Das Deep Research OS — Vom Literaturreview zur verteidigungsreifen Präsentation in einer integrierten Pipeline

Systematic Reviews sind der Goldstandard der Evidenzsynthese — die Grundlage klinischer Leitlinien, politischer Entscheidungen und Meta-Analysen. Doch sie dauern 6 bis 18 Monate, erfordern das Lesen von 500+ Abstracts und haben hohe Fehlerraten durch manuelle Screening-Ermüdung. Ein einzelnes übersehenes Paper kann einen gesamten Review ungültig machen.

Das Deep Research OS ordnet jede KI ihrer optimalen Phase zu. NotebookLM nimmt deine Volltext-PDFs auf und produziert quellengebundene Zusammenfassungen mit Inline-Zitaten. Claude generiert Boolesche Suchstrings und identifiziert methodische Lücken in deinem Korpus mit seinem 200K-Token-Kontext. ChatGPT verarbeitet Hunderte von Abstracts gegen Einschluss-/Ausschlusskriterien im Stapel. Gemini extrahiert Daten aus PDF-Tabellen und Abbildungen per multimodaler Analyse.

Ein 300-seitiges Werk von Foucault oder Heidegger ist nicht 300 Seiten lineare Argumentation. Es ist ein Labyrinth verschachtelter Behauptungen — Prämissen vergraben in Exkursen, Schlussfolgerungen, die von Annahmen abhängen, die 80 Seiten earlier eingeführt wurden, und kritische Begriffe, die zwischen Kapiteln ihre Bedeutung wechseln.

KI mit großem Kontextfenster ändert das Spiel. Lade das gesamte Buch in ein 200K–1M Token-Kontextfenster hoch, und die KI hält die gesamte Argumentationsstruktur gleichzeitig im Arbeitsgedächtnis. Sie liest nicht sequenziell — sie verfolgt logische Abhängigkeiten über Hunderte von Seiten in Sekunden.

Die meisten Forscher suchen, was ihre Literatur sagt. Der Durchbruch liegt im Suchen nach dem, was sie nicht sagt. Die Negativraumanalyse nutzt Claudes Reasoning, um die Grenzen vorhandenen Wissens zu identifizieren — die Fragen, die niemand gestellt hat, die Populationen, die niemand untersucht hat, die Variablen, die niemand getestet hat.

Große Sprachmodelle generieren Zitate durch Musterabgleich, nicht durch Nachschlagen in echten Datenbanken. Sie produzieren plausible Kombinationen — ein realer Autorenname + eine reale Zeitschrift + ein plausibles Jahr — aber das spezifische Paper hat möglicherweise nie existiert.

Das Dreischicht-Protokoll eliminiert dieses Risiko. Schicht 1: NotebookLM für Quellen-Grounding. Schicht 2: Gemini für DOI-Verifizierung gegen Google Scholar. Schicht 3: Claude für Behauptungs-Quellen-Abgleich.

Forschung ist divergent — du willst breit erkunden und Fäden folgen. Präsentation ist konvergent — du brauchst eine einzige Erzählung. Die meisten versuchen beides gleichzeitig, und beides leidet darunter.

Claude Deep Research löst die erste Hälfte — es führt mehrstufige autonome Forschung durch. NotebookLM löst die zweite Hälfte — lade den Bericht als Quelle hoch und NotebookLM strukturiert ihn in eine Präsentation mit Erzählbogen, Sprechernotizen und visueller Ausrichtung. Überarbeite mit Pencil UI. Exportiere als PPTX.