12.000+ Marken verfolgen & gewinnen KI-Suche mit GEOly
Von Anker SOLIX bis xTool — die oben genannten Marken sehen bereits, wie ChatGPT, Gemini und Perplexity sie erwähnen, zitieren und empfehlen. Ihre Marke wird gerade in der KI diskutiert. Sehen Sie es.
Kostenlos starten · Keine Kreditkarte erforderlich
Was ist Query Fan-out? Leitfaden zu den verborgenen KI-Such-Anfragen | GEOly | GEO-Datenplattform für DTC-Marken
Was ist Query Fan-out? Die verborgenen Anfragen hinter der KI-Suche verstehen
Zusammenfassung
Query Fan-out erweitert eine Anfrage still in 9–11 verborgene Teilanfragen. Lerne die Typen, die RRF-Pipeline und wie du auf Abdeckung statt Keywords optimierst.
2026/07/22
7 Min. Lesezeit
Kurzantwort: Query Fan-out ist die Art, wie moderne KI-Suchmaschinen dir antworten. Statt deine eine Anfrage als eine Suche auszuführen, zerlegen sie sie im Hintergrund in einen Fächer verwandter Teilanfragen, führen diese parallel über das Web und andere Quellen aus und fusionieren alles zu einer Antwort. Studien zeigen: eine einzige Anfrage löst typischerweise 9–11 verborgene Suchen aus — und ~95 % davon haben kein messbares Suchvolumen, sind also für klassische Keyword-Tools unsichtbar. In der KI-Suche zu gewinnen heißt heute, den ganzen Fächer abzudecken, nicht nur das Haupt-Keyword.
Die wichtigsten Erkenntnisse
Eine Anfrage → viele Suchen. Die KI-Suche teilt deine Anfrage in mehrere Teilanfragen (Google AI Mode startet 8+; ChatGPT Deep Research über 400).
Die Teilanfragen sind unsichtbar. ~95 % der Fan-out-Anfragen haben kein wiederkehrendes Suchvolumen — klassische Keyword-Recherche findet sie nie.
Zwei Perspektiven. Fan-out-Anfragen unterscheiden sich nach Form (wie formuliert) und nach Funktion (wofür).
Abdeckung schlägt Ranking. Du gewinnst, indem du das ganze Thema abdeckst — Entitäten, Vergleiche, Journey-Phasen — nicht durch Platz 1 für einen Begriff.
Fan-out ≠ Grounding. Fan-out ist der Breiten-Schritt; Grounding ist der Faktencheck. Du brauchst beide.
Was ist Query Fan-out?
Ahrefs definiert Query Fan-out als „eine Technik von KI-Suchplattformen, die eine einzelne Nutzeranfrage automatisch in mehrere verwandte Teilanfragen erweitert, um umfassendere Antworten zu erzeugen.“ Semrush beschreibt es als Aufteilen einer Anfrage in Teilanfragen, Sammeln der Infos je Teilanfrage und Zusammenführen zu einer Antwort.
Der Mechanismus ist leicht vorstellbar: deine umgangssprachliche Anfrage geht rein; das Modell erkennt, dass sie zu breit für eine Suche ist, erzeugt also einen Fächer engerer, suchfreundlicher Anfragen, führt sie alle gleichzeitig aus und näht die Ergebnisse zusammen. Du siehst eine saubere Antwort. Dahinter lief ein Dutzend Suchen, die du nie eingetippt hast.
Abbildung 1 — Eine Anfrage fächert sich in viele maschinengenerierte Teilanfragen auf.
Warum Query Fan-out für die KI-Suche zählt
Query Fan-out ist der größte Grund, warum SEO und GEO auseinanderdriften. Die Zahlen machen es greifbar:
Abbildung 2 — Fan-out-Anfragen sind zahlreich und für Keyword-Tools weitgehend unsichtbar.
Menge. Untersuchungen von Seer Interactive und Nectiv fanden im Schnitt 9–11 Fan-out-Anfragen pro Prompt; 59 % der Prompts lösen 5–11 Suchen aus, 24 % sogar 12–19 (bis zu 28). Googles Head of Search zeigte AI Mode, der für eine Reiseplanungs-Anfrage 8 gleichzeitige Suchen startete.
Unsichtbarkeit. Gegen Ahrefs' Datenbank mit 110 Mrd.+ Keywords haben über 95 % der Fan-out-Anfragen null wiederkehrendes Suchvolumen. Dein Keyword-Tool zeigt keine Suche, die niemand wiederholt — die KI führt sie trotzdem aus.
Der Deep-Modus geht weiter. Bei ChatGPT Deep Research wurden 420 Suchen (200+ in einem einzigen Schritt) für eine Shopping-Anfrage beobachtet. Je tiefer die Aufgabe, desto breiter der Fächer.
Fazit: Wenn dein Content nur das Haupt-Keyword beantwortet, bist du für eine von zehn-plus Suchen sichtbar — und für den Rest unsichtbar.
Die Typen von Fan-out-Anfragen
Ahrefs ordnet Fan-out-Anfragen entlang zweier Achsen. Beide zu kennen sagt dir, welchen Content du erstellen musst.
Abbildung 3 — Zwei Perspektiven auf Fan-out: nach Form (wie formuliert) und nach Funktion (wofür).
Nach Form — die Gestalt der Umformulierung:
Form
Was die KI tut
Verwandte Themen
Zieht angrenzende Themen heran, die die Antwort braucht
Implizite Fragen
Bringt ungenannte Bedürfnisse ans Licht (z. B. Vergilbungsschutz bei roter Hülle)
Vergleichend
Baut A-gegen-B-Bewertungen auf (Asana vs Monday)
Aktualität
Fügt Zeitangaben hinzu (2026, Februar, neueste)
Umformulierungen
Formuliert dieselbe Absicht neu, um Recall zu erhöhen
Nächster Schritt
Antizipiert die Folgefrage (nach Kauf → Installation)
Nach Funktion — der Job der Teilanfrage: Begriffsklärung, Entitätsattribute, Journey-Phasen, Vertrauenssignale, Vergleichskriterien und Aktion & Risiko. Ein einzelner Prompt erzeugt meist eine Mischung aus beidem.
Wie Query Fan-out funktioniert (die Technik, einfach erklärt)
Unter der Haube folgen die meisten KI-Suchsysteme derselben sechsstufigen Pipeline:
Abbildung 4 — Die sechsstufige Fan-out-Pipeline, von der Analyse zu einer Antwort.
Anfrage-Analyse. Das Modell liest Intent, Komplexität und den nötigen Antworttyp — in Millisekunden.
Zerlegung. Die Anfrage wird in mehrere Teilanfragen zerlegt, die verschiedene Blickwinkel abdecken.
Parallele Abfrage. Alle Teilanfragen treffen gleichzeitig den Web-Index, Knowledge Graphs und Datenbanken.
Synthese per RRF. Ergebnisse werden mit Reciprocal Rank Fusion zusammengeführt, die Dokumente über die vielen Ergebnislisten bewertet.
Scoring. Ein Dokument auf Rang 2 einer Liste erhält 1/2, Rang 5 erhält 1/5 — Positionen summieren sich über Listen.
Finales Re-Ranking. Dokumente werden nach Gesamtscore neu sortiert, um den Kontext für die Antwort zu bilden.
Die praktische Folge von RRF: in mehreren Teilanfrage-Ergebnissen aufzutauchen schlägt Platz 1 bei einer einzigen. Breite Relevanz summiert sich.
Ein durchgerechnetes Beispiel
Nimm die Anfrage „wie starte ich einen SEO-Podcast“. Eine KI-Suchmaschine sucht nicht nur diesen String — sie fächert in die Teilfragen auf, die eine gründliche Antwort braucht, jede mit anderem Job:
Abbildung 5 — Eine echte Anfrage, zerlegt in typisierte Fan-out-Anfragen.
Keine davon ist die getippte Phrase, und die meisten haben kaum eigenständiges Suchvolumen. Doch jede ist eine Tür zur Antwort. Content, der auch nur drei davon sauber beantwortet, wird weit eher abgerufen und zitiert als ein einzelner Beitrag, der nur auf „SEO-Podcast“ optimiert ist.
Query Fan-out vs. Grounding-Anfragen
Diese beiden Begriffe werden oft verwechselt. Sie sind verschiedene Schritte desselben Retrieval-Prozesses:
Query Fan-out
Grounding-Anfrage
Zweck
Das Thema breit abdecken
Einen bestimmten Fakt prüfen
Gestalt
Breit — viele parallele Teilanfragen
Tief — eine präzise Suche
Bester Content
Themencluster, Vergleiche, Abdeckung
Primärdaten, Statistiken, Preise, Specs
Gewinnt durch
Präsenz über den ganzen Fächer
Die zitierbare Quelle eines Fakts zu sein
Fan-out bringt Breite; Grounding bringt Vertrauen. Eine starke KI-Suchstrategie plant beide Ebenen. (Siehe unser Schwesterstück „Was sind Grounding Queries?“)
Wie du für Query Fan-out optimierst
Kartiere die Fan-out-Themen. Frage die KI-Engines mit deinen Kernthemen und protokolliere die Teilanfragen und zitierten Quellen. Clustere nach Intent, um die echte Form des Themas zu sehen — nicht die Keyword-Liste.
Prüfe deine Abdeckung. Seite für Seite: beantwortet sie die vergleichende, aktuelle, implizite und Nächster-Schritt-Variante der Frage? Ordne jedes Fan-out-Thema einem Abschnitt zu, den du hast (oder nicht).
Schließe die Lücken, on- und offsite. Für Produkte: vollständige Entitätsdaten, Attribute, Kollektionsseiten und Product-Schema. Für Journeys: Pillar- + Cluster-Content über alle Entscheidungsphasen. Für heikle Themen: E-E-A-T voran — Qualifikationen, Bewertungen, transparente Methodik. Offsite: Präsenz dort verdienen, wo die KI ebenfalls sampelt (Bewertungen, Communities).
Miss auf Themen-Ebene. Hör auf, einzelne Keywords zu tracken; tracke Share of Voice, Zitierhäufigkeit und Cluster-Abdeckung über ChatGPT, AI Overviews, AI Mode, Gemini und Perplexity.
Häufige Fehler
Nur aufs Haupt-Keyword optimieren. Du deckst eine von einem Dutzend Suchen ab.
Dem Suchvolumen hinterherjagen. Die meisten Fan-out-Anfragen haben keins — Ziel ist Abdeckung, nicht Volumen.
Eine Riesenseite für alles. Fan-out belohnt ein Cluster fokussierter, eigenständiger Abschnitte statt eines Monolithen.
Den Offsite-Fächer ignorieren. Wenn Bewertungen und Communities dein Thema für die KI definieren und du fehlst, verlierst du diesen Teil des Fächers.
Rankings statt Zitate messen. KI-Sichtbarkeit lebt in Erwähnungen und Zitaten, die klassischen Positionen nicht folgen.
FAQ
F: Ist Query Fan-out dasselbe wie Query-Expansion?
A: Es ist die KI-Such-Evolution davon. Klassische Query-Expansion fügte einer Suche Synonyme hinzu; Fan-out erzeugt viele eigenständige Teilanfragen, ruft sie parallel ab und fusioniert die Ergebnisse.
F: Wie viele Teilanfragen löst ein Prompt aus?
A: Typischerweise 9–11 (Seer/Nectiv). Google AI Mode startet oft ~8; ChatGPT Deep Research kann bei komplexen Aufgaben 400 übersteigen.
F: Kann ich die Fan-out-Anfragen sehen?
A: Teilweise. Manche Engines legen sie offen, und KI-Sichtbarkeitsplattformen rekonstruieren sie, indem sie Prompts in großem Maßstab abfragen und lesen, was zitiert wird.
F: Wie unterscheidet sich Fan-out von Grounding?
A: Fan-out ist der Breiten-Schritt (Thema abdecken); Grounding ist der Tiefen-Schritt (Fakt prüfen). Beide laufen in derselben Antwort.
F: Zählt Keyword-Volumen noch?
A: Für klassisches SEO ja. Für Fan-out meist nicht — ~95 % der Fan-out-Anfragen haben kein wiederkehrendes Volumen, plane also nach Themenabdeckung.
Wo GEOly ins Spiel kommt
Fan-out-Anfragen sind naturgemäß unsichtbar — genau das macht GEOly sichtbar. GEOly fragt KI-Engines über sieben Plattformen ab (ChatGPT, Gemini, Perplexity, Copilot, Grok, Google AI Mode, AI Overviews), rekonstruiert die Fan-out- und Grounding-Anfragen hinter den Antworten deiner Kategorie und zeigt dir, welche Teilanfragen du abdeckst, welche deine Wettbewerber gewinnen und welche Content-Lücken du schließen musst. Vertraut von 12.000+ Marken.
Sieh die echte Fan-out-Karte deiner Marke — kostenlos — unter app.geoly.ai.
Datenquelle: www.geoly.ai.
Quellen
What Is Query Fan-Out and How to Optimize for It — Ahrefs (ahrefs.com/blog/query-fan-out)
What Is Query Fan-Out? How It Works & How to Optimize — Semrush (semrush.com/blog/query-fan-out)
