- ChatGPT auf Basis von GPT-5 (auch bekannt als Research Goblin) zeigt bei der Websuche ein sehr hohes Maß an Genauigkeit und Nützlichkeit
- Von gewöhnlichen trivialen Fragen bis zu komplexen Informationsrecherchen zeigt es bei einem breiten Themenspektrum starke Such- und Schlussfolgerungsfähigkeiten
- In realen Beispielen liefert es durch umfangreiche Suchprozesse und verkettetes Schlussfolgern verlässliche Antworten und Quellen
- Auch in der mobilen Nutzung ist eine hervorragende Bedienbarkeit und ein kontinuierlicher Arbeitsfluss möglich
- Dank Tool Calling und integrierter Chain-of-Thought setzt es aus Entwicklersicht einen neuen Standard für LLM-basierte Suche
GPT-5-Denken (Research Goblin) und die Revolution der Suche
Das sich wandelnde Suchparadigma
- Früher war der Ratschlag verbreitet, „Chatbots nicht wie Suchmaschinen zu benutzen“, doch mit dem aktuellen ChatGPT auf Basis von GPT-5 wird diese Regel durchbrochen
- Das GPT-5-basierte Modell geht über die bloße Anbindung an Suchmaschinen wie Bing hinaus und erreicht faktisch ein Niveau, das Internetrecherche ersetzt oder übertrifft
- Den Spitznamen „Research Goblin“ erhielt es, weil es bei jeder Frage oder komplexen Aufgabe mit fast unnatürlicher Hartnäckigkeit recherchiert und eine optimale Antwort ableitet
Konkrete Suchbeispiele und Ergebnisse
Kuriose Fahrsteige (Travelators)
- Auf die Frage, wann die gummierte Fahrsteigfläche am Flughafen Heathrow durch Metall ersetzt wurde, schätzte es den Zeitpunkt auf 2014 bis 2018 und fand sogar einen passenden interessanten Artikel aus dem Jahr 2024
Gebäudeidentifikation
- Bei der Frage nach einem exotisch wirkenden Gebäude aus dem Zugfenster identifizierte es es in 1 Minute und 4 Sekunden korrekt als „The Blade (Reading)” und lieferte Quellenlinks mit
Recherche zu Starbucks-UK-Cake-Pops
- Es untersuchte eingehend, warum es in britischen Starbucks-Filialen keine Cake Pops gibt, und fand heraus, dass sie 2023 eingeführt wurden, aber in bestimmten Filialen – besonders an Reisezielen – nicht angeboten werden
- Dazu bündelte es Belege wie PDFs zu Nährwerten und Allergenen sowie Reddit-Diskussionen
Die Beziehung zwischen Wikipedia und Britannica
- Es analysierte eingehend die Online-Behauptung und ihren Kontext, dass Wikipedia anfangs teilweise Quellen aus der Britannica-Ausgabe von 1911 verwendet habe, und verfolgte dazu relevante Projektdokumente und Erklärungen
Offizieller Name der University of Cambridge
- Es nannte die offizielle juristische Bezeichnung der University of Cambridge (The Chancellor, Masters, and Scholars of the University of Cambridge) zusammen mit Belegen
- Den Schlussfolgerungsprozess legte es transparent offen, sodass sich auch die Verlässlichkeit der Antwort prüfen ließ
Geschichte der Höhlen und Restaurants am Exeter Quay
- Zur innenliegenden Struktur eines in die Klippe gebauten Restaurants und seiner Geschichte im Bereich Exeter Quay klärte es über mehrstufige Recherchen und PDF-Analysen, dass der Ursprung in den 1820er- bis 1830er-Jahren in den roten Sandsteinklippen liegt
- Es zeigte ein aktives Suchmuster, indem es englische Berichte und Planunterlagen fand und, falls diese nicht erreichbar waren, sogar Entwürfe für E-Mail-Anfragen erstellte
Vergleich von Aldi und Lidl
- Es analysierte ausführlich Standorte, Markenbild und Marktrang von Aldi und Lidl in Großbritannien sowie Zahlen zu Marktanteilen und Verbraucherbewertungen
- Auf Wunsch des Nutzers ordnete es die Ketten auch nach dem Kriterium „fanciness“ (Gehobenheit) neu ein
Bücherscans durch AI-Forschungslabore
- Abgesehen vom Fall, dass Anthropic große Mengen an Büchern scannt, um Trainingsdaten zu erstellen, konnte es ähnliches Verhalten anderer AI-Forschungslabore nicht bestätigen, dokumentierte aber die Suche nach entsprechenden Hinweisen ausführlich
Die praktische Überlegenheit der GPT-5-Suche
- In der ChatGPT-Suche auf GPT-5-Basis ist im Vergleich zu manueller Arbeit eine schnelle, systematische und breit angelegte Sammlung und Bewertung von Informationen möglich
- Besonders in der mobilen Nutzung wurde die Bedienbarkeit stark verbessert, sodass sich alltägliche Neugier und Rechercheaufgaben jederzeit und überall erledigen lassen
- Es ist in der Lage, schnelle und zugleich inhaltsreiche Ergebnisse zu liefern, die die Deep-Research-Funktion von OpenAI ersetzen können
Bedeutung aus Sicht der LLM-Entwicklung
- Durch die Kombination von Tool Calling und Chain-of-Thought gehen Suche, verkettetes Schlussfolgern und zusätzliche Recherche in einem einzigen „Denk“-Schritt natürlich ineinander über
- Auch RAG-Techniken (Retrieval-Augmented Generation) lassen sich durch flexible Tool-Aufrufe über mehrere Stufen und eine fortgeschrittene Suchanbindung wesentlich leistungsfähiger betreiben
- In der Terminologie von Anthropic heißt das interleaved thinking, und auch die OpenAI Responses API unterstützt einen ähnlichen Ablauf
Tipps für den effektiven Sucheinsatz
- Mit empirischer Intuition lässt sich die Suchqualität verbessern, etwa durch Hinweise wie „go deep“, um eine noch gründlichere Recherche auszulösen
- Selbst bei interpretativen Fragen, auf die es keine eindeutig richtige Antwort gibt, liefert es nützliche und interessante Ergebnisse
- Wie die Metapher des „Goblin“ andeutet, ist Research Goblin eine fleißige, aber nicht vollständig verlässliche, vom Menschen verschiedene Such-AI, die dennoch einen hohen praktischen Nutzen hat
Noch keine Kommentare.