Hierarchischer Tree-Ansatz für konfigurierbare, statische Deep Research Agenten

Die rasante Weiterentwicklung von Large Language Models hat die Entstehung komplexer agentischer Systeme vorangetrieben. Ein neues Beispiel ist der Static Deep Research Agent (Static‑DRA), der auf einem konfigurierbaren, hierarchischen Tree‑Workflow basiert. Durch die einstellbaren Parameter Depth und Breadth können Anwender die Tiefe und Breite ihrer Recherche gezielt steuern und so die Qualität des Endergebnisses gegen die Rechenkosten abwägen.

Der Static‑DRA setzt auf eine klare Agentenarchitektur mit Supervisor, Independent und Worker. Diese Struktur ermöglicht effizientes Multi‑Hop‑Information Retrieval und parallele Untersuchung von Unterthemen. In einer Evaluation gegen die etablierte DeepResearch Bench mit dem RACE‑Framework zeigte der Agent bei einer Konfiguration von Depth = 2 und Breadth = 5 sowie dem gemini‑2.5‑pro Modell einen Gesamtwert von 34,72.

Die Ergebnisse belegen, dass höhere Depth‑ und Breadth‑Einstellungen zu einem tieferen Forschungsprozess und damit zu besseren Bewertungsergebnissen führen. Der Static‑DRA bietet somit eine pragmatische, ressourcenbewusste Lösung, die Nutzern transparente Kontrolle über den gesamten Deep‑Research‑Prozess ermöglicht.