Was ist Query Fan-Out? Die KI-Suchtechnik, die verändert, wie Inhalte gefunden werden
Query Fan-Out ist die KI-Suchtechnik, die einen einzigen Prompt in Dutzende (und manchmal Hunderte) paralleler Teilanfragen verwandelt, von denen jede einen anderen Aspekt einer Antwort abruft, bevor ein LLM sie zu einer einzigen Antwort zusammenfügt.
Diese Methode treibt Googles AI Mode, ChatGPT und Perplexity an und bestimmt, welche Inhalte angezeigt und zitiert werden. Zu verstehen, wie Fan-Out funktioniert, ist heute eine Grundvoraussetzung für jede SEO- oder Content-Strategie, die für die Ära der KI-Suche ausgelegt ist.
Was ist Query Fan-Out?
Wenn du einem Modell eine Frage stellst, nimmt das KI-Suchsystem sie auf und erweitert sie zu mehreren parallelen Teilanfragen. Jede dieser Fragen geht dann auf die Suche nach bestimmten Informationen, und die endgültige Antwort, die du siehst, ist eine Synthese aus allem, was zurückkommt.
Der Begriff gewann 2024–2025 an Bedeutung, als Google begann, den AI Mode auszurollen. Ingenieure und SEOs begannen, seine Funktionsweise zu rekonstruieren, und was sie fanden, war nicht völlig neu. Klassische Query Expansion gibt es seit Jahrzehnten (das Hinzufügen von Synonymen oder verwandten Begriffen zu einer einzelnen Suche), aber Query Fan-Out ist kategorisch anders. Es verändert keine Anfrage – es ersetzt sie durch viele unabhängige, die gleichzeitig laufen.
So funktioniert es: Schritt für Schritt
Die Pipeline hinter Query Fan-Out hat vier klar abgegrenzte Phasen. Jede ist wichtig, denn jede ist ein potenzieller Punkt, an dem deine Inhalte entweder aufgenommen oder komplett übersprungen werden.
Schritt 1: Dekonstruktion
Die KI analysiert den Prompt des Nutzers und identifiziert jedes explizite und implizite Bedürfnis, das darin steckt.
Ein Prompt wie „bestes Projektmanagement-Tool für Remote-Teams" fragt nicht nur nach einer Produktempfehlung. Er fragt implizit auch nach Kollaborationsfunktionen, Preisen, Integrationen, Nutzerbewertungen und Vergleichen mit Alternativen. Das System extrahiert all dies als separate Abrufziele.
Schritt 2: Paralleler Abruf
Jede Teilanfrage geht gleichzeitig auf die Suche, um relevante Quellen abzurufen. Das ist der „Fan-Out"-Moment: Statt einer linearen Suche führt das System viele Suchen parallel aus. Das geschieht in Millisekunden.
Schritt 3: Quellen-Aggregation
Die Ergebnisse jeder Teilanfrage kommen zurück und werden gebündelt. Das System bewertet, welche Quellen autoritativ sind, welche redundant sind und welche Aspekte abdecken, die die anderen verpasst haben.
Schritt 4: Synthese
Das LLM nimmt den aggregierten Quellenpool und setzt eine endgültige Antwort zusammen. Hier wird dein Inhalt entweder zitiert oder verschwindet. Ausgeschlossen zu werden bedeutet nicht, dass dein Inhalt schlecht gerankt hat – es bedeutet, dass er nicht genug des Teilanfrage-Spektrums erfüllt hat, um die Aggregation zu überstehen.
Fan-Out über Plattformen hinweg
Nicht alle Plattformen setzen Query Fan-Out auf dieselbe Weise um. Umfang, Geschwindigkeit und Teilanfrage-Typen unterscheiden sich deutlich zwischen Google, ChatGPT und Perplexity.
| Plattform | Fan-Out-Umfang | Verhalten |
|---|---|---|
| Google AI Mode | Am aggressivsten – berichtet wird von Dutzenden bis Hunderten Teilanfragen | Zerlegt tief in verwandte, implizite und vergleichende Aspekte und synthetisiert dann mit Links |
| ChatGPT (Suche) | Moderat | Formuliert den Prompt um und erweitert ihn, führt eine Websuche durch und zitiert eine fokussierte Auswahl an Quellen |
| Perplexity | Fokussiert | Zerlegt den Prompt in einen kleineren Satz gezielter Teilanfragen, optimiert für schnelle, zitatreiche Antworten |
Die Erkenntnis liegt nicht in der genauen Anzahl auf einer bestimmten Plattform – diese Zahlen ändern sich. Sie liegt darin, dass sie alle deinen Prompt zerlegen, bevor sie antworten, sodass eine Seite, die nur die wörtliche Frage behandelt, im Nachteil ist.
Arten der erzeugten Teilanfragen
Zu verstehen, welche Teilanfrage-Typen deine Inhalte abdecken (und welche nicht), ist der Ausgangspunkt für jede Fan-Out-Optimierungsstrategie.
| Teilanfrage-Typ | Was abgerufen wird | Beispiel (aus „bestes CRM für Startups") |
|---|---|---|
| Umformulierungen | Dieselbe Absicht, mit Synonymen neu formuliert | „beste CRM-Software für Unternehmen in der Frühphase" |
| Verwandte | Angrenzende Themen, die den Nutzer wahrscheinlich interessieren | „CRM-Preise für kleine Teams" |
| Vergleichende | Direkte Vergleiche und Alternativen | „HubSpot vs. Pipedrive für Startups" |
| Implizite | Unausgesprochene Bedürfnisse, die im Prompt stecken | „CRM mit kostenlosem Tarif und einfachem Onboarding" |
| Aktualität | Frische oder zeitkritische Informationen | „beste Startup-CRMs 2026" |
| Entitäten-Erweiterung | Bestimmte Produkte, Funktionen oder Namen | „CRM-Integrationen mit Slack und Gmail" |
Die beiden am häufigsten übersehenen sind vergleichende und implizite Teilanfragen – die meisten Content-Teams optimieren für die gestellte Frage und ignorieren die unausgesprochene.
Warum Query Fan-Out für SEO wichtig ist
Query Fan-Out beeinflusst die klassischen Google-Rankings nicht direkt. Deine Blue-Link-Position wird von denselben Signalen bestimmt wie immer. Was Fan-Out verändert, ist, ob du innerhalb einer KI-generierten Antwort zitiert wirst.
- Das Zitier-Problem. Eine Seite kann für ein Keyword auf Platz 1 ranken und trotzdem nie in einer KI-Antwort erscheinen, wenn sie nur einen Teilanfrage-Typ erfüllt.
- LLM-Unsichtbarkeit. Das ist das Phänomen, bei dem eine Seite in der klassischen Suche rankt, aber nie in KI-Antworten zitiert wird. Fan-Out erhöht dieses Risiko: Je mehr Teilanfragen ein Prompt erzeugt, desto mehr Aspekte müssen deine Inhalte abdecken.
- Die Traffic-Auswirkung. AI Overviews und AI-Mode-Antworten senken die Klickraten für die Anfragen, bei denen sie erscheinen. Wenn deine Inhalte in diesen Antworten nicht zitiert werden, verlierst du auf beiden Ebenen Sichtbarkeit – unsichtbar in der KI-Antwort und weniger Klicks aus der SERP darunter.
So trackst du es
Standard-Rank-Tracker erfassen die Fan-Out-Präsenz überhaupt nicht. Sie können deine Position in einer SERP messen, verpassen aber Aufnahmen in KI-synthetisierten Antworten.
Tools, die speziell für das Monitoring der KI-Suche gebaut sind – wie der AI Tracker und das Prompt Tracking von SEOcrawl – messen Markenerwähnungen, Zitierrate und Share of Voice über ChatGPT, Claude, Gemini und Perplexity hinweg. Das sind die Metriken, die dir sagen, ob deine Inhalte die Fan-Out-Aggregation überstehen.
So optimierst du deine Inhalte für Query Fan-Out (7 Tipps)
Klassisches SEO optimiert eine Seite für ein Keyword. Fan-Out-Optimierung bedeutet, das gesamte Teilanfrage-Spektrum abzudecken, das ein Prompt wahrscheinlich erzeugt.
- Ordne Inhalte dem gesamten Teilanfrage-Spektrum zu. Bevor du einen Beitrag schreibst oder aktualisierst, frage dich: Welche impliziten, verwandten, vergleichenden und intentionsstarken Fragen könnte jemand haben, der diesen Prompt stellt? Das sind die Abschnitte, die du aufbauen solltest.
- Baue thematische Tiefe auf, nicht nur Breite. Eine KI, die Ergebnisse aggregiert, bevorzugt eine Quelle, die einen Teilanfrage-Aspekt tief behandelt, gegenüber einer, die jeden Aspekt nur oberflächlich streift.
- Strukturiere Inhalte so, dass die KI klare Antworten extrahieren kann. Jeder Abschnitt sollte für sich allein als Antwort auf eine bestimmte Frage stehen. Klare H2- und H3-Überschriften, prägnante Einleitungssätze pro Abschnitt und FAQ-Formatierung helfen KI-Systemen, während der Aggregation saubere Auszüge zu ziehen.
- Stärke E-E-A-T-Signale. Während der Aggregation bewertet die KI die Autorität. Autoren-Qualifikationen, eigene Daten, Primärquellen und klare redaktionelle Standards tragen alle dazu bei, ob deine Inhalte überleben.
- Nutze FAQ- und Strukturierte-Daten-Markup. FAQ-Schema ist eines der klarsten Signale dafür, dass ein Inhalt darauf ausgelegt ist, bestimmte Anfragen zu beantworten – genau das, wonach der Fan-Out-Abruf sucht.
- Antizipiere vergleichende und implizite Teilanfragen. Diese werden am häufigsten übersehen. Baue Vergleichsabschnitte auch auf Seiten ein, bei denen es nicht explizit um Vergleiche geht, und gehe auf Einwände, Alternativen und Sonderfälle ein.
- Wende es auch auf deine eigenen Prompts an. Wenn du KI-Agenten oder agentische Workflows baust, verändert das Verständnis von Fan-Out, wie du Master-Prompts schreibst. Ein Prompt, der seine eigene Zerlegung antizipiert (eine Aufgabe vorab in Teilaufgaben zerlegt), liefert bessere Ergebnisse als einer, der die gesamte Zerlegung dem Modell überlässt.
Wenn du das größere Rahmenwerk dahinter willst: Unser Leitfaden zur generativen Engine-Optimierung erklärt, wie Fan-Out in den weiteren Wandel von SEO zu GEO passt.
FAQs
Was ist Query Fan-Out in der KI-Suche?
Query Fan-Out ist der Prozess, bei dem ein KI-System einen einzelnen Prompt in mehrere parallele Teilanfragen erweitert, um umfassende Informationen abzurufen. Es wird von Google AI Mode, ChatGPT und Perplexity eingesetzt.
Wie viele Teilanfragen erzeugt Query Fan-Out?
Das hängt von der Plattform und der Komplexität der Anfrage ab – von einer Handvoll bis zu Dutzenden oder Hunderten, die gleichzeitig laufen. Google AI Mode erzeugt Berichten zufolge das aggressivste Fan-Out unter den großen KI-Systemen.
Beeinflusst Query Fan-Out die klassischen SEO-Rankings?
Nicht direkt. Fan-Out beeinflusst die Aufnahme und Zitierung in KI-Antworten, nicht die klassischen Blue-Link-Rankings. Aber sinkende Klickraten aus KI-Antworten wirken sich auf den organischen Traffic der betroffenen Anfragen aus.
Wie optimiere ich meine Inhalte für Query Fan-Out?
Baue eine umfassende thematische Abdeckung auf, antizipiere implizite und vergleichende Teilanfragen, nutze strukturierte Daten und stärke E-E-A-T-Signale, damit deine Inhalte über mehrere Teilanfrage-Typen hinweg zitiert werden.
Was ist LLM-Unsichtbarkeit?
Das Phänomen, bei dem eine Seite in der klassischen Suche gut rankt, aber nie in KI-generierten Antworten zitiert wird. Fan-Out erhöht das Risiko, weil Inhalte ein breiteres Spektrum an Teilanfragen erfüllen müssen, um in die synthetisierte Antwort aufgenommen zu werden.
Ist Query Fan-Out dasselbe wie Query Expansion?
Nein. Klassische Query Expansion fügt einer einzelnen Suche Synonyme oder verwandte Begriffe hinzu. Query Fan-Out erzeugt vollständig eigenständige, parallele Teilanfragen, die jeweils unabhängig abgerufen und synthetisiert werden.
Gilt Query Fan-Out auch außerhalb der Suche?
Ja. In agentischen KI-Workflows wird ein Master-Prompt auf ähnliche Weise in Teilaufgaben zerlegt. Fan-Out zu verstehen, ist für Entwickler und KI-Produktteams relevant, nicht nur für SEOs.
Autor: David Kaufmann
In den letzten über 10 Jahren habe ich mich komplett dem SEO verschrieben — und ehrlich gesagt möchte ich es nicht anders haben.
Meine Karriere erreichte eine neue Stufe, als ich als Senior SEO Specialist für Chess.com gearbeitet habe — eine der 100 meistbesuchten Websites im gesamten Internet. In dieser Größenordnung zu arbeiten, über Millionen von Seiten, Dutzende Sprachen und in einer der umkämpftesten SERPs überhaupt, hat mich Dinge gelehrt, die kein Kurs und kein Zertifikat je vermitteln könnte. Diese Erfahrung hat meine Sichtweise darauf verändert, wie großartiges SEO wirklich aussieht — und sie wurde zum Fundament für alles, was ich seitdem aufgebaut habe.
Aus dieser Erfahrung heraus habe ich SEO Alive gegründet — eine Agentur für Marken, die es mit organischem Wachstum ernst meinen. Wir sind nicht hier, um dashboards und monatliche Reports zu verkaufen. Wir sind hier, um Strategien zu entwickeln, die wirklich etwas bewegen, indem wir das Beste aus dem klassischen SEO mit der spannenden neuen Welt der Generative Engine Optimization (GEO) verbinden — damit deine Marke nicht nur in den blauen Links von Google auftaucht, sondern auch in den AI-generierten Antworten, die ChatGPT, Perplexity und Google AI Overviews tagtäglich Millionen von Menschen liefern.
Und weil ich kein Tool finden konnte, das beide Welten richtig abdeckt, habe ich selbst eines gebaut — SEOcrawl, eine Enterprise-SEO-Intelligence-Plattform, die rankings, technische Audits, backlinks-Monitoring, crawl-Health und AI-Brand-Visibility-Tracking an einem Ort vereint. Es ist die Plattform, die ich mir immer gewünscht habe.
Entdecke weitere Inhalte von diesem Autor
