfrage zur Tool-Einschätzung [37]

   1. Erster Tipp: Frage stellen, bevor Deep Research aktiviert wird.
   2. Ziel ist es, mehr über Deep Research AI Tools allgemein zu lernen.
   3. Der Sprecher möchte wissen, wann welches Tool genutzt werden sollte.
   4. Er sucht aktuelle Informationen, da er Gemini und Perplexity bereits nutzt.

4. ChatGPT Basis-Websuche und Bias-Analyse [41]

1. Suchoptionen bei ChatGPT [41]

   1. Man kann Search umschalten oder "search the web" schreiben.

2. Grund für die erste Suchanfrage [42]

   1. Interesse am Bias (Voreingenommenheit) zwischen den verschiedenen Tools.
   2. Alles wird durch ein spezifisches LLM und Unternehmensinteresse gefiltert.
   3. Es ist wichtig, diesen Bias zu erkennen und zu neutralisieren.

3. Ergebnisse der Basis-Websuche (ohne Deep Research) [44]

   1. Das erste gelistete Tool sind OpenAIs ChatGPT selbst.
   2. Dies wird als Beispiel für die offensichtliche Selbstplatzierung genannt.

4. Preisinformationen in der Basis-Suche [47]

   1. Es werden nur Preise für Plus (10 Queries) und Pro (200 Queries) genannt.
   2. Die kostenlose Stufe wird nicht gelistet, obwohl der Sprecher sie nutzt.
   3. Die Basis-Suche verpasste die Option für die kostenlose Stufe.

5. Weitere gelistete Tools [50]

   1. Semantic Scholar: Klingt eher nach einer akademischen Suchmaschine.
   2. Research Rabbit: Ein oft genutztes Tool, das mit Zotero verbunden werden kann.
   3. Research Rabbit ist kein Deep Research Tool, sondern verbindet Forschungsarbeiten.

5. Gemini Deep Research und Strategie [63]

1. Vergleich mit Gemini und Perplexity [56]

   1. Perplexity wird als Lieblings-Deep-Research-Tool genannt.
   2. Gemini wird in der Basis-Suche nicht vorgeschlagen, ist aber verfügbar.
   3. Die Basis-Suche zeigte ältere Artikel (50 und 206 Tage alt).
   4. Der Sprecher kopiert die Frage in Gemini und aktiviert Deep Research.

2. Gemini reagiert mit klärenden Fragen [67]

   1. Gemini bringt sofort klärende Fragen, was die Suche nicht beeinflusst.
   2. Der Sprecher beantwortet die Fragen detailliert:
   3. Fokus auf alle Tool-Typen (akademisch, Business, wissenschaftlich, Web).
   4. Wunsch nach Vergleichstabellen und Effektivitätsbewertung pro Bereich.
   5. Nur öffentlich verfügbare Tools erwünscht.
   6. Wichtig: Informationen zu Datenschutzrichtlinien wegen vertraulicher Arbeit.
   7. Gemini bestätigt die Klärung und beginnt mit der Forschung.

3. Zeitliche Beobachtung und Strategie [79]

   1. Die aktuelle Zeit ist 11:00 Uhr morgens.
   2. Die Recherche kann bis zu 30 Minuten dauern.
   3. Gemini zeigt die Aktivität an der Seite an.
   4. Es ist eine gute Strategie, mehrere Tools gleichzeitig laufen zu lassen.
   5. Während ein Tool arbeitet, kann man ein anderes Problem mit einem anderen Tool bearbeiten.

4. Gemini Technologie und Agenten [89]

   1. Gemini nutzt das 2.0 Flash Thinking Modell (noch nicht 2.5).
   2. Es ist gut für Planung, Suche, Reasoning und Reporting.
   3. Gemini verwendet ein agentisches AI Agent System zur Problemlösung.
   4. Es scheinen mindestens drei KI-Agenten zusammenzuarbeiten.

5. Wechsel zu Gemini und Prompt-Anpassung [97]

   1. Gemini bietet Umschalten zwischen verschiedenen Modellen (Flash, Pro experimental, Deep Research).
   2. Google AI Studio 2.5 Pro ist gut für Coding, aber ohne Deep Research.
   3. Der Sprecher nutzt denselben Prompt wie für ChatGPT.
   4. Gemini zeigt zuerst einen Forschungsplan an.
   5. Der Plan wird editiert, um die für ChatGPT definierten Limitationen einzubeziehen.
   6. Gemini fragt nach der Wirksamkeit des Plans, was eine gute Gelegenheit zur Optimierung bietet.
   7. Es ist wichtig, den Plan detailliert zu gestalten, da Gemini ca. 10 Suchen/Monat hat.

6. Perplexity Deep Research und Parallele Ausführung [111]

1. Parallele Ausführung der Tools [111]

   1. ChatGPT ist noch bei ca. 75% des Prozesses.
   2. Gemini und ChatGPT laufen gleichzeitig, um Limits zu stapeln.
   3. Gemini zeigt Schritte wie Strategie, Recherche und Kategorien.

2. Geschwindigkeitsvergleich (Zwischenstand) [116]

   1. Gemini scheint schneller als ChatGPT zu sein.
   2. Gemini hat 80, dann 120 Websites evaluiert.
   3. Die Recherche von 120 Websites würde manuell Stunden dauern.
   4. Man kann mehrere KI-Tools im Hintergrund arbeiten lassen.

3. Wechsel zu Perplexity [124]

   1. Perplexity.ai fasst Informationen schnell zusammen und synthetisiert sie.
   2. Antworten von Perplexity sind vertrauenswürdig, da es immer Zitate liefert.
   3. Perplexity wird genutzt, um initiale Quellen für ChatGPT/Gemini zu finden.
   4. Limitierung: Nur drei Pro-Suchen pro Tag (Deep Research zählt als Pro).
   5. Es ist auch mobil verfügbar und synchronisiert gut.
   6. Man kann zwischen Research und Search umschalten.
   7. Deep Research verbraucht eine Pro-Suche, kann aber automatisch aktiviert werden.

4. Perplexity Prompt und Erwartungen [135]

   1. Der Sprecher fügt die für ChatGPT erarbeiteten Limitationen hinzu.
   2. Er weiß aus Erfahrung, dass Perplexity keine klärenden Fragen stellt.
   3. Alle drei Tools laufen nun gleichzeitig für dieselbe Aufgabe.

5. Perplexity Laufzeit und Limits [139]

   1. Deep Research bei Perplexity kann bis zu 30 Minuten dauern.
   2. Die Dauer hängt von der Komplexität der Frage ab.
   3. Perplexity bietet eine Benachrichtigungsfunktion, wenn die Recherche fertig ist.
   4. Pro Search (generische Synthese) hat weniger Details als Deep Research.
   5. Gemini benötigt laut Sprecher etwa 10 Minuten und ist noch am Suchen.

7. Abschluss der Recherchen und Ergebnisvergleich [147]

1. Zwischenstand der Laufzeiten [147]

   1. Gemini sucht seit 10 Minuten und bringt Zotero-Erwähnungen.
   2. ChatGPT läuft seit 15-16 Minuten und liest Artikel.

2. Abschluss der Tools und Laufzeiten [151]

   1. Perplexity ist fertig: Dauerte etwa 1,5 Minuten.
   2. Gemini beendet nach ca. 13 Minuten.
   3. ChatGPT beendet nach ca. 15 Minuten (laut eigener Anzeige).
   4. Der Sprecher vermutet, dass ChatGPT eingefroren war und nach Refresh fertig war (tatsächliche Zeit ca. 40 Minuten).
   5. Es gibt drei Effort-Level: 3 Minuten (Perplexity), 10 Minuten (Gemini), 30 Minuten (ChatGPT).

3. Export- und Zusatzfunktionen [165]

   1. Gemini: Ergebnis kann nach Google Docs exportiert werden.
   2. ChatGPT: Ergebnis kann als teilbarer Link exportiert werden.
   3. Gemini: Bietet eine Audio Overview Funktion (Podcast-ähnlich).
   4. Diese Audio-Funktion erlaubt es, den Bericht beim Lunch oder Spaziergang anzuhören.

4. Analyse der Vergleichstabellen [176]

   1. Gemini liefert einen sehr detaillierten und komplizierten Überblick.
   2. Beide (Gemini und ChatGPT) lieferten eine Vergleichstabelle.
   3. Interessanterweise schlug keines der Tools ChatGPT Deep Research vor.
   4. ChatGPT selbst schlug GPT4 vor, nicht die Deep Research Funktion.
   5. Alle Tools listeten Perplexity.
   6. Andere genannte Tools: AlphaSense, SciSpace, Scholarcy, Site.AI, Consensus.
   7. Alle Tools zeigten Limits (Preis, Datenschutz, Dokumentenhandhabung).

5. Bewertung der Ergebnisse [206]

   1. Perplexity: Unglaubliche Geschwindigkeit (wenige Minuten) mit ähnlichem Überblick.
   2. Gemini: Export zu Docs und Audio Overview sind große Vorteile.
   3. Tiefe: Gemini und ChatGPT Deep Research scheinen ähnliche Gründlichkeit zu haben.
   4. Perplexity ist eher High-Level, gut für initiale Übersichten.
   5. Perplexity war hilfreich beim Vergleich von Obsidian Plugins für lokale LLMs.
   6. Strategie: Perplexity-Output als Kontext für Gemini/ChatGPT Deep Research nutzen.

8. NotebookLM zur Aggregation und Quellenmanagement [216]

1. NotebookLM Discover Sources Feature [217]

   1. NotebookLM wird zur Aggregation der vielen Informationen genutzt.
   2. Es besitzt eine Discover Sources Funktion, die das gleiche Prompt nutzt.
   3. Dies ist Deep Research, da es das Web durchsucht und Informationen sammelt.
   4. Wichtiger Unterschied: NotebookLM hat kein Multi-Step Reasoning wie die anderen Tools.
   5. Es ist gut für kuratierte Quellenerkennung und Zitation.

2. Importieren und Verwalten von Quellen [225]

   1. Gefundene Quellen können importiert werden (Paywall-Papiere ausgeschlossen).
   2. Paywall-Papiere können als PDF heruntergeladen werden.
   3. Gefundene akademische Papiere können direkt zu Zotero hinzugefügt werden.
   4. Dies ermöglicht das Speichern im PDF-Referenzmanager.
   5. Zotero-Highlights können dann in Obsidian importiert werden.
   6. Dies zeigt einen akademischen Workflow: Deep Research -> Zotero -> Obsidian.

3. Integration der Deep Research Berichte in NotebookLM [237]

   1. Der Gemini-Bericht kann als Google Doc direkt in NotebookLM eingefügt werden.
   2. Der ChatGPT-Output kann kopiert und als Quelle konvertiert werden.
   3. Der Perplexity-Output kann kopiert und ebenfalls als Quelle konvertiert werden.
   4. Alle drei Berichte (von ChatGPT, Gemini, Perplexity) sind nun Quellen in NotebookLM.
   5. Man kann diese drei Quellen auswählen, um spezifische Analysen zu generieren.

4. Vorteil von NotebookLM beim Datenschutz [249]

   1. Hochgeladene Quellen in NotebookLM werden nicht zum Training des KI-Modells verwendet.
   2. Dies ist ein Vorteil gegenüber ChatGPT, Gemini und Perplexity, die Daten nutzen können.
   3. NotebookLM ist besser für privatere oder vertraulichere Forschung geeignet.

5. Analyse der aggregierten Quellen in NotebookLM [252]

   1. NotebookLM generiert eine kürzere Analyse, die die drei Quellen vergleicht.
   2. Man kann eine Tabelle generieren, die die Tools und Analysen vergleicht.
   3. Die Mindmap zeigt alle Deep Research Tools und führende Optionen für verschiedene Anwendungen.
   4. Dies hilft, die Berichte zu zerlegen und die Komponenten zu verstehen.

9. Praktisches Anwendungsbeispiel: Flow States und Intuition [258]

1. Neues Forschungsthema [258]

   1. Der Sprecher arbeitet an einem Video über Flow States und Intuition.
   2. Dies schließt die Feynman Technique und Lernmeisterung ein.
   3. Er hat bereits fünf Stunden selbst recherchiert.
   4. Er möchte nun ChatGPT und Gemini Deep Research zur Ergänzung nutzen.
   5. Ziel ist die Vertiefung komplexer Konzepte wie Neurowissenschaften.

2. Prompt für ChatGPT Deep Research [263]

   1. Prompt: "Wie passen Flow States, Intuition und Neurowissenschaften zusammen?"
   2. Zusätzliche Elemente: Inferential Intuition, Default Mode Network, Mindfulness.
   3. ChatGPT fragt nach Kontext: Berichtformat oder narrativer Essay?
   4. Antwort: Beides gewünscht – praktisches und wissenschaftliches Verständnis.
   5. Gewünscht sind mentale Modelle und aktuelle neurowissenschaftliche Befunde im Berichtformat.

3. Parallele Ausführung und Zeitmanagement [269]

   1. Diese Recherche dauert voraussichtlich 30 Minuten.
   2. Der Sprecher kann diese Zeit für andere Aufgaben nutzen.
   3. Er kann denselben Test auch mit Gemini und Perplexity wiederholen.
   4. Limit-Zusammenfassung: ChatGPT (5/Monat), Gemini (ca. 10/Monat), Perplexity (3/Tag).
   5. NotebookLM aggregiert die Ergebnisse zu einer Wissensbasis.

10. Wichtigste Anwendungsfälle und Strategie-Tipps [274]

10.1. Fünf Hauptanwendungsfälle für Deep Research [274]

1. Erster Anwendungsfall: Vergleich [275]

   1. Vergleich verschiedener Tools, Historien, Preise und Effektivität.
   2. Vergleich von Produkten oder Eventplanung basierend auf Optionen.
   3. Dies ist ein Kernfeature: Daten aus vielen Quellen vergleichen.

2. Zweiter Anwendungsfall: Aktuelle Forschung/Nachrichten [281]

   1. Nutzung für aktuelle Ereignisse, da das Internet in Echtzeit durchsucht wird.
   2. Dies ist effektiver als LLMs mit festen Wissensstichtagen (z.B. Jan 2025).

3. Dritter Anwendungsfall: Geld sparen vor Expertenkontakt [284]

   1. Vor dem Gespräch mit Anwalt, Steuerberater etc. eigene Recherche betreiben.
   2. Das Verständnis verbessern, um Zeit und Geld zu sparen.
   3. Das eigene Wissen vorab steigern.

4. Vierter Anwendungsfall: Wettbewerbsanalyse [288]

   1. Beispiel: Ein IP-Anwalt analysiert neue Rechtsfälle für Artikel.
   2. Synthese des Falls und Analyse der Konkurrenzbeiträge.
   3. Dies beschleunigt die Erstellung von Briefing-Dokumenten.
   4. Steigert den Output und baut die persönliche Marke aus.

5. Fünfter Anwendungsfall: Crashkurs [294]

   1. Nutzung als schneller Deep Dive in ein neues, kompliziertes Thema.
   2. Synthese von Ressourcen aus dem Internet zur schnellen Wissenssteigerung.

10.2. Strategien und Tipps zur Effektivitätssteigerung [298]

1. Erster Tipp: Basisrecherche zuerst [299]

   1. Führen Sie die Basisrecherche ohne die begrenzten Pro-Queries durch.
   2. Aktivieren Sie Deep Research erst für eine hochentwickelte Frage.
   3. Dies hilft, die begrenzten Suchen (z.B. 5 bei kostenlosem ChatGPT) zu schonen.

2. Zweiter Tipp: LLM um Optimierung bitten [303]

   1. Fragen Sie das LLM, wie es die Deep Research Tool fragen würde.
   2. Dies hilft, Probleme im Voraus zu lösen und Suchen zu optimieren.

3. Dritter Tipp: Suchen zeitlich staffeln [305]

   1. Nutzen Sie Perplexity täglich (3 Deep Searches).
   2. Synthetisieren Sie das Wissen am Ende der Woche.
   3. Formulieren Sie daraus eine komplexe Frage für ChatGPT (nur 5/Monat).
   4. Tools mit mehr Flexibilität (Gemini, NotebookLM, Perplexity) nutzen, um ChatGPT zu schonen.
   5. Das gewonnene Wissen steigert die Effektivität der ChatGPT-Outputs.

4. Zusammenfassende Bewertung der Tools [308]

   1. Jedes Tool hat eigene Stärken und Schwächen.
   2. Perplexity (3 Suchen/Tag) kann effektiver sein als ChatGPT (5/Monat).
   3. Gemini kann nach Google Docs exportieren, was die Integration mit NotebookLM erleichtert.
   4. Nahtlose Forschungsprozesse sind wichtig, um im Flow State zu bleiben.

11. Abschluss und Weiterführende Ressourcen [313]

1. Weitere Systemintegrationen [313]

   1. Der Sprecher thematisiert NotebookLM, Google AI Studio und Obsidian.
   2. Er erklärt, wie KI das Wissensmanagement ergänzen kann.
   3. Empfehlung der AI Learning Playlist für Integrationsthemen.

2. Dank und Aufruf [317]

   1. Bitte um Likes und Abonnements zur Unterstützung der Videoerstellung.
   2. Dank an zahlende Mitglieder für die Ermöglichung der Arbeit.

3. Empfehlungen für spezifische Playlists [320]

   1. Obsidian/PKM Playlist: Organisation von Referenzen aus verschiedenen Quellen (z.B. Zotero).
   2. Video zu NotebookLM Discover Sources: Detaillierte Anwendungsfälle des Features.