Query Fan-Out: So sucht KI wirklich

Wenn du ChatGPT, Perplexity oder Googles KI-Modus eine Frage stellst, passiert zwischen deiner Frage und der Antwort ein Schritt, den du nicht siehst. Es sucht dabei mit eigenen Suchanfragen, die es sich aus deiner Frage ableitet. Dieser Schritt heißt Query Fan-Out, und er entscheidet darüber, welche Websites in der fertigen Antwort als Quelle auftauchen.

Für dich als Website-Betreiber ist das der Punkt, an dem die alte Logik kippt. Jahrelang galt: Du kennst die Suchanfrage, du baust die passende Seite. Jetzt kennt niemand die Suchanfrage, weil sie erst in dem Moment entsteht, in dem jemand fragt.

Was beim Query Fan-Out tatsächlich passiert

Query Fan-Out ist das Auffächern einer Frage in mehrere Teilsuchen. Das System liest deine Frage, leitet daraus ab, welche Einzelinformationen es für eine gute Antwort braucht, formuliert für jede dieser Informationen eine eigene Suchanfrage, schickt alle gleichzeitig los und baut aus den Treffern einen Antworttext.

Der Vergleich, der das am besten greifbar macht: Du gibst einem Mitarbeiter den Auftrag „Finde mir eine rote Handyhülle“. Er wird nicht einmal suchen und fertig sein. Er klärt erst, um welches Handy es geht, schaut sich Modelle für iPhone, Samsung und Pixel an, vergleicht Preise, liest zwei Erfahrungsberichte und prüft die Lieferzeit. Fünf, sechs, zehn kleine Recherchen für einen Satz Antwort. Ein KI-System macht dasselbe, nur eben alles auf einmal und in wenigen Sekunden.

Der Unterschied zur klassischen Suchmaschine liegt in der Richtung. Google hat deine Suchanfrage genommen und dir Ergebnisse dazu geliefert: eine Frage, eine Ergebnisliste. Ahrefs beschreibt die neue Situation im Leitfaden zu Query Fan-Out (2. März 2026) als Umkehrung in ein Verhältnis von einer Frage zu vielen Suchen. Aus einer Suche werden viele, damit das Modell genug Zusammenhang bekommt.

Was daraus folgt, merkst du an einer Stelle sofort: Deine Seite kann für eine Frage zitiert werden, die du nie im Blick hattest. Und sie kann bei genau dem Begriff, auf den du optimiert hast, komplett übergangen werden, weil die KI diesen Begriff gar nicht gesucht hat.

Woher der Begriff kommt und wie offiziell er ist

Der Begriff stammt von Google. Elizabeth Reid, Head of Search, hat ihn am 20. Mai 2025 bei der Vorstellung des KI-Modus benutzt: Der KI-Modus nutze „unsere Query-Fan-Out-Technik“ und zerlege die Frage in Unterthemen, zu denen dann gleichzeitig eine Vielzahl von Suchanfragen abgeschickt werde (Google-Blog).

In der Dokumentation für Website-Betreiber klingt es zurückhaltender. Dort heißt es, AI Overviews und der KI-Modus „können“ eine Query-Fan-Out-Technik einsetzen, also mehrere verwandte Suchen über Unterthemen und Datenquellen hinweg. Stand dieser Seite ist der 10. Dezember 2025. Dieses „können“ ist kein Zufall. Google legt sich nicht darauf fest, dass jede Antwort so entsteht.

In den Patenten, die in Fachkreisen dazu herumgereicht werden, taucht das Wort Fan-Out nicht auf. Die Google-Anmeldung Search with stateful chat (US20240289407A1, veröffentlicht am 29. August 2024) beschreibt den Vorgang, kennt dafür aber einen anderen Namen: „synthetische Suchanfragen“, die ein Sprachmodell aus dem Gesprächsverlauf erzeugt, inklusive Umformulierungen der Ursprungsfrage und Nachfragen in die Tiefe. Ein Patent sagt nichts darüber, was in der Suche wirklich läuft. Als Beschreibung des Mechanismus ist es trotzdem brauchbar, weil es das Prinzip aus Googles eigener Feder benennt.

Wie viele Suchen laufen pro Frage?

Die Zahlen gehen weit auseinander, und das ist die wichtigste Erkenntnis des Jahres zu diesem Thema. Je nach gemessenem System, Oberfläche und Art der Frage liegt die Spanne zwischen „gar keine Suche“ und mehreren hundert.

Daraus folgt: Es gibt keine Zahl, mit der du rechnen kannst. Wer dir sagt, KI-Systeme machten „8 bis 15 Teilsuchen pro Frage“, hat eine einzelne Messung zu einer Regel erklärt. Die größte bisher veröffentlichte Auswertung, die Ahrefs-Studie vom 12. Oktober 2026 über 66,6 Millionen ChatGPT-Antworten, zeigt sogar das Gegenteil des Hypes: In rund 85 von 100 Fällen antwortet ChatGPT ohne jede Websuche, allein aus dem Modell. Das Fan-Out greift nur bei der Minderheit der Fragen, bei der es aktuelle oder prüfbare Fakten braucht. Genau das sind die Fragen, bei denen Geld im Spiel ist.

Die Ahrefs-Zahlen gelten für abgemeldete Nutzer ohne Chatverlauf und Gedächtnis, also für das Standardverhalten. Bei angemeldeten Nutzern mit Vorgeschichte kann das anders aussehen. Und alle genannten Werte sind Momentaufnahmen aus 2026: Die Anbieter verändern ihre Abrufmechanik laufend, Ahrefs schreibt dazu, OpenAI stelle „ständig“ um.

Wie weit sich die Suchanfragen von deiner Frage entfernen

Die vom System erzeugten Suchanfragen haben mit dem Wortlaut der Nutzerfrage überraschend wenig zu tun. Seer Interactive hat dafür die aussagekräftigsten Zahlen geliefert: In einer Auswertung von Gemini 3 waren die Suchanfragen im Schnitt 6,7 Wörter lang, in 21,3 % steckte eine Jahreszahl, in 26,4 % ein Markenname. Das sind keine Sätze mehr, das sind kurze, harte Suchphrasen.

Noch deutlicher wird es bei der Wiederholbarkeit. Seer hat 100 Fragen dreizehnmal gestellt und dabei 11.029 unterschiedliche Suchanfragen gezählt. Die Übereinstimmung zwischen den Durchläufen lag bei 0,1 %. Nur acht Suchanfragen tauchten in allen dreizehn Durchläufen auf. Dieselbe Frage, dreizehn Mal gestellt, erzeugt praktisch jedes Mal einen anderen Fächer.

Der dritte Befund ist der, der für die Praxis am meisten umstellt: 99 % dieser Suchanfragen haben kein messbares Suchvolumen, im früheren Datensatz von Seer waren es über 95 %. Kein Mensch tippt sie ein. Sie stehen in keinem Keyword-Tool, und sie erscheinen in keinem Bericht der Google Search Console, weil dort nur echte Suchanfragen von echten Nutzern landen. Die Nachfrage, die dein Ranking bestimmt, ist also mit den gewohnten Werkzeugen unsichtbar.

Thematisch verschieben sich diese Anfragen schnell. Ahrefs hat die häufigsten Begriffe in den ChatGPT-Suchanfragen zwischen August und September 2026 verglichen: „2026“ stieg von 17,6 auf 22,9 %, „official“ von 10,1 auf 13,1 %, „price“ von 6,04 auf 8,88 %. „Reviews“ wuchs um etwa ein Drittel, „specifications“ tauchte erstmals in den Top 50 auf, während „meaning“ und „definition“ jeweils um rund ein Fünftel zurückgingen. Innerhalb eines Monats. Die Systeme suchen zunehmend nach Preisen, Daten und Bewertungen, immer seltener nach Begriffserklärungen.

Wer am Ende als Quelle zitiert wird

Im Fan-Out aufzutauchen reicht nicht. Nick Haigler von Seer Interactive formuliert es so: Eine Nennung im Fan-Out garantiere nicht, dass du auch in der Antwort auftauchst. Zwischen „die KI hat nach dir gesucht“ und „die KI empfiehlt dich“ liegen zwei weitere Entscheidungen: Hat sie auf deiner Seite den Fakt gefunden, den sie brauchte? Und hält sie deine Seite für glaubwürdig genug, um sie zu zitieren?

Bei der ersten Frage entscheidet schlichte Lesbarkeit. Ahrefs fasst die Konsequenz in einem Satz zusammen, der sich gut übersetzen lässt: Die Fakten müssen auf deiner Seite stehen, als Klartext, auf einer Seite, die das System finden kann. Preise, Leistungsumfänge, technische Angaben, Lieferzeiten. In über 2.500 Website-Projekten haben wir gesehen, wo diese Angaben in der Praxis landen: im PDF, in der Infografik, im Kontaktformular, in einem Preisrechner, der erst nach drei Klicks rechnet. Für ein KI-System existieren sie damit nicht. Wie du so eine Seite aufbaust, haben wir in unserem Beitrag zur Grounding-Page ausführlich beschrieben.

Bei der zweiten Frage verschiebt sich gerade das Gewicht. Nach den Ahrefs-Daten zitieren 84,4 % der Faktenfragen in ChatGPT mindestens eine offizielle Quelle, bei Vergleichsfragen sind es 68,3 %. Offizielle Anbieterseiten machen bei Faktenfragen 63,4 % aller Zitate aus, bei Vergleichen nur 46,4 %. Gleichzeitig sind die klassischen Sammelquellen eingebrochen: Reddit-Zitate gingen zwischen März und September 2026 um 88 % zurück, Wikipedia um 80 %, YouTube um 27 %. Fachlich belastbare Quellen rückten nach, PubMed etwa von Platz 64 auf Platz 4.

Wil Reynolds von Seer Interactive setzt dahinter noch einen Warnhinweis, den ich wichtig finde: In der KI-Suche sei es gut möglich, aufzutauchen und dabei trotzdem abgeraten zu werden. Sein Beispiel ist eine Modemarke, die bei Google zum Thema faire Jeans in den Top 10 steht und in KI-Antworten nie vorkommt, weil ihr die Belege Dritter fehlen. Sichtbarkeit und Empfehlung sind zwei verschiedene Dinge, und nur das zweite bringt Umsatz. Welche Kennzahlen dafür taugen, ist eine eigene Diskussion; einen Einstieg findest du bei uns unter KI-Sichtbarkeit messen.

Was daraus für deine Website folgt

Aus dem Mechanismus lassen sich vier Konsequenzen ableiten, die sich ohne neues Werkzeug umsetzen lassen.

1. Fakten als Text auf eigene Seiten. Jede Angabe, nach der ein System gezielt suchen könnte, gehört als lesbarer Satz auf eine Seite deiner Domain: Preise und Preisspannen, Leistungsumfang, Bearbeitungszeiten, technische Werte, Zuständigkeitsgebiete. Bilder, PDFs und interaktive Rechner zählen nicht.

2. Auf Themen zielen statt auf einzelne Formulierungen. Bei 0,1 % Übereinstimmung zwischen zwei Durchläufen ist das Optimieren auf eine einzelne Suchphrase sinnlos. Lohnend ist die Frage, welche Teilaspekte eines Themas in jedem Fächer vorkommen, und ob du zu jedem davon etwas Eigenes sagst.

3. Jahreszahl und Aktualität sichtbar machen. Wenn in über einem Fünftel aller Suchanfragen eine Jahreszahl steckt und „2026“ der häufigste Begriff überhaupt ist, dann gewinnen Seiten, die ihren Stand im Text nennen. Ein Datum im Fließtext oder ein Aktualisierungshinweis kostet nichts.

4. Belege außerhalb der eigenen Domain aufbauen. Bewertungen, Erfahrungsberichte und Fachbeiträge Dritter sind die Währung bei Vergleichsfragen, weil dort nur noch knapp die Hälfte der Zitate von Anbieterseiten kommt.

Das Ganze ist der mechanische Unterbau für das, was im Markt unter Answer Engine Optimization und Generative Engine Optimization läuft. Wer den Fächer versteht, versteht auch, warum diese Arbeit anders aussieht als klassische Keyword-Optimierung.

Fazit

Query Fan-Out ist der Grund, warum sich Sichtbarkeit in KI-Antworten anders anfühlt als ein Google-Ranking. Das Ziel deiner Arbeit ist jetzt ein Fächer kurzer Suchanfragen, den eine Maschine aus der Nutzerfrage ableitet. Er sieht bei jedem Durchlauf anders aus und taucht in keinem Tool auf.

Die gute Nachricht steckt in genau dieser Unberechenbarkeit. Weil sich einzelne Suchanfragen nicht treffen lassen, gewinnt wieder das, was ohnehin gute Arbeit war: klare Fakten als Text auf der eigenen Seite, ein Thema vollständig durchdacht, ein sichtbares Aktualisierungsdatum und Belege von außen. Wer das hat, taucht im Fächer auf, auch bei Fragen, die er nie vorhergesehen hätte.