Was Query Fan-out jenseits der Lehrbuchdefinition bedeutet
Query Fan-out beschreibt nicht, wie ein Nutzer sucht, sondern wie Google eine Anfrage intern auseinandernimmt, bevor es überhaupt antwortet. Im AI Mode, offiziell beim Google I/O 2025 vorgestellt, nennt Google die Technik selbst « query fan-out »: Eine einzelne Eingabe wird in mehrere zusammenhängende Teilfragen zerlegt, die parallel gegen den Index laufen. Die generative Antwort entsteht erst, nachdem all diese Sub-Queries beantwortet und ihre Ergebnisse zusammengeführt wurden.
Der praktische Unterschied zur klassischen Suche ist fundamental. Früher hat eine Seite für eine Anfrage gerankt. Heute konkurriert dieselbe Seite um Dutzende Sub-Queries, die der Nutzer nie eingetippt hat und die er in der Search Console nicht als eigene Zeile wiederfindet. Eine Seite kann für die ursprüngliche Suchanfrage technisch perfekt optimiert sein und trotzdem aus der generativen Antwort verschwinden, weil sie drei der fünf abgeleiteten Teilfragen schlicht nicht abdeckt.
Wer die technische Grundlage von Retrieval, Grounding und dem Fan-out-Mechanismus kompakt nachvollziehen will, findet sie hier zusammengefasst:
Entscheidend ist die Abgrenzung zur Query Expansion, die in der Praxis oft verwechselt wird. Query Expansion erweitert eine Anfrage um Synonyme und Schreibvarianten, um dieselbe Ergebnismenge breiter zu treffen. Query Fan-out erzeugt dagegen eigenständige neue Anfragen mit jeweils eigener Intention, ruft getrennte Ergebnismengen ab und synthetisiert sie. Expansion bleibt eine Suche mit mehr Begriffen, Fan-out ist ein Bündel paralleler, inhaltlich verschiedener Suchen.
Wie Query Fan-out 2026 technisch arbeitet
Der Ablauf ist mehrstufig. Das Sprachmodell hinter dem AI Mode interpretiert die Eingabe, leitet daraus latente Teilfragen ab, schickt diese als separate Suchanfragen in das Retrieval-System, sammelt die Treffer ein und synthetisiert eine Antwort, die einzelne Quellen namentlich zitiert. Google bezeichnet die Kopplung an reale, abrufbare Dokumente als Grounding: Die generierte Antwort wird an Belege gebunden, statt frei formuliert zu werden.
Ein Beispiel macht die Mechanik greifbar. Für eine Anfrage wie « beste Buchhaltungssoftware für Handwerksbetriebe » erzeugt das System nicht eine, sondern mehrere Achsen: Preisspannen, DATEV-Schnittstelle, mobile Belegerfassung, Eignung für Kleinbetriebe, unabhängige Testberichte. Jede Achse ist eine eigene Sub-Query mit eigener Ergebnismenge. Eine Seite, die nur den Hauptbegriff bedient, taucht in der synthetisierten Antwort selten auf, weil sie diese abgeleiteten Achsen nicht beantwortet.
Messbar ist der Prozess nur indirekt, denn Google veröffentlicht die Teilfragen nicht. Aus eigener Audit-Erfahrung lassen sich die wahrscheinlichen Sub-Queries aus drei Quellen rekonstruieren: den People-Also-Ask-Blöcken zur Anfrage, den Autocomplete-Vorschlägen und vor allem den Folgefragen, die der AI Mode selbst anbietet. Diese Vorschläge sind faktisch ein Fenster in die Fan-out-Logik, weil sie zeigen, in welche Richtungen das System die ursprüngliche Anfrage gedanklich aufgefächert hat.
Diese Auffächerung erklärt auch, warum reine Keyword-Optimierung an Wirkung verliert. Das System bewertet nicht mehr nur, wie gut eine Seite zu einem Begriff passt, sondern wie vollständig eine Domain den semantischen Raum rund um eine Intention abdeckt. Die generativen Antwortboxen in den Suchergebnissen sind dabei der sichtbarste Ausdruck dieser Logik im klassischen SERP.
Wo Query Fan-out in der SEO- und Netlinking-Operation zählt
Die Konsequenz für die Themenarchitektur ist konkret. Eine einzelne, breit gehaltene Seite verliert gegen ein semantisch vollständiges Cluster. Wenn Google eine Anfrage in fünf Teilfragen auffächert, gewinnt die Domain, deren Inhalte alle fünf sauber bedienen, idealerweise über mehrere intern verlinkte Seiten. Topical Authority hört damit auf, ein Marketingbegriff zu sein, und wird zur messbaren Abdeckungsfrage über den gesamten Fan-out hinweg.
Für das Netlinking verschiebt das die Prioritäten. Links sollten nicht nur auf die Geldseite zeigen, sondern gezielt die Seiten stärken, die einzelne Teilfragen beantworten. Eine zitierfähige Quelle in einer generativen Antwort ist häufig die spezifische Sub-Query-Seite, nicht die generische Hauptseite. Bevor man Budget verteilt, lohnt sich eine ehrliche Bestandsaufnahme der eigenen KI-Sichtbarkeit, um zu sehen, welche Achsen bereits zitiert werden und welche leer bleiben.
Stringer betreibt 28 eigene Medien im Eigenbetrieb und sieht den Effekt im eigenen Bestand: Thematisch geschlossene Cluster mit interner Verlinkung werden in generativen Antworten häufiger zitiert als isolierte Einzelseiten gleicher Textqualität. Wer prüfen will, wie gut die eigene Domain die abgeleiteten Teilfragen einer Kernanfrage abdeckt, kann diese Abdeckung gezielt über die Achsen des Fan-out auswerten lassen, statt blind in mehr Content zu investieren.
Praktisch heißt das, die interne Verlinkung an der Fan-out-Struktur auszurichten: Die Hauptseite verteilt Autorität an die Sub-Query-Seiten, und diese verweisen untereinander, damit Google das Cluster als Einheit liest. Externe Links wiederum sind am wirksamsten, wenn sie auf die Belegseiten zeigen, die eine konkrete Teilfrage mit Daten, Tests oder Originalrecherche beantworten.
Tools und Messung: Sub-Queries sichtbar machen
Die Google Search Console bleibt die ehrlichste Quelle, auch wenn sie die Fan-out-Logik nicht offen zeigt. Über den Leistungsbericht lassen sich Anfragen identifizieren, für die eine Seite Impressionen sammelt, obwohl der Hauptbegriff gar nicht im Title steht: Das sind meist genau die Sub-Queries, über die Google die Seite bereits zieht. Wer diese Zeilen nach Mustern gruppiert, sieht die Achsen, auf denen die Domain schon präsent ist, und die Lücken dazwischen.
Die Logfile-Analyse ergänzt das Bild, weil sich am Crawl-Verhalten ablesen lässt, welche thematisch benachbarten URLs Google im Kontext zusammen abruft. Wenn der Bot innerhalb kurzer Zeit mehrere Cluster-Seiten besucht, behandelt er sie wahrscheinlich als Teil derselben semantischen Einheit.
Wie sich die Sub-Queries einer AI Overview mit einem kostenlosen Tool konkret auslesen lassen, zeigt diese Demonstration:
Auf Anbieterseite liefern Sistrix und die Searchmetrics-Nachfolger Sichtbarkeitsdaten, mit denen sich die Cluster-Abdeckung über die Zeit verfolgen lässt. Kostenpflichtige Fan-out-Analysen rekonstruieren die wahrscheinlichen Teilfragen direkt aus den KI-Antworten. Für deutsche Betreiber kommt die DSGVO-Ebene hinzu: KI-gestützte Auswertung von Nutzer- und Suchdaten zur Intent-Analyse braucht eine saubere Rechtsgrundlage, was Tools mit EU-Hosting gegenüber reinen US-Diensten praktisch bevorzugt.
Häufige Fehler, die wir in Audits sehen
Der häufigste Fehler ist die keyword-zentrierte Seite, die auf einen Hauptbegriff hin optimiert ist und die Teilfragen ignoriert. Sie rankt klassisch noch, verschwindet aber aus der generativen Antwort. Der zweite Fehler ist die Dünnschicht-Strategie: zwanzig oberflächliche Seiten zu einzelnen Teilfragen, von denen keine eine Achse wirklich beantwortet. Fan-out belohnt Tiefe pro Achse, nicht Masse an dünnen URLs.
Der dritte Fehler betrifft die Struktur. Ohne strukturierte Daten und ohne interne Verlinkung zwischen den Sub-Query-Seiten erkennt Google das Cluster nicht als zusammenhängend. Schema-Markup ist hier kein Ranking-Bonus, sondern eine Lesehilfe, die dem System die Zuordnung erleichtert. Der vierte Fehler ist das Messen am falschen KPI: Wer weiterhin nur Position eins für den Hauptbegriff verfolgt, übersieht, dass die Sichtbarkeit im generativen Sucherlebnis an der Zitierhäufigkeit über alle Teilfragen hängt, nicht an einer einzelnen Ranking-Position.
Bleibt der strategische Fehler, SEO für überholt zu erklären. Die Frage, ob SEO noch zeitgemäß ist, beantwortet sich an dieser Stelle nüchtern: Die Disziplin verschiebt sich von reiner Ranking-Optimierung hin zu Abdeckungs- und Zitier-Optimierung, sie verschwindet nicht. Wer transparent messen will, wie oft die eigene Marke in generativen Antworten auftaucht, sollte die Zitate systematisch über die Teilfragen hinweg erfassen, statt sich auf ein einzelnes Vanity-Keyword zu verlassen.