Steigern Sie Ihren organischen Traffic aus Google und KI, vollautomatisch.

Was ist Query Fan-Out? Wie KI-Suche die SEO-Regeln neu schreibt

Query Fan-Out ist die Technik, mit der KI-Systeme eine Anfrage in mehrere Unterabfragen aufteilen. Erfahren Sie, wie es funktioniert, warum es für SEO wichtig ist und wie Sie es optimieren können.

Wenn jemand eine Frage in Google AI Mode, ChatGPT oder Perplexity eingibt, ordnet das System keine Keywords einfach Web-Seiten zu. Es zerlegt die Anfrage in ein Geflecht verwandter Unterabfragen, sucht nach allen gleichzeitig und fasst die Ergebnisse zu einer einzigen Antwort zusammen. Dieser Prozess heißt Query Fan-Out und stellt die bedeutsamste Veränderung der Sucharchitektur seit dem Mobile-First-Indexing dar.

Für SEO-Profis und Marketing-Teams ist das Verständnis von Query Fan-Out nicht länger optional. Forschungen von iPullRank bestätigen, dass KI-Suchanfragen heute durchschnittlich 70 bis 80 Wörter umfassen, verglichen mit nur 3 oder 4 bei der klassischen Google-Suche. Das alte Modell der Optimierung auf ein einzelnes Keyword erfasst das Gesamtbild nicht mehr. Dieser Artikel erklärt, was Query Fan-Out ist, wie es auf den verschiedenen Plattformen funktioniert und was Sie jetzt tun sollten.

Was ist Query Fan-Out?

Query Fan-Out ist eine Technik zur Informationsgewinnung, bei der KI-Suchsysteme eine einzelne Nutzeranfrage in mehrere, eigenständige Unterabfragen erweitern. Anstatt eine Suche als eine isolierte Anfrage zu behandeln, zerlegt die KI sie in verschiedene thematische Aspekte, führt alle parallel aus und fasst die gewonnenen Informationen zu einer umfassenden Antwort zusammen.

Stellen Sie sich einen Nutzer vor, der nach „beste CRM-Software für kleine Unternehmen“ sucht. Eine klassische Suchmaschine liefert eine Rangliste von Seiten, die dieser Phrase entsprechen. Ein KI-System mit Query Fan-Out erzeugt Unterabfragen wie „beste kostenlose CRM-Tools“, „CRM mit E-Mail-Automatisierung“, „HubSpot vs. Zoho für kleine Teams“ und „CRM-Preisvergleich 2026“. Jede Unterabfrage liefert unterschiedliche Quellen, und die KI fasst die relevantesten Passagen zu einer Antwort zusammen.

Google beschrieb diesen Mechanismus offiziell auf der Google I/O 2025 und erklärte, dass AI Mode eine spezielle Gemini-Version nutzt, um Fragen in Unterthemen aufzuteilen und im Namen des Nutzers mehrere Anfragen gleichzeitig zu stellen. Die Technik ist auch in Googles Thematic Search Patent dokumentiert, das im Dezember 2024 eingereicht wurde und Fan-Out-Anfragen als „Themen“ bezeichnet.

Wie Query Fan-Out unter der Haube funktioniert

Die Mechanismen von Query Fan-Out folgen einer strukturierten Abfolge, die vollständig im Backend abläuft und für den Nutzer unsichtbar ist.

Schritt 1: Anfrageanalyse. Das KI-Modell empfängt die Nutzereingabe und bewertet, ob eine Zerlegung erforderlich ist. Einfache Faktenfragen („Wie spät ist es in Tokio?“) lösen möglicherweise kein Fan-Out aus. Komplexe, vielschichtige Fragen fast immer.

Schritt 2: Generierung von Unterabfragen. Das LLM generiert mehrere Unterabfragen, die verschiedene Aspekte der ursprünglichen Frage abdecken sollen. Googles Patent identifiziert acht verschiedene Anfragetypen, die das System erzeugen kann, von Vergleichsanfragen bis hin zu impliziten Folgefragen.

Schritt 3: Parallele Abrufung. Alle Unterabfragen werden gleichzeitig über mehrere Datenquellen ausgeführt. Bei Google AI Mode geschieht dies über Googles eigene Infrastruktur, den Knowledge Graph und den Shopping Graph. Bei ChatGPT läuft der Abruf über Bing. Parallele Ausführung ist entscheidend, da das gleichzeitige Ausführen von 15 Anfragen ungefähr genauso lange dauert wie das Ausführen einer.

Schritt 4: Passagen-Extraktion und Ranking. Anstatt ganze Web-Seiten zu bewerten, identifizieren und extrahieren KI-Systeme spezifische Passagen, die jede Unterabfrage am besten beantworten. Dies nennt sich passagenbasierter Abruf, und es bedeutet, dass ein einzelner Absatz tief in Ihren Inhalten auftauchen und zitiert werden kann.

Schritt 5: Synthese und Antwortgenerierung. Die KI kombiniert die relevantesten Passagen zu einer kohärenten, strukturierten Antwort mit eingebetteten Zitaten, die zurück zum Quellmaterial verweisen.

Welche Plattformen nutzen Query Fan-Out?

Query Fan-Out ist nicht exklusiv für Google. Es ist zur Standard-Abrufarchitektur aller großen KI-Suchplattformen geworden, wobei jede es unterschiedlich implementiert.

Google AI Mode verwendet ein eigenes Gemini-Modell, das speziell für die Zerlegung von Anfragen entwickelt wurde. Standardanfragen erzeugen 8 bis 12 Unterabfragen, bei Deep Search können es Hunderte sein. Google stellte dies auf der I/O 2025 vor und hat das System seitdem mit Gemini 3 aufgerüstet, das noch mehr Suchen durchführt und Absichten präziser versteht.

ChatGPT führt Fan-Out über die Suchinfrastruktur von Bing aus. Wenn das Browsen aktiviert ist, generiert das Modell mehrere Suchanfragen, die in der Benutzeroberfläche sichtbar sind. Nutzer können dies direkt mithilfe von Browser-Erweiterungen beobachten, die die von ChatGPT im Hintergrund ausgelösten Unterabfragen anzeigen.

Perplexity zeigt seinen Fan-Out-Prozess transparent an und zeigt den Nutzern die generierten Unterabfragen und die konsultierten Quellen. Dies macht es besonders nützlich, um zu verstehen, wie KI-Suche Absichten zerlegt.

Google AI Overviews nutzen ebenfalls Fan-Out, allerdings in begrenzterem Umfang als der vollständige AI Mode. Das System generiert thematische Gruppierungen und zieht passagenweise Informationen aus mehreren Quellen, um das Übersichtspanel zu erstellen.

Warum Query Fan-Out für SEO wichtig ist

Query Fan-Out bricht das traditionelle SEO-Modell grundlegend auf. Die Verschiebung lässt sich in einem Vergleich zusammenfassen:

Altes Modell: Eine Anfrage führt zu einer SERP. Seiten auf den Positionen 1 bis 10 erhalten Traffic.
Neues Modell: Eine Anfrage generiert 10 bis 20 Unterabfragen. Hunderte von Seiten werden abgerufen. Die KI wählt die besten Passagen aus und zitiert 3 bis 8 Quellen.

Dies hat mehrere konkrete Auswirkungen auf die Content-Strategie.

Erstens überwiegt thematische Autorität nun gegenüber Single-Keyword-Rankings. Forschungen von Surfer SEO analysierten über 173.000 URLs und stellten fest, dass Seiten, die für mehrere Fan-Out-Anfragen ranken, 161 % häufiger in Googles AI Overviews zitiert werden. Die Abdeckung eines Themen-Clusters ist wichtiger als Position eins für einen Head-Term.

Zweitens wird die Optimierung auf Passagenebene unerlässlich. KI-Systeme bewerten keine ganzen Seiten. Sie extrahieren spezifische Passagen, die Unterabfragen direkt beantworten. Das bedeutet, dass jeder Abschnitt Ihrer Inhalte eigenständigen Wert liefern muss, mit klaren Definitionen, spezifischen Datenpunkten und strukturierter Formatierung, die die Extraktion erleichtert.

Drittens sind Fan-Out-Anfragen von Natur aus instabil. Nur etwa 27 % der Fan-Out-Anfragen bleiben bei wiederholten Suchen nach demselben Prompt konsistent. Das Verfolgen einzelner Unterabfragen ist keine skalierbare Strategie. Der Aufbau umfassender thematischer Abdeckung schon.

Wie Sie Ihre Inhalte für Query Fan-Out optimieren

Die Anpassung an Query Fan-Out erfordert eine Verschiebung von einer keyword-zentrischen zu einer themen-zentrischen Content-Strategie. Hier sind die Kernprinzipien.

Bauen Sie thematische Cluster auf, keine isolierten Seiten. Organisieren Sie Ihre Inhalte um breite Themen, wobei jede Seite ein spezifisches Unterthema behandelt. Interne Verlinkung zwischen Cluster-Seiten signalisiert umfassende Abdeckung sowohl für Google als auch für KI-Systeme. Websites mit mehr als 80 % thematischer Abdeckung behalten laut WordLift-Forschung 85,4 % ihrer KI-Sichtbarkeit trotz Fan-Out-Anfrage-Instabilität.

Strukturieren Sie Inhalte für den Passagenabruf. Verwenden Sie klare Überschriften, präzise Definitionen am Anfang von Abschnitten und eigenständige Absätze, die spezifische Fragen beantworten. KI-Systeme extrahieren Passagen, keine Seiten. Jeder Abschnitt sollte unabhängig wertvoll sein.

Beantworten Sie angrenzende Fragen proaktiv. Wenn Sie über „bestes CRM für kleine Unternehmen“ schreiben, behandeln Sie auch Preisvergleiche, Funktionsübersichten, Integrationsmöglichkeiten und Migrationsfragen im selben Beitrag oder auf verlinkten Seiten. Genau diese Unterabfragen wird die KI erzeugen.

Verwenden Sie Markup für strukturierte Daten. Schema-Typen wie FAQPage, HowTo und Article helfen KI-Systemen, die Struktur Ihrer Inhalte zu verstehen und relevante Passagen effizienter zu extrahieren. Dies erhöht die Wahrscheinlichkeit einer Zitation über Fan-Out-Unterabfragen.

Überwachen Sie Ihre KI-Sichtbarkeit, nicht nur Google-Rankings. Traditionelles Rank-Tracking erzählt nur einen Teil der Geschichte. Sie müssen verfolgen, wie oft KI-Systeme Ihre Inhalte zitieren, an welcher Position und für welche Prompts. Soranks Keyword Query Fan-Out Tool wurde speziell für diesen Zweck entwickelt: Es analysiert genau die Keywords, die KI-Modelle bei der Generierung von Antworten in Ihrem Markt verwenden, und deckt Chancen auf, die klassische SEO-Tools nicht erkennen.

Query Fan-Out vs. traditionelle Suche: Die wichtigsten Unterschiede

Das Verständnis der Unterschiede zwischen traditioneller Suche und Fan-Out-gesteuerter KI-Suche verdeutlicht, warum bestehende Strategien aktualisiert werden müssen.

Bei der traditionellen Suche liefert eine Anfrage einen Satz von Ranking-Ergebnissen. Die Suchmaschine bewertet ganze Web-Seiten, gleicht sie mit Keywords ab und ordnet sie nach Relevanz und Autoritätssignalen wie Backlinks. Nutzer klicken sich zu Websites durch, um Informationen zu finden.

Bei der KI-Suche mit Fan-Out erzeugt eine Anfrage 10 bis 20 synthetische Unterabfragen, die parallel ausgeführt werden. Das System ruft Passagen ab, keine Seiten, aus potenziell Hunderten von Quellen. Ein LLM fasst diese Passagen dann zu einer einzigen Antwort zusammen und zitiert dabei direkt 3 bis 8 Quellen. Der Nutzer besucht möglicherweise keine der zitierten Websites.

Diese Verschiebung hat eine entscheidende geschäftliche Auswirkung. Wie Digiday berichtet, ist AI Mode so gestaltet, dass externe Klicks schwer zu erzielen sind. Alle Teilsuchen laufen ab, ohne dass der Nutzer es bemerkt, und die zusammengefasste Antwort beantwortet die Anfrage oft vollständig. Für Marketer bedeutet das, dass Markensichtbarkeit in KI-Antworten durch Zitate und Erwähnungen strategisch genauso wichtig wird wie organischer Klick-Traffic.

Die Rolle von thematischer Autorität in einer Fan-Out-Welt

Thematische Autorität war schon immer wichtig für SEO. Mit Query Fan-Out wird sie zum primären Treiber der KI-Sichtbarkeit.

Wenn ein KI-System eine Anfrage ausfächert, sucht es gleichzeitig nach Informationen zu mehreren Unterthemen. Wenn Ihre Website den gesamten semantischen Bereich eines Themas abdeckt, durch Pillar-Pages, unterstützende Artikel und umfassende Ressourcenführer, werden Sie zum Kandidaten für Zitate bei mehreren Unterabfragen aus einem einzigen Nutzerprompt.

Deshalb sind Themen-Cluster-Generatoren zu unverzichtbaren Tools geworden. Sie kartieren die semantische Landschaft Ihrer Nische, identifizieren Content-Lücken und bieten eine strukturierte Veröffentlichungs-Roadmap, die Autorität systematisch statt zufällig aufbaut.

Die Daten unterstützen diesen Ansatz. Seiten, die für mehrere Fan-Out-Anfragen ranken, erhöhen ihre Zitations-Wahrscheinlichkeit auf KI-Plattformen erheblich. Und da Fan-Out-Anfragen stochastisch sind, d. h. je nach Nutzer und Sitzung variieren, bietet breite thematische Abdeckung eine Resilienz, die Single-Keyword-Optimierung nicht erreichen kann.

Erfolg messen im Zeitalter von Query Fan-Out

Traditionelle SEO-Metriken bleiben wichtig, erzählen aber nicht mehr die vollständige Geschichte. Query Fan-Out-Optimierung erfordert zusätzliche Messansätze.

KI-Zitationsvolumen. Verfolgen Sie, wie häufig KI-Systeme Ihre Inhalte auf verschiedenen Plattformen zitieren, darunter ChatGPT, Perplexity, Google AI Overviews und Gemini. Dies ist der direkteste Indikator für Fan-Out-Sichtbarkeit.

Zitationsposition. Überwachen Sie, ob Sie in KI-Antworten an erster, zweiter oder niedrigerer Stelle zitiert werden. Erste Erwähnungen haben unverhältnismäßig großes Gewicht bei der Aufmerksamkeit und dem Vertrauen der Nutzer.

Share of Voice in der KI. Vergleichen Sie Ihre KI-Sichtbarkeit bei wichtigen Themen mit der Ihrer Wettbewerber. Wer die KI-Antworten in Ihrem Markt dominiert, zeigt Ihnen Risiken und Chancen zugleich. Soranks GEO-Leaderboard liefert genau diese Wettbewerbsintelligenz und ordnet Marken danach, wie oft KI-Modelle sie für bestimmte Prompts erwähnen.

Themen-Level-Rankings. Verfolgen Sie Rankings nicht für einzelne Keywords, sondern für Themen-Cluster und verwandte Fan-Out-Anfragen. Eine Seite kann für einen Head-Term schlecht ranken, aber dennoch stark zitiert werden, weil sie Unterthemen umfassend abdeckt.

Markenstimmungsanalyse. Analysieren Sie, wie KI-Systeme Ihre Marke darstellen. Neutrale Zitate, positive Empfehlungen oder Einbindung in negative Kontexte prägen alle die Verbraucherwahrnehmung durch KI-generierte Antworten.

Fazit

Query Fan-Out ist kein vorübergehender Trend. Es ist die grundlegende Architektur, wie KI-Suchsysteme Informationen abrufen und synthetisieren. Jede große Plattform, von Google AI Mode über ChatGPT bis Perplexity, nutzt diese Technik, um umfassende Antworten auf eine einzelne Nutzeranfrage zu liefern.

Für SEO-Profis ist die strategische Reaktion klar: Hören Sie auf, für isolierte Keywords zu optimieren, und beginnen Sie, umfassende thematische Autorität aufzubauen. Strukturieren Sie Inhalte für die Extraktion auf Passagenebene. Überwachen Sie Ihre KI-Sichtbarkeit neben traditionellen Rankings. Und verwenden Sie Tools, die speziell für dieses neue Paradigma entwickelt wurden.

Soranks Keyword-Query-Fan-Out-Funktion analysiert die genauen semantischen Muster, auf die sich KI-Modelle in Ihrem Markt stützen, und enthüllt die Unterabfragen und Keywords, die Zitate antreiben. Wenn Sie verstehen möchten, wie KI-Suche Ihre Nische sieht und wo die Lücken sind, starten Sie Ihre kostenlose Testversion und sehen Sie die Daten selbst.

Häufig gestellte Fragen