Such-APIs für KI-Agenten: Jeder Anbieter gewinnt seinen eigenen Test

Darum geht es

Wenn ein selbstgebauter Assistent, ein Coding-Agent oder ein ChatGPT-Klon „im Netz nachschaut“, steckt fast nie eine eigene Suchmaschine dahinter. Der Agent schickt die Frage an eine Such-API, also eine Schnittstelle, die gegen Gebühr Suchergebnisse als Text zurückliefert. Die bekanntesten Anbieter heißen Brave, Exa, Parallel, Tavily und Firecrawl. Dazu kommen Dienste wie SerpApi oder cloro, die die Google-Ergebnisseite automatisch auslesen („scrapen“), und seit November DeepSeek mit einer Billig-Suche.

Welche davon die besten Antworten liefert, beantworten derzeit vor allem die Anbieter selbst, und zwar jeweils zu ihren eigenen Gunsten. Wir haben die öffentlichen Benchmarks nebeneinandergelegt und nachgeprüft, wer getestet hat, mit welchem Modell und wie groß die Fehlerbalken sind. Einen eigenen Test haben wir für diesen Artikel nicht gemacht.

Warum das gerade jetzt Thema ist

Der Markt hat sich in wenigen Wochen stark bewegt:

• DeepSeek hat die Websuche und das Seitenlesen aus seiner App als API geöffnet. Seit dem 1. November (Pekinger Zeit) kosten Search und Fetch laut Preisseite je 0,75 Dollar pro 1.000 Aufrufe. Laut ppc.land und eesel.ai werden nur erfolgreiche Anfragen berechnet. Jedes Konto darf höchstens 5 Anfragen pro Sekunde stellen, und Suchanfragen dürfen maximal 128 Zeichen lang sein.
• Cloudflare hat am 13. November seinen Agenten-Browser Kitesurf unter Apache-2.0-Lizenz freigegeben (github.com/cloudflare/kitesurf). Das ist keine Suchmaschine, sondern eine schlanke Browser-Engine, mit der Agenten gefundene Seiten öffnen und lesen können.
• Im November kamen neue Vergleichsartikel von Parallel, Tavily und Firecrawl dazu, außerdem ein Update von AIMultiple vom 10. November.
• Im Hintergrund fehlt seit dem 11. August 2025 die Bing Search API. Microsoft hat sie abgeschaltet und verweist auf „Grounding with Bing“ in Azure, das laut ppc.land 35 Dollar pro 1.000 Transaktionen kostet. Damit gibt es neben Google keinen zweiten großen westlichen Index mehr, den man einfach zukaufen kann.

Die Tests der Anbieter: acht Benchmarks, acht Sieger

Das Muster ist eindeutig: Wer den Test baut, wählt Fragen, Modell, Bewerter und Konkurrenz-Einstellungen und landet vorn. Parallel schreibt in einem Vergleich vom November selbst, die Zahlen seien „still ours“, also weiterhin hauseigen. Eine Pointe am Rande: Der Übersichtsreport von Keenable meldet noch Parallel als Spitzenreiter. Auf der aktuellen Rangliste von Artificial Analysis steht inzwischen Keenable selbst ganz oben.

Die unabhängigen Tests: Die Spitze liegt im Rauschen

Artificial Analysis Search Index. Das ist der aufwendigste Kontrolltest. Er umfasst 1.700 Aufgaben aus drei Benchmarks (900 DeepSearchQA, 200 BrowseComp, 600 AA-Omniscience). Alle Anbieter laufen mit demselben Modell (GPT-5.6 Luna) und demselben Agenten-Gerüst, das bis zu 25 Runden suchen und Seiten öffnen darf. Nur die Such-API wechselt. Ohne Suche schafft das Modell 33 Punkte. Mit dem Datenstand vom 9. November führen Keenable pro (83) und Keenable realtime (82), danach folgen Exa auto und Perplexity medium mit je 80. Parallel advanced und Brave kommen auf 75, DeepSeek Search auf 69. Zum Start im August lag laut The Decoder noch Parallel mit 75 vorn, im September dann Perplexity. Konfidenzintervalle oder Wiederholungsläufe beschreibt die Methodik nicht. Als Bewerter dient dasselbe Modell, das auch antwortet.

Rechnet man Such- und Modellkosten pro 1.000 Aufgaben zusammen, verschiebt sich das Bild:

DeepSeek hat mit 8,47 Dollar die günstigste Suche der Liste, verursacht aber die höchsten Modellkosten (20,19 Dollar). Unsere Einschätzung: Der Listenpreis pro Suche sagt wenig über die Gesamtkosten. Schwächere Treffer bedeuten mehr Lesearbeit für das Modell.

AIMultiple (aktualisiert am 10. November) hat 24 Konfigurationen von sechs APIs mit 120 Fragen getestet. Bewertet haben drei Richtermodelle, und eine Antwort zählt nur als richtig, wenn mindestens zwei zustimmen. Parallel Advanced erreicht 87,0 Prozent, das 95-Prozent-Intervall reicht aber von 78,3 bis 94,2. Exa Fast liegt bei 82,6 Prozent (73,9 bis 91,3). Alle fünf besten Konfigurationen überlappen sich, und AIMultiple schreibt selbst, der Unterschied sei unsicher. Den Aktualitätsteil haben nur so wenige Fragen geprüft, dass das Intervall von 57,9 bis 94,7 Prozent reicht. Bei der Frage, ob die gelieferten Textauszüge die Antwort wirklich belegen, liegt Brave mit 96,8 Prozent vorn. Jeder Konfiguration wurde jede Frage nur einmal gestellt.

Vals Web Search Index (Finanzen und Recht): Keenable mit GPT-5.6 Sol kommt auf 49,08 Prozent, Exa mit Claude Fable 5 auf 48,45 Prozent. Das ist ein Abstand von 0,6 Punkten. Auf der Seite stehen Exa, Keenable, Parallel und Tavily unter „Partners“. Was diese Partnerschaft bedeutet, erklärt Vals nicht.

Der Aktualitätstest: Google-Scraper vorn, aber vom Scraper-Anbieter gemessen

Der viel zitierte FreshQA-Test auf dev.to ist methodisch ordentlich: 358 Fragen, deren Antworten sich mit der Zeit ändern, ein Drittel davon mit falscher Grundannahme. Es gab eine Suche pro Frage, ein festes Antwortmodell (gpt-5.6-luna), einen festen Bewerter (gpt-5.6-sol) und paarweise Signifikanztests. Harness und bewertete Antworten sind öffentlich.

Durchgeführt hat den Test aber cloro, und cloro verkauft einen der beiden Google-Scraper. Der Autor legt das offen. Unabhängig ist der Test trotzdem nicht. Auch inhaltlich gibt es eine Einschränkung: Brave liegt statistisch nicht signifikant hinter cloro (p = 0,065), und zwischen Brave, Exa, Parallel und Tavily zeigt sich gar kein Unterschied. Ein großer Teil des Google-Vorsprungs stammt aus der KI-Zusammenfassung (AI Overview) oben auf der Ergebnisseite. Ohne sie fiel die Trefferquote in einem Vorlauf mit 243 Fragen von 90,5 auf 80,2 Prozent. Der Agent liest also eine Antwort, die Googles eigene KI schon formuliert hat. Wie alt die Indizes sind, hat der Test nicht gemessen. Bei SerpApi wurde außerdem in 75 Prozent der Fälle eine zweite Suche berechnet.

Ist die genaueste Quelle überhaupt legal?

Google verklagt SerpApi vor einem Bundesgericht in Kalifornien (Az. 4:25-cv-10826-YGR). Der Vorwurf: SerpApi umgehe den Bot-Schutz „SearchGuard“ und verstoße damit gegen den DMCA, das US-Urheberrechtsgesetz, das das Umgehen technischer Schutzmaßnahmen verbietet. Richterin Yvonne Gonzalez Rogers wies die Klage am 20. Juli ab. Google reichte am 10. August eine geänderte Fassung ein und verwies darin unter anderem auf seinen Lizenzvertrag mit Reddit. Am 9. November wies das Gericht auch diese Fassung ab, weil Google nicht dargelegt habe, welche urheberrechtlich geschützten Inhalte SearchGuard überhaupt schütze. Google darf noch einmal nachbessern, laut PPC Land bis etwa 30. November. Gelingt das nicht, wird die Klage endgültig abgewiesen. Search Engine Roundtable betont: Das Gericht hat nicht entschieden, dass das Scraping legal ist. In einem Parallelverfahren von Reddit gegen SerpApi in New York ist die Klage dagegen nicht abgewiesen worden.

Preise, Herkunft, Datenschutz im Überblick

ZDR steht für Zero Data Retention: Der Anbieter speichert die Anfragen gar nicht erst. Ein AVV ist der Auftragsverarbeitungsvertrag, den man nach DSGVO braucht, wenn ein Dienstleister personenbezogene Daten verarbeitet. Bei DeepSeek gilt eine Einschränkung: Die Datenschutzerklärung nimmt Endnutzerdaten aus Apps von API-Kunden ausdrücklich aus. Eigene Aufbewahrungsregeln für die Such-Endpunkte fand eesel.ai nicht. Ein Tester berichtete dort, dass politisch heikle Anfragen keine Treffer liefern. Ein Hacker-News-Nutzer, der selbst einen Fetch-Benchmark betreibt, nannte DeepSeeks Suche „billig, aber nicht sehr gut“.

Unser Fazit

Unsere Einschätzung: Einen klaren Testsieger gibt es nicht, und wer einen ausruft, hat ihn meist selbst gebaut. In den Kontrolltests mit festem Modell trennen die Spitzengruppe oft nur wenige Punkte, bei Intervallbreiten bis zu 16 Punkten. Die Rangfolge hängt außerdem stark von der Aufgabe ab: einzelne Faktenfragen, mehrstufige Recherche oder aktuelle Ereignisse.

Praktisch heißt das für dich:

• Aktualität: Wer aktuelle Ereignisse braucht, fährt mit Google-Scrapern am genauesten, bezahlt das aber mit rund 8 Sekunden Wartezeit und einem ungeklärten Rechtsrisiko.
• Tempo: Brave und Exa liefern ähnlich gute Ergebnisse in unter anderthalb Sekunden.
• Preis: DeepSeek ist mit Abstand am billigsten. Wegen der Server in China und fehlender Aufbewahrungsregeln ist es für Anfragen mit Personenbezug aus der EU aber kaum vertretbar.
• Datenschutz: Echtes ZDR gibt es fast überall nur im Enterprise-Vertrag.

Am belastbarsten ist am Ende ein Test mit den eigenen Fragen. Mehrere Anbieter haben Gratis-Kontingente, mit denen sich das leicht machen lässt.