Wide Research

​

Was ist Wide Research?

Wide Research ist Manus’ Ansatz zur Bewältigung von Aufgaben, bei denen viele ähnliche Elemente verarbeitet werden müssen – wie die Analyse von 100 Produkten, die Recherche zu 50 Unternehmen oder die Erstellung von 20 Inhalten. Anstatt einen einzelnen AI Agent zu verwenden, der Elemente nacheinander verarbeitet, setzt Wide Research Hunderte unabhängiger Agents ein, die parallel arbeiten. Jeder Agent erhält seinen eigenen dedizierten Kontext und verarbeitet ein Element unabhängig. Diese Architektur löst die Beschränkung des Kontextfensters, die dazu führt, dass die Qualität traditioneller AI-Systeme mit der steigenden Anzahl der Elemente abnimmt.

​

Das Kontextfenster-Problem

Herkömmliche AI-Systeme, einschließlich der meisten Chatbots, arbeiten mit einem festen Kontextfenster – einer Begrenzung der Informationsmenge, die sie gleichzeitig aktiv verarbeiten können. Wenn sie aufgefordert werden, viele Elemente nacheinander zu analysieren:

• Elemente 1-5: Detaillierte, gründliche Analyse mit vollständigem verfügbarem Kontext
• Elemente 10-20: Beschreibungen werden kürzer, da sich der Kontext füllt
• Elemente 30+: Allgemeine Zusammenfassungen und vermehrte Fehler, da früherer Kontext komprimiert wird oder verloren geht

Diese Verschlechterung tritt auf, weil die AI alle vorherigen Elemente im Speicher behalten muss, während sie neue verarbeitet. Untersuchungen zeigen, dass diese „Erfindungsschwelle“ bei den meisten AI-Systemen typischerweise bei etwa 8–10 Elementen liegt.

​

Wie Wide Research funktioniert

Wide Research verwendet eine grundlegend andere Architektur: 1. Aufgabenzerlegung: Der Haupt-Agent analysiert Ihre Anfrage und zerlegt sie in unabhängige Unteraufgaben (z. B. „Recherche zu Unternehmen Nr. 1“, „Recherche zu Unternehmen Nr. 2“ usw.) 2. Parallele Agent-Bereitstellung: Jede Unteraufgabe wird einem dedizierten Agent mit einem eigenen, frischen Kontextfenster zugewiesen 3. Unabhängige Verarbeitung: Agents arbeiten gleichzeitig und führen jeweils gründliche Recherchen durch, ohne um Kontextraum zu konkurrieren 4. Ergebnissynthese: Der Haupt-Agent sammelt alle abgeschlossenen Unteraufgaben und fügt sie in dem von Ihnen gewünschten Format (Tabelle, Bericht, Datensatz usw.) zusammen Ergebnis: Element Nr. 250 erhält die gleiche Analysetiefe wie Element Nr. 1, da jedes seinen eigenen dedizierten Agent und ein vollständiges Kontextfenster hat.

​

Kurzanleitung

​

Einfache Anfrage

​

Detaillierte Anfrage

​

Kreative Anfrage

​

Echte Beispiele

​

Beispiel 1: Recherche zu 250 AI-Forschern

Ausgabe: Vollständige Datenbank mit 250 detaillierten Profilen Wiederholung: https://manus.im/share/IXdMjxObbFKbIjUUkBk4EH?replay=1 Warum es funktioniert:

• Kein anderes AI-Tool kann diese Aufgabe in diesem Umfang bewältigen
• Jeder Forscher erhält eine unabhängige, gründliche Recherche
• Tabelle automatisch generiert und mit allen Feldern befüllt
• Durchgängige Qualität von Forscher Nr. 1 bis Nr. 250

​

Beispiel 2: Vergleich von 100 Sneaker-Modellen

Ausgabe: Umfassende Marktforschungstabelle mit 100 Produkten Wiederholung: https://manus.im/share/3zvs5smekSmn4lS14n9QNg?replay=1 Warum es funktioniert:

• Unabhängige Tiefenrecherche zu jedem Produkt
• Groß angelegte strukturierte Datenextraktion
• Automatische Organisation und Sortierung
• Kein Qualitätsverlust über 100 Elemente hinweg

​

Beispiel 3: Analyse von AGI-Zeitplänen

Ausgabe: Umfassende Analyse mit Datenvisualisierung Wiederholung: https://manus.im/share/GajPnKzrpM4pEbpcrKDmx0?replay=1 Warum es funktioniert:

• Synthetisiert Informationen aus Dutzenden von Quellen
• Erstellt eine visuelle Darstellung der Ergebnisse
• Identifiziert Muster und Ausreißer
• Bietet eine evidenzbasierte Zusammenfassung

​

Beispiel 4: Recherche zu 20 Biografien

Ausgabe: 20 umfassende Biografien mit konsistenter Struktur Wiederholung: https://manus.im/share/ayLBetEJkfSIVuWKo2toPn?replay=1 Warum es funktioniert:

• Jede Biografie wird gründlich und unabhängig recherchiert
• Konsistente Struktur über alle Einträge hinweg
• Tiefe, Multi-Quellen-Recherche zu jeder Person
• Keine Abkürzungen oder generische Inhalte erstellt

​

Beispiel 5: Massenbearbeitung von LinkedIn-Profilfotos

Ausgabe: 50 professionell bearbeitete Profilbilder Wiederholung: https://manus.im/share/5iT2464ldyvdf1FMxUOCsW?replay=1 Funktionsweise:

• Ersetzt Micro-SaaS-Tools für die Massenbildverarbeitung
• Wendet konsistente Bearbeitungen auf alle Bilder an
• Automatisierter Download- und Verarbeitungsprozess
• Professionelle Ergebnisse im großen Maßstab

​

Beispiel 6: Extrahieren einer GitHub Prompt-Bibliothek

Ausgabe: Strukturierte Datenbank mit über 100 Prompts Wiederholung: https://manus.ai/share/wxTg2q4hV6GN4YY4KnQeFx?replay=1 Funktionsweise:

• Extrahiert und strukturiert Informationen im großen Maßstab
• Automatische Kategorisierung und Kennzeichnung
• Erstellt eine durchsuchbare, organisierte Datenbank
• Bewältigt komplexe Web-Scraping-Aufgaben

​

Anwendungsfälle nach Kategorie

​

Warum Wide Research statt anderer Tools

​

Wann Wide Research verwendet werden sollte

Am besten geeignet für:

• Wettbewerbsanalyse (Analyse von über 50 Wettbewerbern)
• Marktforschung (Vergleich von über 100 Produkten)
• Akademische Forschung (Überprüfung von über 30 Artikeln)
• Lead-Generierung (Recherche von über 200 Interessenten)
• Content-Erstellung (Generierung von über 20 ähnlichen Elementen)
• Datenextraktion (Scraping und Strukturierung von über 100 Seiten)
• Massenverarbeitung (Bearbeitung von über 50 Bildern/Dateien)

Nicht ideal für:

• Einzelne Tiefenanalyse (verwenden Sie den regulären Agent-Modus)
• Aufgaben, die eine sequentielle Abhängigkeit erfordern
• Interaktive Recherche in Echtzeit
• Aufgaben mit weniger als 10 Elementen

​

Tipps für bessere Ergebnisse

Seien Sie explizit bezüglich der Struktur:

• ✅ „Erstellen Sie eine Tabelle mit den folgenden Spalten: Name, Unternehmen, Titel, E-Mail, LinkedIn“
• ❌ „Recherchieren Sie diese Personen“

Geben Sie den Umfang im Voraus an:

• ✅ „Analysieren Sie alle 100 Unternehmen in dieser Liste“
• ❌ „Analysieren Sie einige Unternehmen“

Beschreiben Sie das gewünschte Ausgabeformat:

• ✅ „Organisieren Sie dies in einer sortierbaren Tabelle mit Filtern“
• ❌ „Geben Sie mir die Ergebnisse“

Fügen Sie Bewertungskriterien hinzu:

• ✅ „Bewerten Sie jedes Produkt basierend auf: Preis, Funktionen, Bewertungen, Verfügbarkeit“
• ❌ „Vergleichen Sie diese Produkte“

​

Häufig gestellte Fragen

​