Agentic Search: Was ist das und wie unterscheidet es sich?

Agentische AIRetrieval und DatenVeröffentlicht Aktualisiert Von Simon Budziak

Agentic Search ist eine Retrieval-Schleife, in der ein AI-Agent seine eigenen Suchen plant, prüft und wiederholt. Normale AI-Suche schickt eine Anfrage und fasst die Top-Ergebnisse zusammen. Agentic Search liest, was zurückkam, benennt, was fehlt, und sucht erneut oder öffnet eine Quelle, bis die Belege die Frage abdecken oder ein Budget erschöpft ist.

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:

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.

Mit AI-Unterstützung geschrieben und von Simon Budziak geprüft. Die Hinweise aus der Praxis stammen aus Systemen, die Soba Labs baut und betreibt.

Häufig gestellte Fragen

Ist Agentic Search dasselbe wie Websuche?

Nein. Websuche kann ein Tool sein, das ein Agent nutzt. Agentic Search beschreibt die Entscheidungsschleife, die vor der Antwort mehrere Retrieval-Schritte wählt und bewertet.

Wie testet man Agentic Search, und liefert es immer bessere Antworten?

Nicht immer: Es kann Zeit verschwenden oder schwache Belege sammeln, wenn schon eine einfache Anfrage funktioniert. Testen Sie es an echten Fragen mit bekannten Antworten und prüfen Sie die Quellenqualität, ob es innerhalb seines Suchbudgets stoppt und wie viele Suchen jede Antwort brauchte.

Ist Agentic Retrieval dasselbe wie Agentic Search?

Beide benennen dieselbe Schleife. Agentic Retrieval meint meist einen privaten Index oder eine Wissensbasis, wo es auch Agentic RAG heißt, während agentische Websuche die Schleife über das Live-Web laufen lässt.

Diese Seite zusammenfassen mit

So läuft es in einem System, das wir gebaut haben