Kurzantwort: Query-Fan-out ist die Art, wie KI-Suchsysteme — Googles AI Mode, ChatGPT, Perplexity — eine Frage behandeln: Statt eine einzige Suche nach dem einzutippen, was der Nutzer geschrieben hat, zerlegen sie die Frage stillschweigend in viele kleinere Teilanfragen („fächern sie auf"), suchen alle parallel und setzen die Antwort aus den Quellen zusammen, die die einzelnen Teile am besten beantworten. Die praktische Konsequenz für Ihr Unternehmen: Sie konkurrieren nicht mehr um das Ranking für ein Keyword — Sie konkurrieren darum, die beste Antwort auf ein Dutzend verborgener Teilfragen zu sein, die Sie nie zu sehen bekommen. Seiten, die diese Teilfragen abdecken, werden deutlich häufiger zitiert: Eine Korrelationsanalyse aus 2025 fand, dass Seiten mit Rankings für Fan-out-Teilanfragen mit 161 % höherer Wahrscheinlichkeit in AI Overviews zitiert wurden als Seiten, die nur für die Hauptanfrage ranken.
Hier ist, wie es funktioniert, wie Sie die verborgenen Teilanfragen selbst sehen können und wie Sie Inhalte dafür umbauen — in klarer Sprache.
Was passiert wirklich, wenn jemand einer KI eine Frage stellt?
Angenommen, ein Kunde fragt: „Welcher Laufschuh ist der beste fürs Marathontraining?"
Eine klassische Suchmaschine würde genau diese eine Anfrage ausführen und Seiten dagegen ranken. Ein KI-Suchsystem zerlegt die Frage stattdessen in Teilanfragen — etwa: „Laufschuhe für lange Distanzen", „Dämpfung Marathonschuh", „langlebige Schuhe für hohe Kilometerleistung", „Laufschuhe für schmale Füße", „beste Laufschuhe 2026". Dann ruft es für jede Teilanfrage parallel Ergebnisse ab, aggregiert die stärksten Quellen über alle hinweg und synthetisiert eine einzige Antwort — und zitiert die Handvoll Seiten, die einzelne Teile am besten beantwortet haben.
Die Intensität variiert je nach Engine: Verhaltensanalysen zeigen, dass Googles AI Mode am aggressivsten auffächert (manchmal Dutzende Teilanfragen), ChatGPT moderat, und Perplexity vergleichsweise fokussiert bleibt. Aber alle drei arbeiten so — weshalb Fan-out als die größte Verschiebung in der Inhalts-Beschaffung seit der semantischen Suche bezeichnet wurde.
Warum sollte das einen Unternehmer interessieren?
Drei Gründe, jeder mit einer Zahl:
1. Die Abdeckung der Teilanfragen — nicht das Haupt-Keyword-Ranking — sagt Zitate voraus. Die oben erwähnte Analyse aus 2025 (Spearman-Korrelation auf Semrush-Daten) fand den 161-%-Zitatvorteil für Seiten mit Rankings auf Fan-out-Teilanfragen — und, noch auffälliger: Seiten, die nur für Teilanfragen ranken (gar nicht für den Hauptbegriff), hatten immer noch eine 49 % höhere Zitatwahrscheinlichkeit als Seiten, die nur für den Hauptbegriff ranken. Die beste Antwort auf ein Fragment zu sein schlägt eine mittelmäßige Antwort aufs Ganze.
2. Sie können auf Platz 4 stehen und trotzdem die Antwort gewinnen. Rund 52 % der in Googles AI Overviews zitierten Quellen ranken irgendwo in den Top 10 — nicht unbedingt auf Platz 1 (AIOSEO, 2025). KI-Systeme zitieren, wer die Teilfrage am besten beantwortet — eine kleinere Website mit einer schärferen, spezifischeren Antwort wird also regelmäßig vor dem Erstplatzierten zitiert. Fan-out ist, im Stillen, der kleinunternehmerfreundlichste Mechanismus der modernen Suche.
3. Ihr Rank-Tracker sieht davon nichts. Ein klassischer Rank-Tracker misst Ihre Position fürs Haupt-Keyword. Ob Sie für die zwölf unsichtbaren Teilanfragen abgerufen werden — wo die Zitatentscheidung tatsächlich fällt — weiß er nicht. Wenn Ihre gut rankenden Seiten nicht in KI-Antworten auftauchen, ist fehlende Teilanfragen-Abdeckung die häufigste Erklärung.
Wie kann ich die verborgenen Teilanfragen selbst sehen?
Das ist der Teil, den die meisten Ratgeber überspringen, und er ist wirklich nützlich — der Fan-out ist nicht völlig geheim:
- Googles AI Mode zeigt auf Antworten manchmal einen Hinweis auf die „ausgeführten Suchen" — lesen Sie ihn; das ist buchstäblich die Fan-out-Liste.
- ChatGPT: Das Suchverhalten lässt sich in den Entwicklertools des Browsers beobachten, und kostenlose Browser-Erweiterungen extrahieren die Teilanfragen aus einer ChatGPT-Antwort.
- Geminis Grounding-API legt die Anfragen offen, auf die sie sich stützt — für technisch Interessierte.
- Einfache Näherungen: Googles „Ähnliche Fragen"-Boxen sind typischerweise eine Teilmenge der Fan-out-Teilanfragen, und Frage-Mapping-Werkzeuge (wie AlsoAsked) zeichnen den Fragenbaum um ein Thema.
Schicken Sie Ihre wichtigste Kundenfrage durch zwei dieser Methoden und schreiben Sie die Teilanfragen auf. Diese Liste ist Ihr Content-Plan.
Wie optimiere ich für Query-Fan-out? (Ohne in die Falle zu tappen)
Der Kernzug: Jede wichtige Seite soll den Themencluster beantworten, nicht nur das Keyword.
Kartieren Sie zuerst das Spektrum der Teilanfragen. Sammeln Sie für Ihre umsatzrelevante Frage die Teilanfragen mit den obigen Methoden. Achten Sie besonders auf die zwei Typen, die Analysten am häufigsten vermissen: vergleichende Teilanfragen („X vs. Y", „Alternativen zu X") und implizite (die Frage hinter der Frage — wer nach Marathonschuhen fragt, fragt implizit nach Haltbarkeit, Preis und Passform).
Geben Sie jeder Teilanfrage eine eigene H2/H3-Sektion, beantwortet in den ersten ein, zwei Sätzen. Modulare Struktur auf Passagen-Ebene zählt, weil die KI Abschnitte auswählt und zitiert, keine ganzen Seiten. (Das ist dasselbe Extrahierbarkeits-Prinzip wie Antwort-zuerst-Schreiben — Fan-out ist der Grund, warum es funktioniert.)
Laden Sie den Seitenanfang auf. Eine Analyse fand, dass 44,2 % aller LLM-Zitate aus den ersten 30 % eines Dokuments stammen. Ihre wertvollsten Antworten gehören nicht in den Keller einer 4.000-Wörter-Seite.
Nutzen Sie Tabellen und Listen für die vergleichenden Teilanfragen. Strukturierte Formate werden für Vergleichs-Teilfragen weit zuverlässiger extrahiert als Fließtext.
Eine tiefe Seite schlägt zehn dünne. Fan-out belohnt umfassende thematische Abdeckung auf einer einzigen belastbaren Seite — das Gegenteil des alten Ein-Keyword-eine-Seite-Playbooks. Ein dokumentiertes B2B-Beispiel gewann rund 30 neue rankende Keywords durch die Überarbeitung einer einzigen Seite, ergänzt um acht Teilanfragen-H2-Sektionen.
Die Falle: einzelnen Fan-out-Anfragen hinterherzujagen, als wären sie Keywords. Die Teilanfragen sind probabilistisch und personalisiert — sie unterscheiden sich zwischen Läufen und Nutzern. Wie eine Analyse es formuliert: Optimieren Sie für die Themen, die der Fan-out in Summe offenlegt, nicht für die konkreten Zeichenketten; Hyper-Longtail-Fragmente einzeln zu jagen verbrennt Budget für nichts. Decken Sie den Cluster ab; stalken Sie nicht die Fragmente.
Was ändert das daran, wie „Erfolg" aussieht?
Die Messung wandert von der Position zur Präsenz. In einer synthetisierten Antwort gibt es keinen Platz 1 — nur die Häufigkeit, mit der Sie über viele Antworten auf viele verwandte Fragen hinweg auftauchen. Das heißt: Zitatrate und Share of Voice über Engines hinweg verfolgen, wiederholt gemessen (KI-Antworten variieren von Lauf zu Lauf), statt einer täglichen Ranking-Zahl. Klassische Rank-Tracker erfassen Fan-out-Exposition überhaupt nicht — genau die Messlücke, für die SeeGeo gebaut ist: Der kostenlose Audit bewertet, ob Ihre Schlüsselseiten so strukturiert sind, wie Fan-out-Retrieval es belohnt — Antwort-zuerst-Sektionen, zitierfähige Passagen — und das Tracking misst, wie oft KI-Antworten Sie tatsächlich nennen, wiederholt über die Zeit.
Das Fazit in einem Satz: Ihr Kunde stellt eine Frage, die KI stellt in seinem Namen zwanzig, und das Unternehmen, das die meisten dieser zwanzig beantwortet — klar, weit oben auf der Seite, in zitierfähigen Abschnitten — wird genannt.
Häufige Fragen
Was bedeutet Query-Fan-out in einfachen Worten? Wenn Sie einem KI-Suchsystem eine Frage stellen, zerlegt es sie heimlich in viele kleinere, verwandte Suchen, führt alle gleichzeitig aus und baut seine Antwort aus den Quellen, die die einzelnen Teile am besten beantworten. Ihr Inhalt konkurriert gegen diese verborgenen Teilfragen, nicht nur gegen die Wörter, die der Nutzer getippt hat.
Ist Query-Fan-out dasselbe wie Keyword-Varianten? Nein. Klassische Anfrage-Erweiterung verbreitert eine Suche mit ähnlichen Keywords; Fan-out erzeugt eigenständige, fokussierte Teilfragen zu verschiedenen Facetten und Absichten — einschließlich Vergleichen und impliziten Bedürfnissen, die der Nutzer nie getippt hat. Es ist der Unterschied zwischen Synonymen und Anschlussfragen.
Ersetzt Query-Fan-out klassisches SEO? Es baut darauf auf. Backlinks, technische Gesundheit und Seitenautorität beeinflussen weiterhin stark, welche Quellen abgerufen werden — rund die Hälfte der AI-Overview-Zitate stammt von Top-10-Seiten. Fan-out-Optimierung ist additiv: Starkes SEO bringt Sie in den Abruf-Pool; Teilanfragen-Abdeckung sorgt dafür, dass Sie daraus zitiert werden.
Wie viele Teilanfragen erzeugt eine KI pro Frage? Das variiert nach Engine und Komplexität der Frage — von einer Handvoll bis zu Dutzenden. Googles AI Mode fächert beobachtbar am aggressivsten auf, ChatGPT moderat, Perplexity am engsten. Die konkrete Menge ändert sich auch zwischen Läufen — deshalb schlägt die Optimierung aggregierter Themen die Jagd nach einzelnen Zeichenketten.
Woher weiß ich, ob meine Seite den Fan-out meines Themas abdeckt? Sammeln Sie die Teilanfragen (die „ausgeführten Suchen" des AI Mode, Extraktions-Erweiterungen für ChatGPT, Ähnliche Fragen), und prüfen Sie dann, ob Ihre Seite für jedes Thema eine klar betitelte Sektion hat, die es in den ersten Sätzen direkt beantwortet. Fehlen vergleichende und Preis-Teilfragen — die am häufigsten übersehenen Typen — fangen Sie dort an. Ein automatisierter Extrahierbarkeits-Audit kann das für Ihre ganze Website auf einmal bewerten.