Query Fan-out: Für die Folgefragen der KI-Suche optimieren

Auf dieser Seite

• Was ist eine Fan-out-Query?
• Wie zerlegt die KI eine Suchanfrage?
• Welche Arten von Fan-out-Queries gibt es?
• Warum sind Fan-out-Queries instabil?
• Hilft klassisches Ranking noch für KI-Zitierung?
• Wie findet man Fan-out-Queries selbst, ohne Tools?
• Wie optimiert man eine Seite für Fan-out-Queries?
• Wie misst man Sichtbarkeit in KI-Antworten?

Wer Google AI Mode oder ChatGPT eine Frage stellt, löst nicht eine Suche aus, sondern ein Dutzend. Im Hintergrund zerlegt das System die Anfrage in mehrere Sub-Queries, sucht sie parallel und setzt die Antwort aus vielen Quellen zusammen. Jede dieser Hintergrund-Anfragen ist eine Fan-out-Query. Für die Suchmaschinenoptimierung verschiebt das die Maßeinheit: Nicht mehr das einzelne Keyword entscheidet, sondern das Bündel an Folgefragen rundherum.

Was ist eine Fan-out-Query?

Eine Fan-out-Query ist eine der mehreren Sub-Anfragen, die eine KI-Suchmaschine im Hintergrund aus einer einzigen Nutzeranfrage erzeugt, um die Antwort aus mehreren Quellen zu synthetisieren. Google selbst beschreibt den Mechanismus als "query fan-out technique, issuing multiple related searches concurrently across subtopics and multiple data sources". Je öfter eine Seite in diesen parallelen Suchen auftaucht, desto höher ist ihre Chance, in der finalen KI-Antwort zitiert zu werden.

Wie zerlegt die KI eine Suchanfrage?

Sie bricht die Frage in Teilthemen auf und feuert mehrere Suchen gleichzeitig ab. Ein Google-Ingenieur fasst es so zusammen: AI Mode erledige in der Zeit einer Suche im Grunde ein Dutzend. Im Modus Deep Search können es laut Google sogar hunderte parallele Anfragen sein. Das Modell liest alle Ergebnisse, durchläuft Reasoning-Schritte und formuliert daraus eine Antwort. Aus einem Prompt wird so ein Fächer aus Abrufen, nicht eine einzelne Trefferliste.

Welche Arten von Fan-out-Queries gibt es?

Aus Google-Patenten und der Analyse von Praktikern lassen sich rund acht wiederkehrende Typen ableiten:

• Umformulierung: dieselbe Absicht, andere Worte
• Folgefrage: die logisch nächste Frage
• Generalisierung: der übergeordnete Kontext
• Spezifizierung: ein engerer, konkreterer Winkel
• Vergleich: X gegen Y, Alternativen, Kriterien
• Übersetzung: Synonyme und andere Fachsprache
• Implikation: Fragen, die implizit aus der Anfrage folgen
• Klärung: Disambiguierung mehrdeutiger Begriffe

In der Praxis sind die impliziten und die klärenden Queries am häufigsten unterbesetzt. Wer sie abdeckt, gewinnt Sichtbarkeit dort, wo Wettbewerber nur die offensichtliche Hauptfrage beantworten.

Warum sind Fan-out-Queries instabil?

Sie sind probabilistisch und personalisiert: Derselbe Prompt erzeugt bei jeder Ausführung andere Fan-outs. Eine Surfer-Studie mit 1.600 Gemini-Durchläufen fand, dass nur 27% der Fan-out-Keywords über verschiedene Suchen hinweg konsistent blieben und 66% nur ein einziges Mal auftauchten. Die Konsequenz: Man kann nicht für eine feste Liste optimieren, sondern nur für die wiederkehrenden Muster. Genau diese Gemeinsamkeiten gilt es zu identifizieren.

Hilft klassisches Ranking noch für KI-Zitierung?

Ja, deutlich, aber weniger als früher. Laut Ahrefs stammen 37,9% der AI-Overview-Zitierungen von Seiten, die in Googles Top 10 ranken (Anfang 2026). Sieben Monate zuvor waren es noch 76%. Der Zusammenhang schwächt sich also ab, bleibt aber der stärkste einzelne Prädiktor. AirOps zeigt dasselbe Bild für ChatGPT: Seiten auf Google-Position 1 werden mit 43,2% Wahrscheinlichkeit zitiert, das 3,5-Fache von Seiten außerhalb der Top 20. Bemerkenswert: 32,9% der zitierten Seiten erschienen ausschließlich in Fan-out-SERPs, nicht im SERP des ursprünglichen Keywords. Perplexity wiederum überlappt laut Semrush zu 82% (URL-Ebene) mit Googles Top 10. Die Schlussfolgerung: zuerst solide ranken, dann über die Fan-out-Queries in die Breite gehen.

Wie findet man Fan-out-Queries selbst, ohne Tools?

Dafür braucht es keine Bezahl-Software. Drei kostenlose Wege:

1. Die KI selbst simulieren lassen. Ein einfacher Prompt liefert eine brauchbare Annäherung:

Du bist eine KI-Suchmaschine. Ein Nutzer fragt: "[Zielanfrage]"
Liste die 8 bis 10 Sub-Queries, die du im Hintergrund suchen würdest,
um die Frage vollständig zu beantworten. Berücksichtige: Umformulierungen,
implizite Folgefragen, Vergleiche, Gegenargumente und entitätsspezifische
Abfragen. Eine Query pro Zeile, ohne Nummerierung, ohne Kommentar.

2. Echte Sub-Queries beobachten. Perplexity zeigt im Tab "Steps" die wörtlichen Sub-Queries, die es ausgeführt hat. ChatGPT legt die intern generierten Anfragen im Netzwerk-Tab der Browser-Entwicklertools offen. Beides ist kostenlos und zeigt reale statt simulierte Fan-outs.

3. Kostenlose Signale auswerten. Googles "Ähnliche Suchanfragen" und der Block "Nutzer fragen auch" liefern verwandte Fragen direkt aus der SERP. Autocomplete mit systematischen Zusätzen ("vs", "ohne", "kosten", "für [Zielgruppe]") legt Varianten offen. Und die Google Search Console zeigt, für welche Long-Tail-Fragen eine Seite bereits Impressionen sammelt: Muster wie "was ist", "wie funktioniert" oder "unterschied zwischen" mit hohen Impressionen und nahezu null Klicks sind typische Fan-out-Kandidaten.

Wie optimiert man eine Seite für Fan-out-Queries?

Jede wiederkehrende Fan-out-Query wird zu einer Überschrift, die unmittelbar darunter beantwortet wird. Konkret heißt das:

• Die H2 ist die Frage, nicht das Label: "Was kostet X?" statt "Preise"
• Die ersten 40 bis 75 Wörter eines Abschnitts sind eine eigenständige, zitierbare Antwort, danach folgt die Erläuterung
• Ein Gedanke pro Absatz, und Pronomen durch explizite Namen ersetzen, weil KI-Systeme Passagen aus dem Kontext herauslösen
• Tabellen für Vergleiche, nummerierte Listen für Abläufe: extrahierbare Formate

Googles eigener AI-Optimization-Guide stützt die Grundlagen: klare Überschriften und in Abschnitte gegliederter Content. Ausdrücklich nicht empfohlen werden das Zerstückeln in winzige Fragmente oder separate "KI-Versionen" einer Seite. Es ist dieselbe Verschiebung, die auch die Keyword-Recherche verändert, vom einzelnen Begriff hin zum Fragen-Cluster, und Teil des größeren Übergangs von klassischem SEO zu GEO.

Wie misst man Sichtbarkeit in KI-Antworten?

Über zwei First-Party-Reports, beide mit Lücken. Der Generative-AI-Report der Google Search Console (Rollout ab Juni 2026) zeigt, wie oft die eigenen URLs in KI-Features erschienen sind, aber ohne Klickdaten und ohne Query-Dimension. Die Bing Webmaster Tools zeigen im AI-Performance-Report Citations und sogenannte Grounding-Queries, allerdings nur für Microsoft-Oberflächen. Keines der Chat-Produkte (ChatGPT, Perplexity, Gemini) bietet einen Publisher-Report. Ein erheblicher Teil der KI-Sichtbarkeit bleibt damit unsichtbar; die Referral-Daten in GA4 von chatgpt.com oder perplexity.ai sind nur ein grober Näherungswert.

Sichtbarkeit in der KI-Suche prüfen lassen. Taucht Ihr Unternehmen in den Antworten von Google AI Mode, ChatGPT und Perplexity auf? Wir analysieren, für welche Fan-out-Queries Sie zitiert werden und wo die Lücken sind. Jetzt Analyse anfordern