Query-Fan-Out

TL;DR — Query-Fan-Out macht in der KI-Suche aus einer Frage mehrere Suchanfragen. Das System zerlegt Ihre Frage in einige verwandte Unterfragen, sucht gleichzeitig danach und fügt die Ergebnisse zu einer Antwort zusammen. Deshalb kann eine Google AI Overview ein Thema aus mehreren Blickwinkeln behandeln – und deshalb sollten Ihre Inhalte mehr beantworten als nur den genauen Wortlaut der Anfrage.

Was Query-Fan-Out ist

Google beschreibt Query-Fan-Out in AI Mode als mehrere verwandte Suchen über Unterthemen und Datenquellen hinweg. Nachweis für diese Aussage Google describes AI Mode as using a query fan-out technique that issues multiple related searches across subtopics and data sources. Geltungsbereich: Google AI Mode's documented behavior; exact orchestration, ranking, and generated queries are product-specific and can change. Vertrauensniveau: hoch · Verifiziert: 2026-07-14 Google: AI Mode in Search Dieses dokumentierte Produktverhalten darf nicht auf jedes Modell oder Suchsystem übertragen werden. Nachweis für diese Aussage Query fan-out is a retrieval-orchestration pattern that expands one request into multiple related searches before synthesis. Geltungsbereich: Editorial abstraction from Google's product description, not a claim that every AI answer uses this pipeline. Vertrauensniveau: medium · Verifiziert: 2026-07-14 Google: AI Mode in Search

Bei einer herkömmlichen Suche führt die Suchmaschine die eingegebene Anfrage aus und zeigt eine Liste von Seiten. KI-Suche funktioniert anders. Im Hintergrund fächert sie eine Frage in mehrere verwandte Suchen auf – für jeden impliziten Blickwinkel oder Unterbereich eine –, führt sie alle aus und formuliert aus den Ergebnissen eine gemeinsame Antwort.

Google bestätigt in der eigenen Dokumentation, dass sowohl AI Overviews als auch AI Mode eine Query-Fan-Out-Technik einsetzen können, bei der mehrere verwandte Suchen über Unterthemen und Datenquellen hinweg ausgeführt werden, um eine Antwort zu erstellen.

Ein kurzes Beispiel: Bei „Wie bekomme ich meinen Rasen wieder grün?“ sucht eine herkömmliche Suche nach genau dieser Formulierung. Fan-Out könnte stattdessen nach dem besten Zeitpunkt zum Düngen, der Reparatur kahler Stellen, der richtigen Tageszeit zum Bewässern und dem Umgang mit Unkraut suchen und die Antworten anschließend verbinden. Sie haben eine Frage gestellt; die KI hat im Hintergrund mehrere gestellt.

Warum das für Sie wichtig ist

Weil die KI nach den impliziten Fragen und nicht nur nach Ihrer Eingabe sucht, steigen die Chancen Ihrer Inhalte, verwendet zu werden, wenn sie ein Thema wirklich umfassend behandeln und mehrere dieser verborgenen Unterfragen selbst beantworten.

Das ist eine Abkehr vom alten Spiel, eine Seite auf ein Keyword auszurichten. Eine um eine einzige Formulierung gebaute Seite kann in der herkömmlichen Suche weiterhin ranken. Fan-Out bevorzugt jedoch Inhalte, die die Unterthemen abdecken, die echte Nutzer interessieren.

All das läuft über Googles normalen Suchindex. Es gibt keinen getrennten „KI-Index“, bei dem Sie Inhalte einreichen. Die bekannten Grundlagen – Crawlability, Indexierung und klare Texte – entscheiden weiterhin, ob eine Seite für eine Unteranfrage abgerufen werden kann.

Die tatsächlichen Abläufe, die Einordnung von Fan-Out in die Pipeline aus Abruf und Generierung, die Bedeutung der oft genannten „8 bis 12 Unteranfragen“ und der sinkende Einfluss des Rankings auf Zitierungen werden auf der Leseebene Fortgeschritten erklärt.

TL;DR — Query-Fan-Out ist der Abrufschritt innerhalb von RAG beziehungsweise Grounding. Das Modell zerlegt eine Anfrage in mehrere verwandte Unteranfragen, führt sie gleichzeitig im zentralen Suchindex aus und fasst die abgerufenen Passagen zu einer Antwort zusammen. Google bestätigt die Technik für AI Overviews und AI Mode. Es gibt weder einen getrennten KI-Index noch ein eigenes KI-Rankingsystem; die üblichen Stufen Crawlen → Indexieren → Snippet-Berechtigung gelten weiter. Inhalte müssen für die impliziten Unterfragen und nicht nur für die Hauptanfrage auffindbar sein. Google führt den Rückgang direkter Top-10-Quellen von rund 76 % Mitte 2025 auf etwa 38 % Anfang 2026 auf die Weiterentwicklung von Fan-Out zurück. Die Zahl von „8 bis 12 Unteranfragen“ ist eine Branchenschätzung und keine offizielle Google-Angabe.

Wo Fan-Out in der Pipeline sitzt

Fan-Out ist eine Abrufstrategie innerhalb dokumentierter Produkte und kein von Publishern steuerbarer Rankingfaktor. Nachweis für diese Aussage Google describes AI Mode as using a query fan-out technique that issues multiple related searches across subtopics and data sources. Geltungsbereich: Google AI Mode's documented behavior; exact orchestration, ranking, and generated queries are product-specific and can change. Vertrauensniveau: hoch · Verifiziert: 2026-07-14 Google: AI Mode in Search Die genauen erzeugten Anfragen, Gewichtungen und Abläufe sind systemspezifisch und nicht veröffentlicht. Nachweis für diese Aussage Query fan-out is a retrieval-orchestration pattern that expands one request into multiple related searches before synthesis. Geltungsbereich: Editorial abstraction from Google's product description, not a claim that every AI answer uses this pipeline. Vertrauensniveau: medium · Verifiziert: 2026-07-14 Google: AI Mode in Search

Query-Fan-Out ist nicht das gesamte System, sondern ein einzelner Schritt. AI Overviews und AI Mode verwenden Retrieval-Augmented Generation (RAG), die Google als Grounding bezeichnet: Relevante Passagen werden aus einem Index abgerufen, in den Kontext des Modells eingefügt und zu einer darauf gestützten Antwort verarbeitet. Fan-Out steht am Anfang dieser Abrufphase und zerlegt eine Nutzeranfrage in mehrere Unteranfragen.

Der Ablauf lautet vereinfacht: Nutzeranfrage → Fan-Out in Unteranfragen → Abruf aus dem Index → Auswahl der besten Passagen → Erzeugung einer zusammengefassten, zitierten Antwort. Die Einzelheiten des Abrufs – Chunking, Embeddings, Vektorsuche und erneutes Ranking – behandeln die Themen zu Abruf und Grounding in diesem Cluster. Diese Seite konzentriert sich auf den Fan-Out-Schritt.

Was Google tatsächlich bestätigt hat – und was nicht

Trennen Sie den bestätigten Mechanismus sorgfältig von den darauf aufbauenden Theorien der Branche. Google stellt Folgendes ausdrücklich fest:

• AI Overviews und AI Mode können mit Query-Fan-Out mehrere verwandte Suchen über Unterthemen und Datenquellen hinweg ausführen, um eine Antwort zu entwickeln.
• Das Modell stellt gleichzeitig verwandte Anfragen, um weitere Informationen und relevante Suchergebnisse abzurufen. Gemini analysiert diese, extrahiert die wichtigsten Fakten und fügt sie zu einer umfassenden Antwort zusammen.
• Alles läuft über den zentralen Index; Googles generative KI-Funktionen in der Suche beruhen auf den zentralen Ranking- und Qualitätssystemen. Es gibt keinen getrennten KI-Index und keinen eigenen KI-Rankingalgorithmus.

Google hat hingegen keine bestimmte Anzahl von Unteranfragen bestätigt. Die häufig wiederholte Angabe von „8 bis 12 Unteranfragen je Prompt“ ist eine Schätzung der SEO-Branche und keine offizielle Google-Zahl. Sie veranschaulicht „mehrere statt einer“, ist aber keine gesicherte Tatsache. Google veröffentlicht nicht, wie viele Suchen erfolgen.

Grounding-Anfragen – der beste öffentliche Einblick in Fan-Out

Googles Fan-Out-Unteranfragen sind nicht sichtbar. Der Bericht zur Leistung generativer KI in der Search Console vom Juni 2026 zeigt nur Impressionen nach Seiten, Ländern, Datumsangaben und Geräten, aber keine Anfragedimension.

Einen Einblick in fan-out-ähnliches Verhalten bietet Bing/Microsoft. Der im Februar 2026 als öffentliche Vorschau gestartete Bericht „AI Performance“ in den Bing Webmaster Tools zeigt Grounding-Anfragen: für den Abruf optimierte, maschinell erzeugte Suchformulierungen, über die Inhalte in Antworten von Copilot oder Bing AI gelangten. Sie unterscheiden sich von der Nutzereingabe. Microsoft Clarity stellt dieselben Daten bereit. Das kommt einer Beobachtung von Fan-Out am nächsten; Google bietet kein Gegenstück.

Warum Fan-Out Zitierungen verändert

Die greifbarste messbare Folge zeigt sich in den Ahrefs-Daten.

Bei der ersten Untersuchung des Zusammenhangs zwischen AI-Overview-Zitierungen und organischen Rankings Mitte 2025 rankten mehr als 76 % der zitierten Seiten zugleich in den herkömmlichen Top 10. In der Aktualisierung vom März 2026 mit 863.000 Keyword-SERPs und vier Millionen AI-Overview-URLs – doppelt so vielen wie zuvor – war der Anteil auf etwa 38 % gesunken. Der Rest verteilte sich fast gleichmäßig auf Positionen 11 bis 100 und Seiten, die überhaupt nicht in den Top 100 rankten.

Die Erklärung aus der Untersuchung: Google wählt deutlich weniger Seiten direkt aus der ursprünglichen SERP. AI Overviews stützen sich weniger auf diese direkten Suchergebnisse und mehr auf Quellen aus den SERPs der Fan-Out-Anfragen. Mit der Weiterentwicklung von Fan-Out verlagerte sich die Quellenauswahl von den Top 10 der Hauptanfrage auf die SERPs der Unteranfragen. Platz 1 für die eingegebene Formulierung ist nicht mehr die frühere Hürde.

Ein verwandtes Muster aus derselben Arbeit: Seiten, die für mehrere Fan-Out-Anfragen ranken, werden deutlich häufiger zitiert. Breite Abdeckung der Unterthemen schlägt damit eine einzelne eng optimierte Seite. YouTube ist zudem eine überproportionale, vom Ranking unabhängige Quelle: 18,2 % der AI-Overview-Zitierungen, deren URLs für die Anfrage nicht in Googles Top 100 ranken, führen zu YouTube.

Was Fan-Out für Ihre Inhalte bedeutet

Aus dem Mechanismus ergibt sich ein geradliniges Vorgehen:

• Decken Sie Unterthemen ab, nicht nur das Keyword. Fan-Out ruft Inhalte für Fragen rund um die eigentliche Frage ab. Echte thematische Tiefe beantwortet naheliegende Folgefragen auf derselben Seite oder in einem gut verknüpften Cluster und macht Inhalte für mehr Unteranfragen auffindbar. Der Abruf ist Voraussetzung, aber kein Versprechen: Die Aufnahme in die Kandidatenmenge einer Unteranfrage garantiert nicht, dass das Modell Ihre Seite auswählt, zitiert oder korrekt zuordnet. Breitere Abdeckung verbessert die Chancen, ist aber keine offengelegte Zitierungsgarantie.
• Indexierung bleibt Voraussetzung. Ohne getrennten KI-Index muss die Kette Crawlen → Indexieren → Snippet-Berechtigung intakt sein. Eine nicht crawlbare oder indexierte Seite kann für keine Unteranfrage abgerufen werden. Google erklärt ausdrücklich, dass eine unterstützende Seite indexiert und für die Darstellung mit einem Snippet in der Google Suche geeignet sein muss; zusätzliche technische Anforderungen gibt es nicht.
• Optimieren Sie nicht übermäßig für den Mechanismus. Google widerspricht den neuen Taktiken direkt: Weder llms.txt noch besondere KI-Auszeichnungen sind nötig, und Inhalte müssen nicht in winzige Fragmente zerlegt werden. Googles Systeme verstehen mehrere Themen auf einer Seite bereits. Inhalte für vermeintliche Unteranfragen zu zerteilen, ist genau das, wovon Google abrät.
• Strukturieren Sie für Menschen. Googles praktische Empfehlung ist bewusst knapp: Ordnen Sie Inhalte mit Absätzen, Abschnitten und Überschriften, die eine klare Struktur schaffen. Klare, eigenständige Abschnitte erleichtern nebenbei den Abruf einzelner Passagen, werden aber für Leser und nicht für Fan-Out geschrieben.
• Signale außerhalb der Website bleiben wichtig. In der breiteren Untersuchung korrelieren Erwähnungen einer Marke im Web stärker mit Sichtbarkeit in AI Overviews als Domain Rating (0,664 gegenüber 0,326). Fan-Out verändert, auf welcher SERP Sie erscheinen müssen; Autorität und Erwähnungen beeinflussen Zitierungen weiterhin.

In einem Satz: Fan-Out hat keine neue Optimierung erfunden, sondern das Ziel erweitert. Sie optimieren nicht mehr eine Seite für eine Anfrage, sondern versuchen, im gesamten Umfeld der Unteranfragen eines Themas eine glaubwürdige Antwort zu sein.

KI-Zusammenfassung

Kurzfassung der fortgeschrittenen Leseebene:

• Query-Fan-Out = eine Frage, mehrere Suchen. Das Modell zerlegt eine Anfrage in verwandte Unteranfragen, führt sie gleichzeitig aus und fasst die Ergebnisse zu einer Antwort zusammen. Das ist der Abrufschritt in RAG/Grounding, nicht das gesamte System.
• Google bestätigt den Mechanismus: AI Overviews und AI Mode können mehrere verwandte Suchen über Unterthemen und Datenquellen hinweg ausführen. Gemini fügt die Ergebnisse zu einer umfassenden Antwort zusammen.
• Kein getrennter KI-Index und kein eigenes Rankingsystem: Alles läuft über den zentralen Suchindex; Crawlen, Indexieren und Snippet-Berechtigung bleiben maßgeblich.
• „8 bis 12 Unteranfragen“ ist eine Branchenschätzung. Google bestätigt mehrere verwandte Suchen, veröffentlicht aber keine Anzahl.
• Googles Fan-Out ist nicht einsehbar. Der Bericht zur generativen KI in der Search Console zeigt nur Impressionen und keine Anfragedimension. Bing ist die Ausnahme: AI Performance und Microsoft Clarity zeigen maschinell erzeugte Grounding-Anfragen.
• Zitierungen hängen weniger vom Ranking der Hauptanfrage ab. Der direkte Anteil aus den Top 10 sank mit der Weiterentwicklung von Fan-Out von etwa 76 % Mitte 2025 auf etwa 38 % Anfang 2026. Seiten, die für mehrere Unteranfragen ranken, werden häufiger zitiert.
• SEO-Folge: Unterthemen umfassend abdecken, indexierbar bleiben, Inhalte nicht für die KI zerstückeln, keine besonderen KI-Auszeichnungen ergänzen und verständlich für Menschen strukturieren. Autorität und Markenerwähnungen außerhalb der Website bleiben wichtig.

Offizielle Dokumentation

Primärdokumentation von Google und Microsoft zu Fan-Out, Grounding und der Quellenauswahl generativer Funktionen.

Google

• AI features and your website – bestätigt Query-Fan-Out für AI Overviews und AI Mode sowie die erforderliche Snippet-Berechtigung und Inhaltssteuerungen wie nosnippet und noindex.
• Google’s Guide to Optimizing for Generative AI Features – definiert RAG und Grounding über den zentralen Index und widerspricht Taktiken wie Chunking, llms.txt und besonderen KI-Auszeichnungen.
• AI Overviews and AI Mode in Search – bestätigt, dass über die übliche Indexierung und Snippet-Berechtigung hinaus keine zusätzlichen Anforderungen gelten.
• Introducing Search Generative AI performance reports in Search Console – Bericht vom Juni 2026; zeigt nur Impressionen und keine Anfragedimension, also auch keine Fan-Out-Unteranfragen.
• Generative AI performance report — Search Console Help – dokumentiert die vorhandenen Dimensionen Seiten, Länder, Datumsangaben und Geräte sowie die fehlenden Werte Klicks, CTR und Anfragen.

Bing / Microsoft

• Introducing AI Performance in Bing Webmaster Tools (public preview) – zeigt Grounding-Anfragen und bietet damit den besten öffentlichen Einblick in fan-out-ähnliche Abrufformulierungen.

Zitate aus den Quellen

Offizielle Aussagen von Google. Die Direktlinks führen zur zitierten Passage, sofern die Quellseite dies ermöglicht.

Google — der bestätigte Fan-Out-Mechanismus

• “Both AI Overviews and AI Mode may use a ‘query fan-out’ technique — issuing multiple related searches across subtopics and data sources — to develop a response.” Übersetzung: „Sowohl AI Overviews als auch AI Mode können eine Query-Fan-Out-Technik verwenden, bei der mehrere verwandte Suchen über Unterthemen und Datenquellen hinweg ausgeführt werden, um eine Antwort zu entwickeln.“ — Google Search Central, „AI features and your website“. Direkt zum Zitat

Google — kein getrennter KI-Index

• “In short, yes! The best practices for SEO continue to be relevant because our generative AI features on Google Search are rooted in our core Search ranking and quality systems.” Übersetzung: „Kurz gesagt: Ja! Die bewährten SEO-Verfahren bleiben relevant, weil unsere generativen KI-Funktionen in der Google Suche auf unseren zentralen Ranking- und Qualitätssystemen der Suche beruhen.“ — Google Search Central, Leitfaden zur KI-Optimierung. Direkt zum Zitat

Google — die Zugangsvoraussetzung: Fan-Out kann nicht abrufen, was nicht indexiert ist

• “There are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary.” Übersetzung: „Für die Darstellung in AI Overviews oder AI Mode gelten keine zusätzlichen Anforderungen; auch andere besondere Optimierungen sind nicht erforderlich.“ — Google Search Central, „AI features and your website“. Direkt zum Zitat

Google — Inhalte nicht für den Mechanismus zerstückeln

• “There’s no requirement to break your content into tiny pieces for AI to better understand it. Google systems are able to understand the nuance of multiple topics on a page and show the relevant piece to users.” Übersetzung: „Es ist nicht erforderlich, Inhalte in winzige Teile zu zerlegen, damit KI sie besser versteht. Google-Systeme können die Feinheiten mehrerer Themen auf einer Seite erfassen und Nutzern den relevanten Teil zeigen.“ — Google Search Central, Leitfaden zur KI-Optimierung. Direkt zum Zitat

Google — Struktur für Leser

• “People generally appreciate it when web pages are organized by paragraphs and sections, along with headings that provide a clear structure to navigate content.” Übersetzung: „Menschen schätzen es im Allgemeinen, wenn Webseiten durch Absätze und Abschnitte sowie Überschriften gegliedert sind, die eine klare Struktur zum Navigieren durch die Inhalte bieten.“ — Google Search Central, Leitfaden zur KI-Optimierung. Direkt zum Zitat

Die mentalen Modelle

1. Eine Anfrage hinein, viele Anfragen heraus. Die gesamte Idee in einem Satz: Aus einer Nutzerfrage werden mehrere gleichzeitig ausgeführte Untersuchen, deren Ergebnisse zu einer Antwort zusammengefasst werden. Wenn eine KI-Antwort Blickwinkel behandelt, nach denen niemand ausdrücklich gefragt hat, ist Fan-Out am Werk.

2. Fan-Out ist der Abrufschritt von RAG. Betrachten Sie Fan-Out nicht als eigenes System. Die Pipeline lautet: Nutzeranfrage → Fan-Out → Abruf aus dem Index → Zusammenstellung von Passagen → Erzeugung einer belegten, zitierten Antwort. Fan-Out macht den Abrufschritt mehrteilig.

3. Es gibt keinen getrennten KI-Index. Fan-Out läuft über denselben zentralen Suchindex und dieselben Ranking- und Qualitätssysteme wie die klassischen blauen Links. Deshalb ist die Kette Crawlen → Indexieren → Snippet-Berechtigung Voraussetzung: Ist eine Seite nicht indexierbar, kann keine Unteranfrage sie abrufen.

4. Bestätigter Mechanismus oder Branchentheorie. Google bestätigt die Technik mehrerer verwandter Suchen, aber keine Anzahl. Verstehen Sie „8 bis 12 Unteranfragen“ als nützliches Bild für „mehrere statt einer“, nicht als Fakt.

5. Das Ziel ist breiter geworden. Früher sollte eine Seite für eine Anfrage ranken. Heute sollte sie im gesamten Umfeld der Unteranfragen eines Themas eine glaubwürdige Antwort darstellen. Optimieren Sie das Thema, nicht nur ein Keyword. Seiten, die für mehrere Fan-Out-Anfragen ranken, erhalten mehr Zitierungen.

Query-Fan-Out — Spickzettel

In einem Satz Eine Nutzeranfrage wird in mehrere verwandte Unteranfragen zerlegt, gleichzeitig im zentralen Suchindex ausgeführt und zu einer Antwort zusammengefasst. Google bestätigt diesen Mechanismus für AI Overviews und AI Mode.

Position im Ablauf

user query → [FAN-OUT into sub-queries] → retrieve across index → assemble passages → generate cited answer

Bestätigt oder geschätzt

Wo Fan-Out sichtbar ist – und wo nicht

Tun / lassen

• Tun: Unterthemen mit echter Tiefe abdecken, crawlbar, indexiert und Snippet-berechtigt bleiben und Inhalte mit klaren Überschriften für Leser strukturieren.
• Lassen: Inhalte in Fragmente für vermeintliche Unteranfragen zerlegen, llms.txt oder besondere KI-Auszeichnungen ergänzen und annehmen, Platz 1 für die Hauptanfrage garantiere eine Zitierung.

Checkliste zur Fan-Out-Bereitschaft

Mit dieser kurzen Prüfung bestätigen Sie, dass Ihre Inhalte für die Unteranfragen eines Themas abgerufen werden können:

• Jede wichtige Seite ist crawlbar und indexiert; Fan-Out kann nichts abrufen, was nicht im Index liegt.
• Seiten dürfen mit einem Snippet erscheinen und werden dort, wo Sichtbarkeit gewünscht ist, nicht durch nosnippet oder noindex blockiert.
• Das Thema wird wirklich umfassend behandelt. Naheliegende Folgefragen werden auf der Seite oder in einem gut verknüpften Cluster beantwortet und nicht einer einzelnen mit Keywords überladenen Seite überlassen.
• Inhalte sind für Leser mit klaren Überschriften und eigenständigen Abschnitten gegliedert; dadurch lassen sich auch einzelne Passagen leichter abrufen.
• Inhalte wurden nicht in winzige, ausschließlich für KI gedachte Fragmente zerlegt; Google rät ausdrücklich davon ab.
• llms.txt oder „besondere KI-Auszeichnungen“ werden nicht als Fan-Out-Hebel betrachtet; Google ignoriert sie.
• Signale außerhalb der Website, darunter Markenerwähnungen und Autorität, werden aufgebaut, weil sie stärker mit AI-Overview-Sichtbarkeit korrelieren als Domain Rating.
• Für Bing und Copilot wurden die Grounding-Anfragen in den Bing Webmaster Tools oder Microsoft Clarity geprüft, um die tatsächlichen Abrufformulierungen zu sehen.
• Sie nehmen nicht an, dass Platz 1 im organischen Ranking eine Zitierung garantiert; nur etwa 38 % der AI-Overview-Zitierungen stammen inzwischen aus einem Top-10-Ergebnis.

Fan-Out an Beispielen

Aus einer Frage werden mehrere. Angenommen, jemand fragt: „Ist Intervallfasten gut zum Abnehmen?“ Eine herkömmliche Suche führt genau diese Anfrage aus. Fan-Out verteilt sie ungefähr auf diese impliziten Unterfragen:

• Wie wirkt sich Intervallfasten auf das Gewicht aus?
• Intervallfasten oder Kalorienbeschränkung?
• Welche Nebenwirkungen hat Intervallfasten?
• Wer sollte nicht intermittierend fasten?
• Welcher Intervallfasten-Zeitplan eignet sich für Anfänger?

Jede Unteranfrage ruft ihre eigene Seitenmenge ab; das Modell fasst die Ergebnisse mit Zitaten aus mehreren Mengen zu einer Antwort zusammen. Für Publisher bedeutet das: Eine Seite, die nur die wörtliche Hauptfrage und keine Folgefragen beantwortet, konkurriert nur in einem Teil des Abrufs. Eine wirklich umfassende Seite oder ein eng verknüpfter interner Cluster kann dagegen für mehrere Unteranfragen auffindbar sein.

Warum die Zitierung nicht mehr vom Ranking auf Platz 1 kommt. Stellen Sie sich vor, Sie ranken auf Platz 1 für „beste Laufschuhe bei Plattfüßen“. Vor Fan-Out kam das fast einer Garantie für die Aufnahme in AI Overviews gleich. Danach kann die Übersicht aus SERPs zu Unteranfragen wie „Eigenschaften von Laufschuhen bei Überpronation“, „Fußgewölbestütze bei Plattfüßen erklärt“ und „Stabilitäts- oder Bewegungskontrollschuhe“ entstehen. Zitiert werden die Seiten, die für diese Anfragen ranken, nicht zwingend Ihre Seite auf Platz 1 für den Hauptbegriff. Dieser Mechanismus erklärt den Rückgang der Top-10-Quellen von etwa 76 % auf etwa 38 %.

Wo Sie den Vorgang tatsächlich beobachten können. Der Bericht „AI Performance“ von Bing zeigt die Grounding-Anfragen, über die Ihre Seite gefunden wurde. Ein Artikel über robots.txt kann etwa durch die Grounding-Anfrage „robots.txt blockiert Bot-Zugriff auf Website“ abgerufen worden sein und nicht durch die wörtliche Nutzerfrage „Wie verhindere ich, dass Google eine Seite crawlt?“ Der Unterschied zwischen Nutzereingabe und maschineller Suche macht Fan-Out sichtbar. Google bietet keinen vergleichbaren Einblick.

Fan-Out für die Recherche simulieren

Googles tatsächliche Unteranfragen lassen sich nicht auslesen. Sie können den Raum der Unterthemen, in den eine Anfrage aufgefächert werden könnte, aber annähern und damit die inhaltliche Tiefe planen. Die folgenden Methoden sammeln „Fragen rund um die Frage“.

Shell – PAA-ähnliche Erweiterungen aus einer Keyword-Liste erzeugen

# Given a seed query, list adjacent sub-questions to make sure your content covers them.
# (Feed real PAA / related-search data you've exported; this just structures the review.)
seed="intermittent fasting weight loss"
printf '%s\n' \
  "how does $seed work" \
  "$seed vs calorie restriction" \
  "$seed side effects" \
  "who should avoid ${seed% *}" \
  "best $seed schedule for beginners" \
| sort -u

Chrome-DevTools-Konsole – sichtbare „Nutzer fragen auch“-Fragen aus einer SERP extrahieren Führen Sie dies in der Konsole einer Google-Ergebnisseite aus, um die sichtbaren PAA-Fragen zu erfassen. Sie sind ein grobes, für Menschen sichtbares Gegenstück zu möglichen Fan-Out-Unteranfragen:

// On a Google SERP with a "People also ask" box open:
[...document.querySelectorAll('div[jsname] [role="button"] span, .related-question-pair span')]
  .map(el => el.textContent.trim())
  .filter(t => t.endsWith('?'))
  .filter((t, i, a) => a.indexOf(t) === i);

Bookmarklet – PAA und verwandte Suchen mit einem Klick erfassen Speichern Sie dies als Lesezeichen und klicken Sie es auf einer Google-SERP an, um verwandte Suchen und PAA-Formulierungen für Ihre Unterthemenkarte in die Konsole auszugeben:

javascript:(()=>{const q=[...document.querySelectorAll('.related-question-pair span, a[data-hveid] div')].map(e=>e.textContent.trim()).filter(t=>t&&t.length<90);console.log([...new Set(q)].join('\n'));})();

Python – mögliche Unterfragen per regulärem Ausdruck aus eigenen Inhalten prüfen Prüfen Sie vor der Veröffentlichung, ob ein Entwurf die Unterfragen des Themas beantwortet:

import re

subquestions = [
    "how does it work", "vs", "side effects",
    "who should avoid", "schedule for beginners",
]
draft = open("draft.md", encoding="utf-8").read().lower()

for q in subquestions:
    hit = re.search(re.escape(q), draft)
    print(f"{'✓' if hit else '✗'}  {q}")

Keine dieser Methoden zeigt Googles echten Fan-Out. Sie dienen als Planungshilfe, damit Ihre Inhalte das Umfeld der Unterthemen abdecken, das Fan-Out prüfen könnte. Für maschinell sichtbare Daten verwenden Sie die unten genannten Grounding-Anfragen von Bing.

Tools für die Arbeit mit Fan-Out

• Bing Webmaster Tools – Bericht „AI Performance“ – der einzige Ort, an dem echte fan-out-ähnliche Abrufformulierungen sichtbar sind. Die Grounding-Anfragen zeigen, welche maschinell erzeugten Suchen Ihre Inhalte in eine Antwort von Copilot oder Bing AI gebracht haben, ergänzt um Zitierungen und zitierte Seiten.
• Microsoft Clarity – zeigt ebenfalls die Grounding-Anfragen hinter KI-Zitierungen, getrennt von den Eingaben der Nutzer.
• Google Search Console – Leistungsbericht zur generativen KI – zeigt Impressionen Ihrer Seiten in KI-Funktionen nach Seiten, Ländern, Datumsangaben und Geräten. Für die Sichtbarkeit ist das nützlich, Unteranfragen bleiben wegen der fehlenden Anfragedimension verborgen.
• GSC – regulärer Leistungsbericht und URL-Prüfung – Impressionen aus KI-Funktionen fließen in den Suchtyp „Web“ ein. Zusammen mit der URL-Prüfung lässt sich bestätigen, dass eine Seite indexiert und Snippet-berechtigt und damit grundsätzlich abrufbar ist.
• Ahrefs (Brand Radar / Site Explorer) – verfolgt zitierte Seiten in KI-Antworten und filtert organische Keywords nach dem SERP-Feature AI Overview. So finden Sie Seiten mit doppelter Wirkung, die GSC bei KI-Klicks nicht getrennt ausweisen kann.
• Daten aus „Nutzer fragen auch“ und verwandten Suchen – Exporte von PAA-Fragen und verwandten Begriffen aus Keyword-Tools sind grobe Näherungen für den Raum der Unterthemen und helfen bei der Planung inhaltlicher Tiefe.

Query-Fan-Out modellieren, ohne Nachfrage zu erfinden

Fügen Sie eine Ausgangsfrage, die Zielgruppe und überprüfte Keyword- oder Fragenrecherche ein:

Decompose the primary question into the distinct subquestions an answer system may
need to resolve. Use only the supplied research as evidence of demand. Group each
subquestion by intent, entity, comparison, constraint, or follow-up. Mark speculative
branches clearly, merge duplicates, and map each retained branch to an existing page
or a documented content gap. Do not invent search volume.

Prüfen, ob eine Seite einen Fan-Out schlüssig abdeckt

Fügen Sie den vorgeschlagenen Fan-Out sowie die Überschriften und Abschnittszusammenfassungen der Seite ein:

For each fan-out branch, identify the best matching section and quote the exact
heading that covers it. Label branches as covered, partially covered, absent, or
better served by another page. Flag sections that try to satisfy unrelated intents.
Recommend heading or internal-link changes without manufacturing facts or forcing
every branch into one URL.

Lesenswerte Ressourcen

Meine verwandten Artikel und Untersuchungen

• Update: 38% of AI Overview Citations Pull From The Top 10 – Untersuchung hinter der Erkenntnis, dass Fan-Out einen größeren Teil der Quellenauswahl übernimmt; der Top-10-Anteil sank von etwa 76 % auf etwa 38 %. Datengrundlage: 863.000 SERPs und vier Millionen AI-Overview-URLs.
• 76% of AI Overview Citations Pull From the Top 10 – ursprüngliche Untersuchung von 1,9 Millionen Zitierungen, mit der die Entwicklung verglichen wird.
• Insights From 55.8M AI Overviews Across 590M Searches – meine bislang umfangreichste AI-Overview-Studie zu Verbreitung, Auslösern und meistzitierten Domains.
• 8.64% of AI Overviews Appear Outside Position #1 – meine Untersuchung von zehn Millionen SERPs zur tatsächlichen Position von AI Overviews.
• What We Actually Know About Optimizing for LLM Search – Ahrefs-Auswertung meiner Daten zu Faktoren, die mit KI-Zitierungen korrelieren, darunter Markenerwähnungen und Aktualität.
• GEO? AEO? LLMO? What’s With All This AI SEO Stuff? – mein Vortrag auf der Ahrefs Evolve 2025 über KI-Suche und die weiterhin geltende Voraussetzung der Indexierung.

Meine Vorträge

• GEO/AEO/LLMO — AI SEO webinar – ordnet Fan-Out, Grounding und Abruf in das größere Bild der KI-Suche ein.

Aus der Branche

• AI features and your website – Googles offizielle Primärquelle zur Bestätigung der Query-Fan-Out-Technik.
• Google’s Guide to Optimizing for Generative AI Features – Googles Einordnung von Chunking, llms.txt und strukturierten Daten im Fan-Out-Zeitalter.
• Query Fan-Out Guide – praxisorientierter Leitfaden von Search Engine Land.
• Introducing AI Performance in Bing Webmaster Tools – Microsofts Bericht mit Grounding-Anfragen, dem besten öffentlichen Einblick in fan-out-ähnlichen Abruf.
• Grounding Queries and Query Fan-outs – Hive Digital zur Interpretation von Grounding-Anfragen in Bing als Fan-Out-Signale.
• Microsoft Clarity Now Shows Grounding Queries Behind AI Citations – Search Engine Journal über die neue Sichtbarkeit in Clarity.

Zitierwürdige Statistiken

• ~76 % → ~38 % – Anteil der AI-Overview-Zitierungen, deren Seiten zugleich in den herkömmlichen Top 10 rankten, Mitte 2025 gegenüber Anfang 2026. Die Aktualisierung stammt aus Xibeijia Guans Ahrefs-Untersuchung mit 863.000 SERPs und vier Millionen URLs. Quelle
• 18,2 % – Anteil der AI-Overview-Zitierungen außerhalb von Googles Top 100, die zu YouTube führen. YouTube ist damit eine überproportionale, vom Ranking unabhängige Quelle. Quelle
• 0,664 gegenüber 0,326 – Markenerwähnungen im Web korrelieren stärker mit AI-Overview-Sichtbarkeit als Domain Rating. Fan-Out verändert die relevante SERP, nicht die Bedeutung von Autorität für Zitierungen. Quelle
• „8 bis 12 Unteranfragen“ – die häufig zitierte Anzahl ist eine Branchenschätzung und keine offizielle Google-Zahl. Google bestätigt mehrere verwandte Suchen, veröffentlicht aber keine Anzahl. Stellen Sie den Wert als Schätzung und nicht als Fakt dar. Kontext
• Nur Impressionen, keine Anfragedimension – Googles Leistungsbericht zur generativen KI vom Juni 2026 zeigt Sichtbarkeitsdaten, aber keine Fan-Out-Unteranfragen. Grounding- Anfragen von Bing sind die Ausnahme. Quelle

Testen Sie sich selbst: Query-Fan-Out

Fünf kurze Fragen dazu, wie Query-Fan-Out funktioniert und was die Technik für Ihre Inhalte bedeutet. Wählen Sie jeweils eine Antwort und prüfen Sie anschließend das Ergebnis.

Änderungsprotokoll