Få mere organisk trafik fra Google og AI, på autopilot.

Hvad er query fan-out? Sådan omskriver AI-søgning reglerne for SEO

Query fan-out er den teknik, AI-systemerne bruger til at opdele én forespørgsel i flere delforespørgsler. Lær, hvordan den virker, hvorfor den betyder noget for SEO, og hvordan du optimerer til den.

Når nogen skriver et spørgsmål i Google AI Mode, ChatGPT eller Perplexity, matcher systemet ikke blot søgeord med websider. Det opdeler den enkelte forespørgsel i en konstellation af beslægtede delforespørgsler, søger efter hver af dem samtidig og samler resultaterne i ét svar. Denne proces kaldes query fan-out, og den repræsenterer det mest markante skift i søgearkitekturen siden mobil-først-indeksering.

For SEO-specialister og marketingteams er det ikke længere valgfrit at forstå query fan-out. Forskning fra iPullRank bekræfter, at AI-søgeforespørgsler nu i gennemsnit er 70 til 80 ord, mod kun 3 eller 4 på traditionel Google. Den gamle model med optimering til et enkelt søgeord fanger ikke længere hele billedet. Denne artikel forklarer, hvad query fan-out er, hvordan det fungerer på tværs af platforme, og hvad du skal gøre ved det.

Hvad er query fan-out?

Query fan-out er en informationshentningsteknik, hvor AI-søgesystemer udvider en enkelt brugerforespørgsel til flere forskellige delforespørgsler. I stedet for at behandle en søgning som én isoleret forespørgsel opdeler AI'en den i flere beslægtede vinkler, udfører dem alle samtidig og kombinerer de hentede oplysninger til et omfattende svar.

Forestil dig en bruger, der søger efter „bedste CRM-software til små virksomheder“. En traditionel søgemaskine returnerer en rangeret liste over sider, der matcher udtrykket. Et AI-system med query fan-out genererer delforespørgsler som „gratis CRM-værktøjer“, „CRM med e-mailautomatisering“, „HubSpot vs. Zoho for små teams“ og „CRM-prissammenligning 2026“. Hver delforespørgsel finder forskellige kilder, og AI'en samler de mest relevante afsnit i ét svar.

Google beskrev officielt denne mekanisme på Google I/O 2025 og forklarede, at AI Mode bruger en tilpasset version af Gemini til at opdele spørgsmål i underemner og udsende flere forespørgsler samtidig på brugerens vegne. Teknikken er også dokumenteret i Googles patent for tematisk søgning, indgivet i december 2024, som kalder fan-out-forespørgsler for „temaer“.

Sådan fungerer query fan-out under motorhjelmen

Mekanikken i query fan-out følger en struktureret rækkefølge, der sker helt i baggrunden, usynlig for brugeren.

Trin 1: Analyse af forespørgslen. AI-modellen modtager brugerens input og vurderer, om det kræver opdeling. Enkle faktuelle spørgsmål („Hvad er klokken i Tokyo?“) udløser måske ikke fan-out. Komplekse, mangesidede spørgsmål gør næsten altid.

Trin 2: Generering af delforespørgsler. LLM'en genererer flere delforespørgsler, der dækker forskellige sider af det oprindelige spørgsmål. Googles patent identificerer otte forskellige forespørgselstyper, som systemet kan producere, fra sammenlignende forespørgsler til implicitte opfølgende spørgsmål.

Trin 3: Parallel hentning. Alle delforespørgsler køres samtidig på tværs af flere datakilder. For Google AI Mode sker det på tværs af Googles egen infrastruktur, Knowledge Graph og Shopping Graph. For ChatGPT kører hentningen via Bing. Parallel udførelse er afgørende, for at køre 15 forespørgsler samtidig tager cirka lige så lang tid som én.

Trin 4: Udtræk og rangering af afsnit. I stedet for at vurdere hele websider identificerer og udtrækker AI-systemerne de konkrete afsnit, der bedst besvarer hver delforespørgsel. Det kaldes passagebaseret hentning, og det betyder, at et enkelt afsnit gemt dybt i dit indhold kan blive fundet og citeret.

Trin 5: Syntese og generering af svar. AI-systemet samler de mest relevante afsnit i et sammenhængende, struktureret svar med indlejrede citater, der linker tilbage til kildematerialet.

Hvilke platforme bruger query fan-out?

Query fan-out er ikke forbeholdt Google. Det er blevet den almindelige hentningsarkitektur på alle store AI-søgeplatforme, selvom hver implementerer det forskelligt.

Google AI Mode bruger en tilpasset Gemini-model, der er særligt designet til at opdele forespørgsler. Almindelige søgninger genererer 8 til 12 delforespørgsler, mens Deep Search-scenarier kan udsende hundredvis. Google offentliggjorde det på I/O 2025 og har siden opgraderet systemet med Gemini 3, som udfører endnu flere søgninger og forstår intentionen mere præcist.

ChatGPT udfører fan-out via Bings søgeinfrastruktur. Når browsing er aktiveret, genererer modellen flere søgeforespørgsler, der er synlige i grænsefladen. Brugerne kan se dette direkte med browserudvidelser, der viser de delforespørgsler, ChatGPT kører i baggrunden.

Perplexity viser åbent sin fan-out-proces, så brugerne ser de delforespørgsler, den genererer, og de kilder, den konsulterer. Det gør den særligt nyttig til at forstå, hvordan AI-søgning opdeler intentionen.

Google AI Overviews bruger også fan-out, dog i en mere begrænset udstrækning end fuld AI Mode. Systemet genererer tematiske grupperinger og henter information på afsnitsniveau fra flere kilder for at opbygge oversigtspanelet.

Hvorfor query fan-out betyder noget for SEO

Query fan-out bryder grundlæggende den traditionelle SEO-model. Skiftet kan opsummeres i én sammenligning:

Gammel model: Én forespørgsel giver ét sæt SERP. Sider, der rangerer fra 1 til 10, får trafik.
Ny model: Én forespørgsel genererer 10 til 20 delforespørgsler. Hundredvis af sider hentes. AI-systemet vælger de bedste afsnit og citerer 3 til 8 kilder.

Det har flere konkrete konsekvenser for indholdsstrategien.

For det første, emnemæssig autoritet vejer nu tungere end rangeringer på enkelte søgeord. Forskning offentliggjort af Surfer SEO analyserede over 173.000 URL'er og fandt, at sider, der rangerer for flere query fan-out-forespørgsler, har 161% større sandsynlighed for at blive citeret i Googles AI-oversigter. Dækning af en emneklynge betyder mere end førstepladsen på et hovedsøgeord.

For det andet, optimering på afsnitsniveau bliver afgørende. AI-systemer vurderer ikke hele sider. De udtrækker konkrete afsnit, der direkte besvarer delforespørgsler. Det betyder, at hvert afsnit i dit indhold skal give selvstændig værdi, med klare definitioner, specifikke datapunkter og en struktur, der gør udtrækning let.

For det tredje, fan-out-forespørgsler er i sagens natur ustabile. Kun cirka 27% af fan-out-forespørgslerne forbliver ens, når man søger gentagne gange på den samme prompt. At jagte enkelte delforespørgsler er ikke en skalerbar strategi. Det er opbygningen af en bred emnedækning.

Sådan optimerer du dit indhold til query fan-out

Tilpasning til query fan-out kræver et skifte fra søgeordsdrevet til emnedrevet indholdsstrategi. Her er de centrale principper.

Byg emneklynger, ikke isolerede sider. Organisér dit indhold omkring brede temaer, hvor hver side dækker et bestemt underemne. Interne links mellem klyngesider signalerer en omfattende dækning til både Google og AI-systemer. Websites med 80%+ emnedækning bevarer 85,4% af deres AI-synlighed trods ustabile fan-out-forespørgsler, ifølge forskning fra WordLift.

Strukturér indholdet til afsnitshentning. Brug tydelige overskrifter, korte definitioner i starten af afsnit og selvstændige afsnit, der besvarer konkrete spørgsmål. AI-systemer udtrækker afsnit, ikke sider. Hvert afsnit skal kunne stå alene som værdifuldt.

Besvar nærliggende spørgsmål proaktivt. Hvis du skriver om „bedste CRM til små virksomheder“, så adressér også prissammenligninger, funktionsgennemgange, integrationsmuligheder og overvejelser ved migrering i samme artikel eller på tværs af linkede sider. Det er de delforespørgsler, AI vil generere.

Brug struktureret datamarkup. Schema-typer som FAQPage, HowTo og Article hjælper AI-systemer med at forstå dit indholds struktur og udtrække relevante afsnit mere effektivt. Det øger sandsynligheden for citering på tværs af fan-out-delforespørgsler.

Overvåg din AI-synlighed, ikke kun dine Google-placeringer. Traditionel rangeringsovervågning fortæller kun en del af historien. Du skal følge, hvor ofte AI-systemer citerer dit indhold, på hvilken position, og for hvilke prompts. Sorank's Keyword Query Fan-Out-værktøj er bygget specifikt til dette formål, analyserer præcis de søgeord, AI-modeller bruger, når de genererer svar i dit marked, og afslører muligheder, som traditionelle SEO-værktøjer ikke kan opdage.

Query Fan-Out vs. traditionel søgning: de vigtigste forskelle

At forstå forskellene mellem traditionel søgning og AI-søgning drevet af fan-out hjælper med at klargøre, hvorfor eksisterende strategier skal opdateres.

I traditionel søgning giver én forespørgsel ét sæt rangerede resultater. Søgemaskinen vurderer hele websider, matcher dem med søgeord og rangerer dem efter relevans og autoritetssignaler som backlinks. Brugerne klikker sig videre til websites for at finde information.

I AI-søgning med fan-out giver én forespørgsel 10 til 20 syntetiske delforespørgsler, der køres parallelt. Systemet henter afsnit, ikke sider, fra potentielt hundredvis af kilder. En LLM samler derefter disse afsnit i ét svar og citerer 3 til 8 kilder direkte. Brugeren besøger måske aldrig nogen af de citerede websites.

Skiftet har en afgørende forretningsmæssig konsekvens. Som Digiday rapporterer, er AI Mode designet på en måde, der gør eksterne klik svære at få. Alle delsøgningerne sker uden brugerens viden, og det syntetiserede svar tilfredsstiller ofte forespørgslen helt. For marketingfolk betyder det, at synlighed for brandet i AI-svar, via citater og omtaler, bliver lige så strategisk vigtigt som organisk trafik fra klik.

Emnemæssig autoritet i en fan-out-verden

Emnemæssig autoritet har altid haft betydning for SEO. Med query fan-out bliver den den primære drivkraft bag AI-synlighed.

Når et AI-system udvider en forespørgsel, søger det efter information på tværs af flere underemner samtidig. Hvis dit site dækker hele det semantiske område for et emne gennem søjlesider, støtteartikler og omfattende ressourceguider, bliver du en kandidat til citering på flere delforespørgsler fra ét enkelt brugerprompt.

Derfor er generatorer til emneklynger blevet centrale værktøjer. De kortlægger det semantiske landskab i din niche, identificerer indholdshuller og giver en struktureret udgivelsesplan, der opbygger autoritet systematisk i stedet for tilfældigt.

Data understøtter denne tilgang. Sider, der rangerer for flere fan-out-forespørgsler, øger markant deres sandsynlighed for citering på tværs af AI-platforme. Og fordi fan-out-forespørgsler er stokastiske, altså varierer på tværs af brugere og sessioner, giver bred emnedækning en modstandsdygtighed, som optimering af enkelte søgeord ikke kan matche.

Måling af succes i query fan-out-æraen

Traditionelle SEO-målinger er stadig vigtige, men de fortæller ikke længere hele historien. Optimering til query fan-out kræver yderligere målemetoder.

Antal AI-citater. Følg, hvor ofte AI-systemer citerer dit indhold på tværs af platforme, herunder ChatGPT, Perplexity, Google AI Overviews og Gemini. Det er den mest direkte indikator for fan-out-synlighed.

Citatets placering. Følg, om du bliver citeret først, som nummer to eller længere nede i AI-svar. Første omtale har en uforholdsmæssig stor vægt i brugernes opmærksomhed og tillid.

Andel af AI-stemmen. Sammenlign din AI-synlighed med konkurrenterne på centrale emner. At forstå, hvem der dominerer AI-svar i dit marked, afslører både trusler og muligheder. Sorank's GEO-klassement leverer præcis denne konkurrenceindsigt ved at rangere brands efter, hvor ofte AI-modeller nævner dem for bestemte prompts.

Rangeringer på emneniveau. Følg rangeringer ikke for enkelte søgeord, men for emneklynger og beslægtede fan-out-forespørgsler. En side kan rangere dårligt på et hovedsøgeord, men stadig blive citeret flittigt, fordi den dækker underemner grundigt.

Stemningen i brandomtaler. Analyser, hvordan AI-systemer fremstiller dit brand. Neutrale citater, positive anbefalinger eller optagelse i negative sammenhænge former alle forbrugernes opfattelse gennem AI-genererede svar.

Konklusion

Query fan-out er ikke en midlertidig trend. Det er den grundlæggende arkitektur for, hvordan AI-søgesystemer henter og samler information. Alle store platforme, fra Google AI Mode til ChatGPT og Perplexity, bruger denne teknik til at levere omfattende svar ud fra ét enkelt brugerprompt.

For SEO-specialister er den strategiske konsekvens klar: Stop med at optimere til isolerede søgeord, og begynd at bygge bred emnemæssig autoritet. Strukturér indhold til udtrækning på afsnitsniveau. Følg din AI-synlighed sammen med de traditionelle rangeringer. Og brug værktøjer, der er designet specifikt til dette nye paradigme.

Sorank's Keyword Query Fan-Out-funktionen analyserer præcis de semantiske mønstre, AI-modeller bruger i dit marked, og afslører de delforespørgsler og søgeord, der driver citater. Hvis du vil forstå, hvordan AI-søgning ser din niche, og hvor hullerne er, start din gratis prøveperiode og se dataene selv.

Ofte stillede spørgsmål