KI-Technik
Query Fan-Out
Kurz gesagt: Query Fan-Out ist das Verfahren, eine Nutzerfrage automatisch in mehrere verwandte Teilsuchen aufzufächern, diese parallel auszuführen und die Treffer zu einer Antwort zusammenzuführen.
Query Fan-Out kurz erklärt
Query Fan-Out beschreibt, wie KI-Suchsysteme mit komplexen Fragen umgehen. Statt die Anfrage als Ganzes gegen den Index zu stellen, erzeugt das Modell mehrere abgeleitete Suchanfragen zu Teilaspekten und angrenzenden Themen. Google hat den Begriff zur I/O im Mai 2025 für den AI Mode öffentlich gemacht und dokumentiert ihn inzwischen auch für AI Overviews. Abzugrenzen ist die klassische Query Expansion, die eine Anfrage nur um Synonyme erweitert, statt sie in eigenständige Teilfragen zu zerlegen.
Warum das für deine KI-Sichtbarkeit zählt
Google erklärt das Verfahren in seiner Doku mit einem Beispiel. Auf die Frage „how to fix a lawn that's full of weeds“ könnten Teilsuchen wie „best herbicides for lawns“, „remove weeds without chemicals“ und „how to prevent weeds in lawn“ folgen. Die Treffer dieser Suchen fließen gemeinsam in die Antwort. Für Deep Research-Funktionen treibt Google das weiter: Deep Search im AI Mode kann laut Google Hunderte Suchen ausführen und daraus einen Bericht mit Quellen erstellen. Auch andere Systeme wie Perplexity oder ChatGPT Search führen zu einer Frage mehrere Suchen aus, dokumentieren das aber weniger genau.
Die praktische Konsequenz ist eine Verschiebung der Optimierungseinheit. Nicht mehr nur die Seite konkurriert um ein Keyword, sondern die Passage um eine Teilfrage. Eine Seite kann in eine Antwort einfließen, ohne je zur ursprünglichen Frage gerankt zu haben. Das erklärt, warum Passage Ranking und klar gegliederte Abschnitte in der KI-Suche an Gewicht gewinnen.
Die naheliegende Reaktion ist zugleich die riskanteste: für jede denkbare Teilfrage eine eigene Seite. Google schreibt im Leitfaden vom Mai 2026 unmissverständlich, dass separate Inhalte für jede Fan-Out-Variante, die vor allem Rankings oder KI-Antworten manipulieren sollen, gegen die Richtlinie zu Scaled Content Abuse verstoßen. Außerdem erkennen die Systeme Relevanz auch ohne exakte Übereinstimmung. Abdeckung entsteht also durch Seiten, die echte Teilfragen gründlich beantworten, nicht durch Masse.
Wer darauf hinarbeitet, braucht drei Dinge: eine Themenkarte der Teilfragen, die Kunden tatsächlich stellen, Seiten mit Abschnitten, die für sich verständlich sind, und eine interne Verlinkung, die die Zusammenhänge zeigt. Das ist derselbe Mechanismus, der hinter Topical Authority steht. Einen Einblick in reale Teilsuchen geben Entwicklerschnittstellen: Die Gemini-API liefert beim Grounding mit Google Search die verwendeten Suchanfragen mit. Das zeigt das Muster, nicht die exakten Suchen im AI Mode.
So sieht das konkret aus
Die Frage „Was kostet eine GEO-Agentur und woran erkenne ich eine gute?“ zerfällt in mehrere Teilsuchen: Preismodelle, Leistungsumfang, Auswahlkriterien, typische Warnsignale. Eine Agentur mit einer ehrlichen Preisseite und einem Ratgeber zu Auswahlkriterien kann mit beiden Seiten in derselben Antwort auftauchen, neben Quellen von zwei anderen Domains, die jeweils eine andere Teilfrage besser beantworten.
Die passende Leistung dazu: Technik für KI-Sichtbarkeit: Crawler, Schema, llms.txt →
Fragen, die dazu oft kommen
Kann ich sehen, welche Teilfragen erzeugt werden?
Im AI Mode nicht direkt. Anhaltspunkte liefern die verlinkten Quellen einer Antwort, verwandte Fragen in der Suche und die Themen, zu denen die zitierten Seiten ranken. Die Gemini-API zeigt beim Grounding die verwendeten Suchanfragen, was das Muster veranschaulicht, aber nicht identisch mit der Google-Suche ist.
Haben lange Ratgeber durch Query Fan-Out ausgedient?
Nein. Google betont, dass seine Systeme mehrere Themen auf einer Seite unterscheiden und den passenden Teil zeigen können. Ein langer Ratgeber funktioniert, wenn seine Abschnitte klar überschrieben und einzeln verständlich sind. Eine ideale Seitenlänge gibt es laut Google nicht.
Sollte ich für jede Teilfrage eine eigene Seite anlegen?
Nur für Teilfragen, die eigenständig und substanziell genug sind. Massenhaft erzeugte Seiten für Fan-Out-Varianten wertet Google ausdrücklich als Scaled Content Abuse. Die Messlatte ist, ob ein Mensch mit genau dieser Frage auf der Seite zufrieden wäre.
Nutzen nur Google-Systeme Query Fan-Out?
Nein, das Prinzip ist verbreitet. Perplexity, ChatGPT Search und Recherche-Modi anderer Anbieter führen zu einer Frage ebenfalls mehrere Suchen aus. Google hat den Begriff geprägt und am ausführlichsten dokumentiert, wie viele Suchen andere Systeme auslösen, ist öffentlich kaum belegt.
Verwandte Begriffe
Quellen: Google Search Central: Optimizing your website for generative AI features on Google Search (Stand September 2026) · Google Blog: AI in Search – Going beyond information to intelligence (Mai 2025) (Stand September 2026) · Google AI for Developers: Grounding with Google Search (Stand September 2026)
Begriffe der KI-Suche verschieben sich schnell. Wir prüfen diesen Eintrag gegen die Dokumentation der Anbieter und aktualisieren ihn, wenn sich etwas ändert. Zurück zum Glossar
Wirst du in KI-Antworten genannt?30 Minuten, kostenlos, mit ehrlicher Einschätzung.
Reden wir 30 Minuten darüber
Kostenlos, unverbindlich und mit einer ehrlichen Einschätzung, ob sich GEO bei dir gerade lohnt.