Google Deep Research Max: Was der Recherche-Agent jetzt mit Web, Dateien und MCP leisten kann
Der auf Gemini 3.1 Pro basierende Agent verbindet öffentliche und private Quellen, verarbeitet multimodales Material und erstellt in bis zu 60 Minuten zitierte Berichte.
Google hat am 21. April 2026 Deep Research Max als öffentliche Vorschau für die kostenpflichtigen Tarife der Gemini API veröffentlicht. Der auf Gemini 3.1 Pro basierende Agent ist für Untersuchungen gedacht, bei denen eine schnelle Websuche nicht ausreicht: Er plant mehrere Rechercheetappen, verarbeitet zahlreiche Quellen und überarbeitet seine Synthese, bevor er einen zitierten Bericht ausgibt.
1. Was ist neu?
Deep Research gab es bereits als Agentenkonzept für mehrstufige Untersuchungen. Neu an deep-research-max-preview-04-2026 ist die Ausrichtung auf besonders umfassende Analysen mit zusätzlicher Rechenzeit. Laut Google recherchiert der Agent wiederholt, wägt gefundene Informationen gegeneinander ab und verfeinert anschließend den Abschlussbericht. Die Versionshinweise grenzen Max damit von der schnelleren Standardkonfiguration ab.
Mit der Veröffentlichung kamen außerdem vier Bausteine zusammen, die für größere Untersuchungen entscheidend sind: kollaborative Rechercheplanung, Visualisierungen, File Search und die Einbindung entfernter MCP-Server. Der Rechercheplan kann dadurch zum gemeinsamen Bezugspunkt für Nutzer und Agent werden, während die zugrunde liegenden Informationen nicht mehr nur aus frei zugänglichen Webseiten stammen müssen.
Die Ausgabe besteht aus einem ausführlichen Textbericht mit Zitaten; auch Bilder können ausgegeben werden. Diagramme und Infografiken lassen sich zur Veranschaulichung der Ergebnisse erzeugen. Der entscheidende Unterschied zu einer klassischen Suchantwort liegt jedoch in der Untersuchungstiefe: Deep Research Max soll Informationen über viele Quellen hinweg sammeln, Beziehungen herstellen und seine Synthese vor der Ausgabe weiter schärfen.
2. Öffentliche Recherche trifft auf eigene Daten
Der Agent kann Google Search, URL Context und Code Execution für das offene Web nutzen. Dazu kommen Dateiuploads, File Search und entfernte MCP-Quellen. Diese Verbindung macht Untersuchungen möglich, bei denen öffentliche Informationen erst durch internes Material ihren eigentlichen Wert erhalten.
Ein Beispiel ist die Due Diligence zu einem möglichen Geschäftspartner. Öffentliche Unternehmensseiten, Pressemitteilungen und Fachquellen können mit hochgeladenen Verträgen, internen Notizen oder Dokumenten aus einem angebundenen Arbeitsbereich zusammengeführt werden. Der Agent kann daraus eine gegliederte Betrachtung erstellen und die Aussagen des Berichts mit Fundstellen verknüpfen. Die Bewertung bleibt eine fachliche Aufgabe, doch Sammlung und Synthese des Materials lassen sich wesentlich weiter automatisieren als mit einzelnen Suchanfragen.
3. Multimodale Quellen werden zu Recherchematerial
Deep Research Max akzeptiert nicht nur Text. Nach der Modellkarte können auch Bilder, PDF-Dateien, Audio und Video als Eingaben dienen. Das ist besonders nützlich, wenn die relevante Information nicht in sauber aufbereiteten Webseiten steckt.
Für eine technische Fachrecherche lassen sich beispielsweise eine PDF-Spezifikation, fotografierte Diagramme und eine aufgezeichnete Präsentation gemeinsam mit Webquellen untersuchen. Bei einer Marktbeobachtung können Produktabbildungen oder Videodemonstrationen das schriftliche Material ergänzen. Der Agent kann diese Formate in denselben Recherchekontext aufnehmen, statt für jedes Medium einen separaten Auswertungsschritt zu benötigen.
Das Kontextfenster umfasst 1.048.576 Token, die maximale Ausgabe 65.536 Token. Diese Größenordnung passt zur Aufgabe: Viele lange Dokumente können gemeinsam betrachtet werden, während für die abschließende Darstellung genügend Raum für einen ausführlichen Bericht bleibt. Sie garantiert allerdings nicht automatisch eine gute Untersuchung. Eine klar abgegrenzte Fragestellung und relevantes Ausgangsmaterial helfen dem Agenten, seine lange Laufzeit auf die entscheidenden Belege zu konzentrieren.
4. Kollaborative Planung schärft die Untersuchung
Eine wirksame Aufgabenbeschreibung enthält daher vier Dinge: das Erkenntnisziel, den betrachteten Zeitraum, die zugelassenen Quellenräume und die gewünschte Form des Berichts. Ein passender Auftrag könnte lauten: „Untersuche die Entwicklung dieses Produktsegments seit Januar 2025. Verbinde die bereitgestellten Studien mit offiziellen Produktseiten und den Dokumenten aus File Search. Trenne bestätigte Produkteigenschaften von angekündigten Funktionen und belege zentrale Aussagen direkt an der jeweiligen Textstelle.“
So erhält der Agent eine inhaltliche Leitplanke, ohne dass jede Suchanfrage einzeln vorgegeben werden muss. Die Stärke liegt gerade darin, dass Deep Research Max den mehrstufigen Rechercheweg selbst plant und während der Untersuchung weitere Quellen erschließt.
5. File Search und MCP übernehmen unterschiedliche Rollen
File Search eignet sich für einen vorbereiteten Bestand aus Dokumenten, den der Agent gezielt durchsuchen soll. Dazu können Studien, Handbücher, Protokolle oder interne Wissenssammlungen gehören. Die Recherche erhält damit einen kontrollierten privaten Quellenraum neben dem offenen Web.
MCP erweitert diesen Ansatz auf entfernte Datenquellen. Ein angebundener Server kann Informationen aus einem proprietären System für die Untersuchung verfügbar machen. Diese Verbindung bietet sich an, wenn die benötigten Daten aktuell bleiben oder nicht sinnvoll als einmaliger Datei-Upload gepflegt werden können. Google nennt ausdrücklich die Kombination des offenen Webs mit proprietären Daten, Dateiuploads und entfernten MCP-Quellen.
Die Rollen lassen sich dadurch sauber trennen: Google Search erschließt neue öffentliche Fundstellen, URL Context vertieft vorgegebene Webseiten, File Search durchsucht den bereitgestellten Dokumentenbestand und MCP bindet einen extern verwalteten Datenraum an. Code Execution kann ergänzend Berechnungen oder Auswertungen innerhalb der Recherche unterstützen.
6. So wird aus einer Frage ein brauchbarer Bericht
Für einen guten Auftrag sollte zuerst feststehen, welche Entscheidung oder Erkenntnis der Bericht unterstützen soll. Danach werden die Quellen passend zu ihrer Funktion ausgewählt. Öffentliche Recherche zeigt den extern sichtbaren Stand; File Search liefert den eigenen Dokumentenkorpus; MCP ergänzt entfernte, proprietäre Informationen. Multimodale Dateien kommen hinzu, wenn Bilder, Aufzeichnungen oder Präsentationen tatsächlich relevante Belege enthalten.
Anschließend wird die gewünschte Synthese beschrieben. Statt nur „Erstelle einen Bericht“ ist eine konkrete Gliederung hilfreicher: zentrale Befunde, Übereinstimmungen zwischen Quellen, Widersprüche, zeitliche Entwicklung und zitierte Belege. Soll der Bericht eine Visualisierung enthalten, sollte auch deren Erkenntnisziel genannt werden – etwa eine zeitliche Entwicklung oder der Vergleich belegter Kategorien. So entstehen Diagramme nicht als Dekoration, sondern als Teil der Argumentation.
Die Anfrage wird dann als Interaktion mit dem Agenten deep-research-max-preview-04-2026 gestartet. Anders als beim üblichen generateContent-Aufruf wird der Agent im Feld agent der Interactions API ausgewählt. Wegen der möglichen Laufzeit muss die Ausführung im Hintergrund erfolgen. Persistente Interaktionen und Streaming gehören zu den Fähigkeiten der Schnittstelle; die fertige Recherche kann nach Abschluss über den Status der Interaktion übernommen werden.
7. Die Interactions API ist mehr als ein anderer Endpunkt
Die technische Oberfläche macht deutlich, dass Google Deep Research Max als Agenten und nicht als gewöhnlichen Modellaufruf behandelt. Eine Interaktion kann ihren Zustand über die längere Bearbeitungszeit behalten. Das passt zu Untersuchungen, bei denen Planung, Werkzeugeinsatz, Quellenarbeit und Berichtserstellung nicht in eine kurze synchrone Antwort passen.
Für eine Anwendung bedeutet das: Sie startet die Recherche, speichert die Kennung der Interaktion und zeigt während der Hintergrundausführung einen passenden Status. Der eigentliche Bericht wird erst verarbeitet, wenn die Interaktion abgeschlossen ist. Ein synchroner Request, der auf eine sofortige vollständige Antwort wartet, entspricht nicht dem vorgesehenen Zugriff.
Die öffentliche Vorschau hat dabei klare technische Grenzen. Eigene Function-Calling-Werkzeuge werden derzeit nicht unterstützt. Anwendungen können dem Agenten also nicht beliebige selbst definierte Funktionen für die Recherche übergeben. Ebenso fehlen strukturierte Ausgaben. Wer das Ergebnis anschließend als festes JSON-Schema, Datenbankobjekt oder automatisch befüllte Tabelle benötigt, muss den Textbericht nachgelagert in die gewünschte Struktur überführen.
8. Drei Anwendungen, bei denen Max sinnvoll wird
Due Diligence: Der Agent kann eine große Zahl öffentlicher Quellen mit Verträgen, internen Notizen und weiteren Arbeitsbereichsdaten verbinden. Sinnvoll ist eine Fragestellung, die Behauptungen, Gegenbelege und zeitliche Veränderungen getrennt ausweisen lässt. Der zitierte Bericht dient anschließend als navigierbare Grundlage für die fachliche Prüfung.
Markt- und Wettbewerbsanalyse: Produktseiten, Dokumentationen, Studien und angebundene proprietäre Daten können gemeinsam untersucht werden. Besonders hilfreich ist eine feste Vergleichsmatrix im Auftrag, etwa nach Zielgruppe, dokumentierten Funktionen, Preislogik und Integrationen. Der Agent sammelt die Belege und macht Abweichungen zwischen Marketingaussagen und technischer Dokumentation sichtbar.
Technische Fachrecherche: Spezifikationen, PDF-Dokumente, Präsentationen und aktuelle Webquellen lassen sich zu einer zusammenhängenden Analyse verbinden. Ein enger Zeitraum und klar benannte Primärquellen verhindern, dass ältere oder weniger belastbare Informationen denselben Stellenwert wie aktuelle Dokumentation erhalten.
Für kurze Faktenfragen oder wenige bekannte Seiten ist diese Maximalvariante dagegen unnötig schwergewichtig. Ihr Vorteil entsteht dort, wo Quellenmenge, Medienvielfalt und die Verbindung öffentlicher mit privaten Informationen den Aufwand bestimmen.
9. Was die Vorschau praktisch bedeutet
Deep Research Max ist seit dem 21. April 2026 in kostenpflichtigen Tarifen der Gemini API verfügbar. Google veröffentlicht den Agenten ausdrücklich als Vorschau. Ein eigenständiger Preis pro Recherche wird in den vorliegenden Produktangaben nicht ausgewiesen; entscheidend für den Zugang ist zunächst ein kostenpflichtiger API-Tarif.
Die maximale Recherchezeit von 60 Minuten zeigt, worauf Google zielt: nicht auf eine etwas längere Chatantwort, sondern auf automatisierte Untersuchungen, die genügend Zeit für wiederholte Suche, Abwägung und Überarbeitung erhalten. Das große Kontextfenster, multimodale Eingaben und private Quellenräume geben dem Agenten dafür die nötige Materialbasis.
Der wichtigste praktische Sprung ist die Verbindung dieser Teile. Websuche, lange Dokumente, audiovisuelle Quellen, File Search und entfernte MCP-Daten müssen nicht mehr als getrennte Rechercheinseln behandelt werden. Deep Research Max kann sie innerhalb einer geplanten Untersuchung zusammenführen und das Ergebnis mit Zitaten ausgeben. Wer daraus unmittelbar Datensätze oder Aktionen erzeugen möchte, braucht wegen der fehlenden strukturierten Ausgaben und eigenen Function-Calling-Werkzeuge noch eine nachgelagerte Verarbeitung.
Quellen: Modellkarte zu Deep Research Max, Dokumentation des Deep-Research-Agenten, Googles Produktvorstellung, Versionshinweise der Gemini API, Referenz der Interactions API