Einen persönlichen Recherche-Workflow mit OpenClaw aufbauen

Was du bauen wirst

Einen umfassenden Recherche-Workflow, der:

1. Das Web durchsucht — mit Tavily für aktuelle Informationen und Artikel
2. Wissenschaftliche Paper findet — mit dem arXiv Research Assistant für peer-reviewte Forschung
3. Dokumentation durchstöbert — mit DeepWiki für Open-Source-Projektdokumentation
4. Ergebnisse zusammenfasst — mit Summarize für kompakte Recherche-Briefs

Dieser Workflow verwandelt OpenClaw in einen Recherche-Assistenten, der Informationen aus mehreren Quellen in Minuten statt Stunden sammelt, filtert und aufbereitet.

Warum KI für Recherche nutzen

Traditionelle Recherche-Workflows sind voller Reibung. Du öffnest Dutzende Browser-Tabs, wechselst zwischen Suchmaschinen, kopierst Textausschnitte in verstreute Notizen und verlierst den Überblick, wo du was gefunden hast. Wenn du dich hinsetzt, um deine Ergebnisse aufzuschreiben, ist die Hälfte der Tabs veraltet und du erinnerst dich nicht mehr, welche Quelle welche Schlussfolgerung stützt.

Typische Probleme:

• Tab-Chaos — eine einzige Recherchefrage öffnet 20+ Tabs, jeder beansprucht Aufmerksamkeit und Gedächtnis
• Kontextwechsel — zwischen Google, arXiv, GitHub-Docs und deiner Notiz-App hin und her zu springen zersplittert den Fokus
• Manuelles Notieren — Zitate und URLs per Hand kopieren ist langsam und fehleranfällig
• Synthese-Schwierigkeiten — Erkenntnisse aus Webartikeln, wissenschaftlichen Papern und Projektdokumentation zu einem kohärenten Bild zusammenzufügen ist geistig erschöpfend
• Informationsverfall — Lesezeichen werden ungültig, Artikel verschwinden, Notizen verlieren ihren Kontext

Ein KI-gestützter Workflow zentralisiert Suche, Extraktion und Synthese in einem einzigen Gespräch. OpenClaw befragt mehrere Quellen parallel, behält den vollen Kontext und kann jederzeit strukturierte Zusammenfassungen erstellen. Du konzentrierst dich auf die wichtigen Fragen statt auf die Mechanik der Suche.

Voraussetzungen

• OpenClaw installiert und konfiguriert
• Tavily API-Key (Free Tier verfügbar bei tavily.com)
• Node.js 18+

Schritt 1: Benötigte Skills installieren

# 1. Websuche
npx clawhub@latest install tavily

# 2. Wissenschaftliche Papersuche
npx clawhub@latest install arxiv

# 3. Open-Source-Dokumentationssuche
npx clawhub@latest install deepwiki

# 4. KI-Zusammenfassung
npx clawhub@latest install summarize

Schritt 2: API-Keys konfigurieren

Tavily Websuche

1. Registriere dich bei tavily.com — das Free Tier enthält 1.000 API-Credits/Monat (1 Credit pro einfache Suche)
2. Kopiere deinen API-Key vom Dashboard
3. In OpenClaw konfigurieren:

clawhub inspect tavily

arXiv Research Assistant und DeepWiki

Diese Skills funktionieren sofort — keine API-Keys nötig. Der arXiv-Skill fragt die arXiv-API direkt ab, DeepWiki nutzt öffentliche Dokumentationsquellen.

Schritt 3: Recherche-Workflow in Aktion

Beispiel 1: Recherche zu "RAG (Retrieval-Augmented Generation) Best Practices"

Phase 1: Websuche zum aktuellen Stand

Starte mit einer breiten Websuche:

Search for "RAG best practices 2026" and summarize the top results

Tavily liefert aktuelle Artikel, Blogposts und Tutorials. Der Summarize-Skill destilliert sie in Kernaussagen.

Phase 2: Wissenschaftliche Paper

Tiefere Einblicke durch peer-reviewte Forschung:

Find recent arXiv papers on retrieval-augmented generation improvements

Der arXiv-Skill liefert relevante Paper mit Titeln, Abstracts, Autoren und Links. Du kannst dann Zusammenfassungen bestimmter Paper anfordern:

Summarize the methodology section of paper [arXiv:2406.xxxxx]

Phase 3: Implementierungsdokumentation

Prüfe, wie beliebte Frameworks RAG implementieren:

Search DeepWiki for LangChain RAG implementation guide
Search DeepWiki for LlamaIndex retrieval pipeline documentation

DeepWiki liefert relevante Dokumentationsabschnitte aus Open-Source-Projekten.

Phase 4: Synthese

Alles in einem Recherche-Brief zusammenfassen:

Based on all the research we've done, create a structured brief on RAG best practices covering:
1. Current state of the art
2. Key techniques (chunking, embedding, retrieval)
3. Common pitfalls and how to avoid them
4. Recommended frameworks and tools
5. Open research questions

Beispiel 2: Eine neue Datenbank für dein Projekt evaluieren

Angenommen, du musst entscheiden, ob ScyllaDB für eine Hochdurchsatz-Event-Pipeline geeignet ist. Der Vier-Phasen-Workflow funktioniert hier genauso.

Phase 1: Websuche zu realen Erfahrungen

Search for "ScyllaDB production experience 2025 2026" and summarize key findings

Tavily liefert Blogposts von Engineering-Teams, Benchmark-Ergebnisse und Community-Diskussionen. Du bekommst ein Bild davon, wer es einsetzt und auf welche Probleme sie gestoßen sind.

Phase 2: Akademische und technische Paper

Find arXiv papers on LSM-tree database performance and shard-per-core architecture

Der arXiv-Skill findet Paper zum zugrunde liegenden Storage-Engine-Design, Vergleiche mit Cassandra-Internals und Latenz-Modellierung unter verschiedenen Workloads. Lass OpenClaw die Performance-Aussagen zusammenfassen und mit den Praxisberichten aus Phase 1 abgleichen.

Phase 3: Dokumentations-Deep-Dive

Search DeepWiki for ScyllaDB data modeling best practices
Search DeepWiki for ScyllaDB driver compatibility and connection pooling

DeepWiki liefert die offizielle Dokumentation zu Schema-Design, Compaction-Strategien und Treiberkonfiguration — die praktischen Einschränkungen, die Blogposts oft auslassen.

Phase 4: Entscheidungssynthese

Based on all findings, create a decision brief for ScyllaDB adoption covering:
1. Performance characteristics vs. our current PostgreSQL setup
2. Operational complexity (deployment, monitoring, backups)
3. Data modeling constraints and migration effort
4. Community health and long-term viability
5. Recommendation: adopt, evaluate further, or pass

Das Ergebnis ist ein strukturiertes Dokument, das du mit deinem Team teilen oder in ein Design-Review einbringen kannst.

Recherche-Ergebnisse organisieren

Rohe Recherche ist nur nützlich, wenn du sie später wiederfindest.

Strukturierte Markdown-Berichte

Lass OpenClaw Ergebnisse in ein einheitliches Template formatieren:

Save the research brief as a Markdown file with sections for Summary, Key Findings, Sources, and Open Questions

Das ergibt ein portables Dokument, das in jedem Editor funktioniert, auf GitHub gerendert wird und sich versionieren lässt.

Vergleichstabellen

Für Technologiebewertungen strukturierte Vergleiche erstellen:

Create a Markdown comparison table of ScyllaDB vs. Cassandra vs. DynamoDB covering: latency, throughput, operational complexity, cost, and ecosystem maturity

Tabellen sind schneller zu scannen als Fließtext und eignen sich gut, um Abwägungen für Stakeholder darzustellen.

Export nach Notion oder Obsidian

OpenClaw gibt Markdown nativ aus — die Integration mit Notiz-Tools ist einfach. Kopiere die Markdown-Ausgabe direkt in Notion (als Text einfügen, dann in Blöcke umwandeln) oder speichere .md-Dateien in deinen Obsidian-Vault. Für Obsidian-Nutzer kann OpenClaw [[Wikilinks]] und YAML-Frontmatter im passenden Format ausgeben. Über die Zeit entsteht so eine durchsuchbare persönliche Wissensbasis, organisiert nach Thema und Datum.

Persönliche Wissensbasis aufbauen

Halte eine einheitliche Ordnerstruktur ein:

research/
  2026-03-rag-best-practices/
    brief.md
    sources.md
    comparison-table.md
  2026-03-scylladb-evaluation/
    decision-brief.md
    benchmark-notes.md

Jede Recherche-Session erzeugt einen eigenständigen Ordner. Verlinke sie mit Querverweisen — und du hast eine Wissensbasis, die mit jeder Recherche wächst.

Fortgeschritten: Mehrteilige Recherche

Nicht jede Recherchefrage lässt sich in einer Sitzung beantworten. Komplexe Themen profitieren von mehreren Sessions über Tage oder Wochen.

Recherche über Sessions hinweg fortsetzen

OpenClaw erinnert sich nicht automatisch an vorherige Gespräche, du musst den Kontext weitertragen. Am einfachsten speicherst du am Ende jeder Session eine Statusdatei:

Summarize our research progress so far into a file called research-state.md, including: questions answered, questions still open, key sources found, and next steps

Zu Beginn der nächsten Session gibst du diese Datei als Kontext mit und machst dort weiter, wo du aufgehört hast.

Recherche-Fortschritt tracken

Bei breiten Themen eine laufende Liste von Unterfragen und deren Status führen:

Update the research tracker: mark "ScyllaDB compaction strategies" as done, add "test ScyllaDB with our schema" as next step

So wird Recherche von einer Ad-hoc-Aktivität zu einem strukturierten Prozess mit klaren Fortschrittsmarkern.

Kontext zwischen Sessions bewahren

Wenn deine Recherche mehrere Tools und Sessions umfasst, pflege eine sources.md-Datei mit jeder konsultierten Quelle — URL, Zugriffsdatum und Einzeiler-Zusammenfassung. Beim Start einer neuen Session gibst du diese Datei an OpenClaw, damit es weiß, was bereits abgedeckt wurde und sich auf Lücken konzentrieren kann.

Recherche-Workflow-Muster

Muster 1: Technologiebewertung

Ein neues Tool oder Framework evaluieren:

1. Tavily — Bewertungen, Vergleiche und Praxisberichte suchen
2. DeepWiki — offizielle Dokumentation und Architekturübersicht lesen
3. arXiv — zugrunde liegende Forschungsarbeiten finden (falls vorhanden)
4. Summarize — eine Empfehlung als "Buy vs. Build"-Brief erstellen

Muster 2: Wettbewerbsanalyse

Verstehen, wie Wettbewerber ein Problem lösen:

1. Tavily — Produktankündigungen, Blogposts und Changelogs der Konkurrenz suchen
2. DeepWiki — deren Open-Source-Repos (falls vorhanden) auf Implementierungsdetails prüfen
3. Summarize — eine Wettbewerbslandschafts-Zusammenfassung erstellen

Muster 3: Neues Themengebiet lernen

Sich schnell in ein unbekanntes Thema einarbeiten:

1. Tavily — "Einführung in X" und "X einfach erklärt" suchen
2. arXiv — Übersichtsarbeiten finden, die das Feld umfassend abdecken
3. DeepWiki — Tutorial-Repos und Dokumentation finden
4. Summarize — eine "Lernroadmap" mit empfohlener Lesereihenfolge erstellen

Muster 4: Bug-Recherche

Ein kniffliges technisches Problem untersuchen:

1. Tavily — Fehlermeldung oder Symptom suchen
2. DeepWiki — Bibliotheksdokumentation auf bekannte Probleme prüfen
3. Summarize — alle Ergebnisse zu möglichen Ursachen und Lösungen zusammenstellen

Tipps für effektive Recherche

1. Breit starten, dann einengen — erst Websuche für den Überblick, dann in Paper und Docs eintauchen
2. Mehrere Suchbegriffe verwenden — dieselbe Frage in 2–3 Varianten formulieren
3. Quellen gegenchecken — Webartikel mit akademischen Papern abgleichen
4. Zeiträume eingrenzen — "2025–2026" für aktuelle Informationen angeben
5. Laufend speichern — OpenClaw wichtige Erkenntnisse in eine Datei sichern lassen

Fehlerbehebung

Tavily liefert irrelevante Ergebnisse

• Suchquery mit spezifischeren Begriffen verfeinern
• Anführungszeichen für exakte Phrasen verwenden
• Site-Filter für Ergebnisse bestimmter Domains hinzufügen

arXiv findet keine Paper

• Breitere Suchbegriffe versuchen — arXiv-Titel sind oft sehr spezifisch
• Nach Autorennamen suchen, wenn du weißt, wer im Bereich forscht
• Prüfen, ob das Thema in der Wissenschaft anders heißt

DeepWiki findet keine Dokumentation

• Projektnamen auf exakte Übereinstimmung prüfen
• Das GitHub-Format organization/repo versuchen
• Manche Projekte sind möglicherweise noch nicht indexiert