Query Fan-Out-Analyse: So denkt Googles KI-Suche – und so optimierst du dafür

Wer 2026 nur noch fragt „Für welches Keyword rankt meine Seite?“, stellt die falsche Frage. Googles KI-Suche stellt eine andere: „Welche Passage beantwortet welche Teilfrage am besten?“ Dahinter steckt ein Verfahren namens Query Fan-Out – und wer es versteht, baut Inhalte, die in AI Mode, AI Overviews und den KI-Assistenten zitiert werden. Dieser Artikel erklärt die Mechanik, zeigt die Methode der Fan-Out-Analyse Schritt für Schritt und spielt sie an einem echten Beispiel durch.

Was Query Fan-Out ist

Klassische Suche funktioniert eindimensional: Eine Anfrage, ein Abgleich mit dem Index, eine Liste von zehn Seiten. Query Fan-Out bricht damit. Google hat das Verfahren 2025 mit der Einführung von AI Mode öffentlich beschrieben: Die KI zerlegt eine Anfrage in mehrere Teilfragen („sub-queries“), schickt sie parallel an den Index – teils in Web-Suche, teils in Knowledge Graph, Shopping-Daten oder Maps –, sammelt die Ergebnisse ein und komponiert daraus eine einzige Antwort mit Quellenangaben.

Ein Beispiel macht es greifbar. Die Anfrage „Lohnt sich ein SEO Freelancer für ein kleines Unternehmen?“ wird nicht als ein String verarbeitet. Das System fragt sich sinngemäß:

• Was macht ein SEO Freelancer überhaupt?
• Was kostet ein SEO Freelancer im Vergleich zu einer Agentur?
• Welche Ergebnisse sind für kleine Unternehmen realistisch?
• Wann lohnt sich SEO für ein kleines Unternehmen nicht?
• Worauf sollte man bei der Auswahl achten?

Jede dieser Teilfragen bekommt eigene Treffer. Und jetzt der entscheidende Punkt: Die Treffer sind keine Seiten, sondern Passagen. Ein Absatz aus deinem Kostenartikel, ein Abschnitt aus einer Leistungsseite, eine FAQ-Antwort aus einem Glossar – das System pickt sich heraus, was die jeweilige Teilfrage am präzisesten beantwortet. Die fertige Antwort zitiert dann fünf, acht oder zwölf Quellen, von denen keine für die ursprüngliche Anfrage auf Platz 1 stehen muss.

Der Begriff „Fan-Out“ kommt aus der Informatik: Ein Signal verzweigt sich in viele parallele Pfade („fächert auf“) und wird anschließend wieder zusammengeführt. Genau das passiert hier mit deiner Suchanfrage. Google nutzt das Verfahren in AI Overviews und in AI Mode; die Assistenten von OpenAI, Perplexity und Anthropic arbeiten mit vergleichbaren Mechaniken, wenn sie Websuche einsetzen.

Warum das SEO grundlegend verändert

Drei Konsequenzen, die jede Content-Strategie betreffen:

1. Ranking und Sichtbarkeit fallen auseinander

Bisher galt: Wer auf Platz 1 steht, wird gesehen. Im Fan-Out-Modell kann eine Seite auf Platz 14 für das Hauptkeyword stehen und trotzdem zitiert werden – weil ein Absatz die Teilfrage „Was kostet…“ besser beantwortet als alles auf Seite eins. Umgekehrt kann Platz 1 leer ausgehen, wenn die Seite zwar breit, aber nirgends präzise ist. Das erklärt ein Muster, das ich in Search-Console-Daten inzwischen regelmäßig sehe: steigende Impressionen bei sinkender Durchschnittsposition. Die Seite taucht in KI-Features für Long-Tail-Varianten auf, die früher nie ein Ranking ausgelöst hätten.

2. Die Passage ist die neue Einheit

Google bewertet seit dem Passage-Ranking-Update 2021 einzelne Abschnitte. Fan-Out macht daraus das Grundprinzip. Ein Abschnitt muss für sich allein stehen können: eigene Überschrift, die Teilfrage im Wortlaut, Antwort in den ersten zwei Sätzen, dann Begründung. Ein 3.000-Wörter-Artikel, der alles irgendwo erwähnt, aber nichts sauber abgrenzt, liefert dem System keine extrahierbaren Einheiten.

3. Themenabdeckung schlägt Keyword-Dichte

Wenn eine Anfrage in acht Teilfragen zerlegt wird und deine Website sechs davon beantwortet, bist du der wahrscheinlichste Kandidat für die Zusammensetzung der Antwort. Das ist der Mechanismus hinter Topical Authority – nur jetzt messbar auf Ebene einzelner Anfragen. Wer nur die Hauptfrage bedient, konkurriert um einen Platz von acht. Wer den Fan-Out abdeckt, konkurriert um sechs.

Was eine Fan-Out-Analyse leistet

Eine Fan-Out-Analyse ist der Versuch, die Teilfragen zu rekonstruieren, die ein KI-System zu deinem Thema wahrscheinlich stellt – bevor du Inhalte planst. Sie sitzt zwischen klassischer Keyword-Recherche und Content-Briefing:

• Die Keyword-Recherche sagt: „SEO Beratung“ hat 5.600 Suchanfragen im Monat und transaktionale Absicht.
• Die Fan-Out-Analyse sagt: Wer das fragt, will implizit wissen, was Beratung umfasst, was sie kostet, wie lange sie dauert, wann sie sich nicht lohnt, wie sie sich von Agentur und Freelancer unterscheidet, und ob sie remote geht.
• Das Briefing übersetzt das in Abschnitte, jeder mit Überschrift, Kernaussage und Belegen.

Niemand außerhalb von Google kennt die exakten Teilfragen. Aber sie sind nicht zufällig. Sie folgen den Mustern, wie Menschen ein Thema erkunden – und diese Muster sind aus Google-Daten, aus den KI-Systemen selbst und aus Kundengesprächen gut rekonstruierbar. Die Analyse ist deshalb keine Spekulation, sondern strukturierte Annäherung mit mehreren Quellen.

Anleitung: Fan-Out-Analyse in sieben Schritten

Schritt 1: Hauptanfrage als Frage formulieren

Nicht „SEO Beratung“, sondern „Lohnt sich SEO Beratung für mein Unternehmen, und wie finde ich die richtige?“ – so, wie jemand es in AI Mode tippen würde. KI-Suche bekommt längere, natürlichere Anfragen als die klassische Suche. Die Formulierung als Frage macht die impliziten Teilfragen sichtbar.

Schritt 2: Teilfragen aus Google-Daten sammeln

Drei kostenlose Quellen, die Googles eigene Sicht auf das Thema zeigen:

• „Ähnliche Fragen“ (People also ask) in den Suchergebnissen – jede aufgeklappte Frage lädt neue nach. Zehn Minuten Klicken liefern 30 bis 50 Teilfragen.
• Google Suggest – die Autovervollständigung für „[Thema] wie“, „[Thema] was“, „[Thema] wann“, „[Thema] vs“, „[Thema] kosten“.
• Search Console – alle Suchanfragen, für die deine Seiten zum Thema bereits Impressionen bekommen, gefiltert nach Fragewörtern. Das sind Teilfragen, die Google dir bereits zutraut.

Schritt 3: Die KI-Systeme selbst befragen

Stelle die Hauptanfrage in Google AI Mode, in ChatGPT mit Websuche, in Perplexity und in Gemini. Beobachte nicht nur die Antwort, sondern ihre Struktur: Welche Unterüberschriften bildet das System? Welche Aspekte behandelt es in welcher Reihenfolge? Welche Quellen zitiert es für welchen Teil? Das ist der direkteste Blick auf den Fan-Out, den es gibt. Ergänzend kannst du das System bitten, die Frage in Teilfragen zu zerlegen – das Ergebnis ist eine brauchbare Hypothese, kein Beweis.

Schritt 4: Teilfragen klassifizieren

Aus meiner Praxis lassen sich fast alle Teilfragen sieben Typen zuordnen. Die Klassifizierung zeigt, welche Typen dein Content bisher ignoriert:

Schritt 5: Bestehende Inhalte mappen

Jede Teilfrage bekommt eine Spalte: Welche URL beantwortet sie heute? In welchem Abschnitt? Wie direkt? Drei Bewertungen reichen: „beantwortet“, „erwähnt“, „fehlt“. Das Ergebnis ist die Fan-Out-Lücke – meist überraschend groß, weil viele Seiten das Thema behandeln, aber keine die Teilfragen sauber abgrenzt.

Schritt 6: Entscheiden – Abschnitt oder eigene Seite

Teilfragen mit derselben Hauptintention werden Abschnitte auf einer Seite. Teilfragen, die für sich allein gesucht werden und eine eigene Absicht haben („Was kostet ein SEO Freelancer?“ wird auch ohne Beratungskontext gesucht), bekommen eine eigene Seite, die von der Hauptseite verlinkt wird. Faustregel: Hat die Teilfrage eigenes Suchvolumen und eine eigene Antwortlänge von mehr als 300 Wörtern, ist sie eine Seite. Sonst ein Abschnitt.

Schritt 7: Passagen zitierfähig schreiben

Für jeden Abschnitt gilt dasselbe Muster: Überschrift enthält die Teilfrage. Erster Satz beantwortet sie vollständig. Zweiter Satz nennt die wichtigste Einschränkung oder Bedingung. Danach Begründung, Beispiel, Zahl. Kein Abschnitt beginnt mit „In diesem Abschnitt erfahren Sie…“ – das System sucht Antworten, keine Ankündigungen. Wie man solche Texte schreibt, steht ausführlich im Glossar unter SEO-Text.

Beispiel: „SEO Freelancer beauftragen“ zerlegt

Ich habe die Methode auf mein eigenes Kernthema angewendet. Hauptanfrage, wie sie in AI Mode gestellt wird: „Ich habe ein kleines Unternehmen und überlege, einen SEO Freelancer zu beauftragen – worauf muss ich achten?“ Aus Ähnlichen Fragen, Suggest, Search Console und vier KI-Systemen ergab sich dieser Fan-Out (gekürzt auf die Teilfragen, die in mindestens zwei Quellen auftauchten):

Drei von acht Teilfragen waren Lücken. Keine davon hatte ein Keyword, das in einer klassischen Recherche als Prioriät aufgefallen wäre – „Woran erkenne ich einen guten SEO Freelancer“ hat kaum messbares Suchvolumen. Aber es ist eine Teilfrage, die das System bei fast jeder Beauftragungsfrage mitstellt. Wer sie beantwortet, sitzt in der zusammengesetzten Antwort.

Content-Architektur für Fan-Out

Zwei Modelle konkurrieren, und die richtige Antwort ist meist eine Mischung:

Die lange Hub-Seite. Alle Teilfragen als Abschnitte auf einer URL. Vorteil: Das System findet alles an einem Ort, die Seite baut Autorität für das ganze Thema auf. Nachteil: Abschnitte konkurrieren um Aufmerksamkeit, Teilfragen mit eigener Absicht werden nicht optimal bedient.

Der Cluster. Eine Pillar Page für die Hauptfrage, eigene Seiten für Teilfragen mit eigener Intention, alles per interner Verlinkung verbunden. Vorteil: Jede Seite ist fokussiert, jede Teilfrage bekommt Tiefe. Nachteil: Mehr Pflege, Kannibalisierungsrisiko bei unsauberer Abgrenzung.

Meine Regel aus der Praxis: Hub-Seite mit allen Teilfragen als Kurzabschnitte (je 100 bis 200 Wörter, direkte Antwort), plus eigene Seiten für die drei bis fünf Teilfragen, die eigenes Suchvolumen haben. Die Kurzabschnitte auf dem Hub verlinken auf die Tiefe. So bekommt das System an beiden Stellen extrahierbare Passagen – und der Leser, der mehr will, findet den Weg.

Dazu kommen drei technische Bausteine, die die Extraktion erleichtern: strukturierte Daten für FAQ und Artikel, eine llms.txt als Wegweiser für KI-Crawler, und konsistente Entitäten – dein Name, dein Unternehmen, dein Standort, deine Leistungen müssen auf jeder Seite identisch benannt sein, damit das System sie einer Quelle zuordnen kann.

Sieben typische Fehler

1. Nur die Hauptfrage optimieren. Die Seite rankt vielleicht klassisch, liefert dem Fan-Out aber nur eine von acht Passagen.
2. Antworten verstecken. Die Kosten stehen im vierten Absatz nach drei Absätzen Einleitung. Das System nimmt die Quelle, die sie im ersten Satz nennt.
3. Überschriften ohne Frage. „Unsere Leistungen“ statt „Was umfasst eine SEO Beratung?“. Die Überschrift ist das Signal, welche Teilfrage der Abschnitt beantwortet.
4. Alles auf eine Seite pressen. Teilfragen mit eigener Absicht verlieren Tiefe, wenn sie als 80-Wort-Abschnitt abgehandelt werden.
5. Alles auf eigene Seiten verteilen. Zwanzig dünne Seiten zu einem Thema ohne Hub – das System findet keine Autorität, der Leser keinen Einstieg.
6. Inkonsistente Entitäten. Auf einer Seite „SEO-Berater“, auf der nächsten „SEO Consultant“, im Schema „SEO Freelancer“. Das System kann die Quelle nicht sauber zuordnen.
7. Einmal analysieren, nie wiederholen. Der Fan-Out verändert sich mit den Modellen. Eine Analyse pro Quartal für die Kernthemen ist der realistische Rhythmus.

Werkzeuge und Datenquellen

Die Analyse braucht kein teures Tool. Was ich verwende, in absteigender Wichtigkeit:

• Google AI Mode und AI Overviews – direkte Beobachtung, kostenlos. Testanfragen stellen, Struktur und Quellen notieren.
• Google Search Console – Suchanfragen nach Fragewörtern filtern; das Muster „Impressionen steigen, Position sinkt“ als Indikator für KI-Sichtbarkeit lesen. Mehr im Glossar zur Search Console.
• Ähnliche Fragen und Suggest – die Rohquelle für Teilfragen, ebenfalls kostenlos.
• ChatGPT, Perplexity, Gemini, Claude – zum Rekonstruieren der Zerlegung und zum Prüfen, ob die eigene Domain zitiert wird.
• SEO-Suiten – Sistrix, Semrush und Ahrefs bauen Funktionen für KI-Sichtbarkeit aus; sie ersetzen die manuelle Beobachtung nicht, beschleunigen aber das Monitoring über viele Themen. Einen Überblick gibt der Artikel zu SEO-Tools.
• Eine Tabelle – Teilfrage, Typ, Quelle der Teilfrage, bestehende URL, Bewertung, Maßnahme. Mehr braucht die Analyse nicht.

Fan-Out und klassisches Ranking

Eine häufige Sorge: Macht Fan-Out-Optimierung die klassische Suche kaputt? Das Gegenteil ist der Fall. Die Eigenschaften, die eine Passage zitierfähig machen – klare Überschriften, direkte Antworten, vollständige Themenabdeckung, konsistente Entitäten, strukturierte Daten – sind dieselben, die Google seit den Helpful-Content-Updates auch in der klassischen Suche belohnt. Eine Seite, die den Fan-Out abdeckt, hat mehr Long-Tail-Rankings, mehr Rich Snippets und stabilere Positionen nach Core Updates.

Was sich ändert, ist die Messung. Wer nur die Position für das Hauptkeyword verfolgt, übersieht die Sichtbarkeit in KI-Features vollständig. Die relevante Kennzahl wird: Für wie viele Teilfragen des Themas ist die eigene Domain die zitierte Quelle? Das lässt sich heute nur manuell über Testanfragen erfassen – und genau deshalb ist es ein Vorsprung für alle, die es tun.

Wie das mit der übergeordneten Disziplin zusammenhängt, steht im Artikel Was ist GEO? und im Vergleich GEO vs. SEO. Für Unternehmen, die das strukturiert angehen wollen, ist die Fan-Out-Analyse fester Teil meiner Leistung KI & GEO.

Fazit

Query Fan-Out ist keine Google-Spielerei, sondern das Grundprinzip, nach dem KI-Suche Antworten baut: Anfrage zerlegen, Passagen einsammeln, Antwort komponieren. Die Fan-Out-Analyse macht dieses Prinzip für die Content-Planung nutzbar – mit kostenlosen Datenquellen, einer Tabelle und einer Stunde Arbeit pro Kernthema. Das Ergebnis sind Inhalte, die nicht nur für ein Keyword ranken, sondern für die Teilfragen dahinter zitiert werden. Wer das heute für seine fünf wichtigsten Themen tut, ist den meisten Wettbewerbern zwei Jahre voraus.

Über den Autor

Julian Deutsch

SEO- & KI-Experte aus Essen mit journalistischem Background. 10 Jahre Digital-Marketing, 1.500+ publizierte Artikel quer durch alle Branchen. Mehr über mich →