Der Web-Search-Leitfaden von OpenAI (abgerufen am 19. November 2026) zieht eine ähnliche Linie. Für eine schnelle Abfrage genügt eine Suche. Für eine Frage, die mehrere Quellen braucht, soll man ein Reasoning-Modell wie gpt-6.2-astra nutzen, das „seine Suchen beim Lesen der Ergebnisse verfeinern kann“. Für lange Recherchen soll man den Background-Modus für eine Anfrage nutzen, die mehrere Minuten dauern kann. Googles AI-Mode-Ankündigung (20. Mai 2025) nennt seine Version Query Fan-out: Die Frage wird in Teilthemen zerlegt, und viele Anfragen laufen gleichzeitig.
Wie unterscheidet sich Agentic Search von normaler AI-Suche?
Drei Dinge ändern sich. Der Agent, nicht der Nutzer, schreibt die Anfragen, oft mehrere parallel, und Query Rewriting macht aus einer vagen Frage suchbare Formulierungen. Der Agent beurteilt Ergebnisse, bevor er antwortet, und kann eine ganze Seite öffnen, statt einem Snippet zu trauen. Und er entscheidet, wann er aufhört, sodass Kosten und Latenz je Frage variieren. Die Dokumentation zum Web-Search-Tool von Anthropic (abgerufen am 19. November 2026) setzt eine einfache Faktenfrage bei einer bis drei Suchen an und vergleichende Recherche bei zehn oder mehr, bepreist mit 10 US-Dollar pro 1.000 Suchen plus Tokens, mit einer Obergrenze max_uses pro Anfrage. Über einem privaten Index ist dieselbe Schleife Agentic RAG, oft mit einer Kombination aus semantischer Suche und Schlüsselwortabgleich.
Was haben wir bei Soba Labs beim Betrieb von Agentic Search gelernt?
Unsere Content-Recherche läuft auf Agentic Search: Mehrere Recherche-Agents durchsuchen parallel das Live-Web, und ein koordinierender Agent arbeitet nur mit dem, was sie zurückgeben. Wir behandeln ein Suchergebnis als Spur, nie als Tatsache. Drei Regeln ergaben sich aus dieser Arbeit:
- Suchen pro Agent begrenzen. Unsere geplanten Läufe teilen sich 200 Websuchen pro Session; ein Testlauf verbrauchte alle 200 für die Recherche und konnte seine abschließende Prüfung der Live-Ergebnisse nicht mehr ausführen. Jeder von vier parallelen Recherche-Agents bekommt nun 20 und gibt an der Grenze zurück, was er hat. Eine Seite zu öffnen ist keine Suche.
- Suche findet, Fetch liest. Ein sich ändernder Wert, etwa ein Preis oder ein Limit, wird auf der Live-Seite neben seinem Datum oder Versionslabel gelesen, nie aus einem Snippet. Ein E-Mail-Suchwerkzeug, das wir nutzen, lässt die neuesten Nachrichten eines Threads aus, und eine Prüfung unserer gesendeten Mails übersah eine Antwort, die vier Minuten nach dem Eingang gesendet wurde, weshalb wir jetzt den vollständigen Thread per ID öffnen.
- Suche und Aufzeichnung im Tool-Design getrennt halten. In krs-mcp, unserem Open-Source-Server für das polnische Unternehmensregister, löst ein Tool einen Namen in eine Registernummer auf und andere rufen den amtlichen Auszug ab, wobei jedes Ergebnis seine Quell-URL und den Abrufzeitpunkt trägt.
Die weiter gefasste Regel steht in was AI-Zusammenfassungen weglassen (auf Englisch).
Wann sollte ein Team Agentic Search einsetzen?
Es verdient die zusätzlichen Aufrufe bei Fragen, die mehrere Quellen umspannen, Gegenbelege brauchen oder bei denen eine selbstsicher übersehene Lücke teuer ist. Eine enge Frage mit einem starken Index braucht einen Retrieval-Durchgang, keine Agent-Schleife. Für lange Untersuchungen ergänzen Deep-Research-Agents eine ausdrückliche Quellenprüfung und Synthese, und eine Aufteilung nach Planner-Executor hält den Suchplan nachvollziehbar.