Was macht Query Fan-out aus einer einzelnen Suchanfrage?
Query Fan-out zerlegt eine Frage in mehrere verwandte Suchanfragen, die gleichzeitig gestellt werden. Aus der Antwort auf eine Frage wird so die Antwort auf viele Teilfragen.
Google beschreibt das Verfahren seit dem Start des AI Mode öffentlich. Elizabeth Reid, Head of Search, schrieb im Mai 2025, der AI Mode zerlege eine Frage in Unterthemen und stelle „eine Vielzahl von Suchanfragen gleichzeitig“ im Namen der Nutzer. In der Dokumentation für Website-Betreiber heißt es, AI Overviews und AI Mode können Query Fan-out nutzen – mehrere verwandte Suchen über Unterthemen und Datenquellen hinweg – und zeigen dadurch eine breitere Auswahl an Links als die klassische Suche.
Googles eigenes Beispiel macht das greifbar: Wer fragt, wie man einen Rasen voller Unkraut wieder in Ordnung bringt, löst zusätzlich Anfragen wie „beste Unkrautvernichter für Rasen“ aus. Die Teilfragen sind also keine Umformulierungen derselben Frage, sondern die Schritte, die man für eine vollständige Antwort braucht.
Für ein Thema heißt das: Die Konkurrenz findet nicht mehr nur auf der Ebene der Hauptfrage statt. Eine Seite kann für einzelne Teilfragen herangezogen werden, auch wenn sie für die Hauptfrage nicht weit oben steht. Wie die Teilanfragen im Einzelfall lauten, veröffentlicht Google nicht.
Warum hilft eine Seite pro Teilanfrage nicht weiter?
Für jede mögliche Teilanfrage eine eigene Seite zu bauen, ist die naheliegende Reaktion auf Query Fan-out – und die falsche. Google rät in seinem Leitfaden zur generativen KI-Suche ausdrücklich davon ab, separate Inhalte für jede mögliche Variante einer Anfrage zu erstellen, und verweist dabei auf die Spam-Richtlinie zu massenhaft erstellten Inhalten.
Dazu kommen zwei praktische Gründe. Erstens sind die Teilanfragen nicht stabil: Sie werden von einem Sprachmodell erzeugt, abhängig von Formulierung und Kontext. Nach unserer Einschätzung lassen sie sich deshalb nur als Muster vorhersagen, nicht als feste Liste. Zweitens zersplittert eine Seitenflut genau das, was ein Thema stark macht: Fünf dünne Seiten zu Varianten derselben Frage konkurrieren miteinander, statt sich zu ergänzen.
Google sagt außerdem, dass Inhalte für die KI-Suche nicht in kleine Stücke zerlegt werden müssen und dass es keine ideale Seitenlänge gibt. Empfohlen wird, Inhalte für Leser zu gliedern – mit Absätzen, Abschnitten und Überschriften.
In SEO-Projekten haben wir lange gelernt, für jedes Keyword eine Landingpage zu bauen. Bei Query Fan-out wäre das dieselbe Gewohnheit in größerem Maßstab – mit demselben Ergebnis, nur schneller.
Eine eigene Seite für jede Teilfrage braucht es deshalb nicht. Teilfragen zum selben Unterthema gehören an eine gemeinsame Antwortstelle; eine eigene Seite lohnt sich erst, wenn die Antwort eigene Belege, Beispiele oder Schritte braucht.
Query Fan-out stellt viele Fragen. Ein guter Themen-Hub sorgt dafür, dass jede davon genau eine gute Antwortstelle findet.
Wie passen Themen-Hub und Query Fan-out zusammen?
Ein Themen-Hub ist eine Seite, die ein Thema gliedert, seine Leitfragen kurz beantwortet und auf vertiefende Unterseiten verweist, die Spokes. Diese Struktur passt zu Query Fan-out, weil sie dieselbe Logik hat: eine Hauptfrage, mehrere Unterthemen, für jedes eine Antwort. Was ein Hub grundsätzlich leisten muss und woher der Begriff Hub Score stammt, erklärt der Knowledge Case über Seiten, die zum Knotenpunkt ihres Themas werden.
Gefunden zu werden ist dabei nicht dasselbe wie verstanden oder als Antwort genutzt zu werden. Im Meusel Visibility Framework betrifft ein fan-out-fähiger Hub drei Stufen:
- SEO – Findability: Hub und Spokes sind indexiert und für Snippets zugelassen – laut Google die Voraussetzung, um in KI-Funktionen zu erscheinen. Jeder Spoke ist vom Hub aus mit einem beschreibenden Ankertext verlinkt. Google nutzt Links, um Seiten zu finden und ihre Relevanz einzuschätzen.
- GEO – Processability: Jedes Unterthema steht als eigenständige Wissenseinheit an genau einer Stelle. GEO meint hier im engen Sinn, dass KI-Systeme einen Inhalt als solche Einheit verarbeiten können; in der Branche wird der Begriff teils weiter gefasst.
- AEO – Answerability: Die Abschnitte beginnen mit der Antwort auf ihre Teilfrage. Google bewertet mit Passage Ranking einzelne Abschnitte einer Seite; eine Teilfrage, die im dritten Absatz versteckt beantwortet wird, ist schwerer zu nutzen.
Ob ein Inhalt am Ende als Quelle ausgewählt wird, entscheidet die vierte Stufe, Trust. Sie hängt an Belegen, Autorschaft und Konsistenz – und wird nicht allein durch Struktur erreicht.
Die Arbeitsteilung zwischen Hub und Spoke ist der Kern: Der Hub beantwortet jede Teilfrage in zwei bis drei Sätzen und verweist auf die Tiefe. Der Spoke beantwortet genau ein Unterthema ausführlich, mit Belegen, Beispielen und Grenzen. So gibt es für jede Teilfrage eine kurze und eine vertiefte Antwortstelle – aber nie zwei konkurrierende.
Eine Garantie, in KI-Antworten zitiert zu werden, ist ein Themen-Hub dabei nicht: Er verbessert die Voraussetzungen, die Auswahl trifft das System.
Wie erstellt man eine Teilfragen-Map?
Eine Teilfragen-Map ordnet die Fragen eines Themas Unterthemen zu und legt für jedes Unterthema genau eine Antwortstelle fest. Sie entsteht in fünf Schritten und braucht keine Simulation von Fan-out-Anfragen, nur echte Fragen.
- Hauptfrage festlegen. Die eine Frage, für die der Hub der Einstieg sein soll – so formuliert, wie Menschen sie stellen.
- Teilfragen sammeln. Aus Suchanfragen in der Search Console, Kundenfragen aus Vertrieb und Service, den Fragen unter „Ähnliche Fragen“ und eigenen Testanfragen in der KI-Suche. Testanfragen mehrmals stellen: Die genannten Aspekte schwanken, die wiederkehrenden sind die relevanten.
- Varianten bündeln. Fragen, die dasselbe Unterthema betreffen, werden zusammengefasst. „Was kostet X?“, „Wie teuer ist X?“ und „Preis für X“ sind ein Unterthema, nicht drei.
- Antwortort festlegen. Reichen zwei bis drei Sätze, steht die Antwort nur auf dem Hub. Braucht sie eigene Belege, Beispiele oder Schritte, bekommt das Unterthema einen Spoke – und der Hub eine Kurzantwort mit Link.
- Verbindung prüfen. Der Hub verlinkt jeden Spoke mit beschreibendem Ankertext, jeder Spoke beginnt mit der Antwort auf seine Teilfrage und verlinkt zurück. Was fehlt, kommt auf die Lückenliste.
Das Ergebnis ist eine Tabelle mit drei Spalten: Unterthema, Antwortort, Status. Sie zeigt, welche Teilfragen noch keine Antwort haben, welche doppelt beantwortet werden und welche Seiten zu keinem Unterthema gehören. Gerade die zweite Gruppe übersieht man ohne Map leicht.
Wie viele Spokes ein Themen-Hub braucht, gibt keine feste Zahl vor, sondern die Teilfragen-Map: so viele, wie es Unterthemen gibt, deren Antwort mehr als zwei bis drei Sätze braucht. Für ein neues Thema ist es sinnvoller, mit wenigen gut abgegrenzten Spokes zu beginnen als mit vielen dünnen. Themen-Hubs sind nicht auf Googles KI-Suche beschränkt – die klare Zuordnung von Fragen zu Unterthemen hilft Lesern und anderen Suchsystemen gleichermaßen, weil sie die Struktur transparenter macht.
Praxisbeispiel: Teilfragen-Map für einen Themen-Hub
Das folgende Beispiel ist konstruiert, aber typisch: Ein Anbieter von Wärmepumpen für Gewerbebetriebe hat eine Themenseite „Wärmepumpe im Gewerbe“ und zwölf Blogartikel aus drei Jahren.
Hauptfrage: Lohnt sich eine Wärmepumpe für unseren Betrieb?
Teilfragen nach dem Sammeln: rund 40 Formulierungen aus Search Console, Vertrieb und Testanfragen – darunter Kosten, Förderung, Eignung für Hallen, Kombination mit Photovoltaik, Lautstärke, Wartung, Ablauf der Umstellung.
Nach dem Bündeln: sieben Unterthemen. Die Teilfragen-Map sieht so aus:
| Unterthema | Antwortort | Status |
|---|---|---|
| Eignung des Gebäudes | Spoke | vorhanden, aber Antwort erst im vierten Absatz |
| Kosten und Wirtschaftlichkeit | Spoke | zwei Artikel mit widersprüchlichen Zahlen |
| Förderung | Spoke | vorhanden, Stand prüfen |
| Kombination mit Photovoltaik | Spoke | fehlt |
| Lautstärke und Aufstellort | Hub (Kurzantwort) | fehlt |
| Wartung | Hub (Kurzantwort) | als eigener Artikel vorhanden, sehr dünn |
| Ablauf der Umstellung | Spoke | vorhanden, nicht vom Hub verlinkt |
Aus der Map ergeben sich fünf Aufgaben statt zwölf neuer Artikel: zwei Kostenartikel zusammenführen, einen Spoke zu Photovoltaik schreiben, zwei Kurzantworten auf dem Hub ergänzen, den Wartungsartikel in den Hub übernehmen und weiterleiten, den Ablauf-Artikel verlinken und seine Antwort nach vorn ziehen.
Bei den Leistungsseiten dieser Website gehen wir genauso vor: Jede Leistung ist ein Hub, die Knowledge Cases sind ihre Spokes. Dieser Beitrag ist selbst ein Spoke des Hubs Content-Strategie – zusammen mit Hub Score und Intent Density.
Was lässt sich messen – und was nicht?
Messen lässt sich die eigene Struktur, nicht der Fan-out selbst. Google veröffentlicht weder die erzeugten Teilanfragen noch, für welche davon eine Seite herangezogen wurde.
In der Search Console erscheinen Besuche aus AI Overviews und AI Mode laut Google im Leistungsbericht unter dem Suchtyp „Web“, gemeinsam mit den klassischen Ergebnissen. Eine saubere Trennung ist dort also nicht möglich. Was sich prüfen lässt:
- Abdeckung: Hat jedes Unterthema der Map eine Antwortstelle? (Teilfragen-Map)
- Struktur: Sind alle Spokes vom Hub verlinkt und umgekehrt? (Crawl der internen Links)
- Suchanfragen pro Seite: Kommen über Hub und Spokes die Teilfragen an, für die sie gedacht sind? (Search Console)
- Stichproben in der KI-Suche: Werden Hub oder Spokes bei wiederholten Testanfragen als Quelle genannt? Das ist eine Beobachtung, keine Messung – die Ergebnisse schwanken.
Welche Kennzahlen zur KI-Sichtbarkeit belastbar sind und welche nicht, ordnet unser Knowledge Case zum Messen von KI-Sichtbarkeit ausführlich ein.
Was bedeutet das für Ihre Themen-Hubs?
- Teilfragen sammeln, nicht erfinden. Grundlage sind echte Fragen aus Search Console, Kundengesprächen und Testanfragen – keine Liste simulierter Fan-out-Anfragen.
- Varianten bündeln. Ein Unterthema bekommt genau eine Antwortstelle, egal wie viele Formulierungen es dafür gibt.
- Kurz auf dem Hub, tief im Spoke. Jede Teilfrage hat auf dem Hub eine Antwort in zwei bis drei Sätzen; was mehr braucht, bekommt einen Spoke.
- Jeden Abschnitt mit der Antwort beginnen. Wie dicht ein Abschnitt dann an seiner Frage bleibt, beschreibt der Knowledge Case zur Intent Density einzelner Abschnitte.
- Die Map pflegen. Neue Fragen, neue Spokes und veraltete Antworten gehören in dieselbe Tabelle – sonst entsteht die Seitenflut nur langsamer. Ob eine veraltete Antwort bleibt, überarbeitet oder gestrichen wird, entscheidet die Content Triage.
Quellen & weiterführende Links
- Hub Score: Was hinter dem Begriff steckt – und wie Seiten zum Knotenpunkt ihres Themas werden – maxonline, 2026
- Intent Density: Wie dicht ein Inhalt an der Suchabsicht bleibt – maxonline, 2026
- KI-Sichtbarkeit heute: Wie Inhalte gefunden, verstanden und als Quelle ausgewählt werden – maxonline, 2026
- KI-Sichtbarkeit messen: Was sich belastbar reporten lässt – und was nicht – maxonline, 2026
- AI Mode in Google Search: Updates from Google I/O 2025 – Elizabeth Reid, Google, 20.05.2025
- AI features and your website – Google Search Central, Stand 10.12.2025
- Optimizing for generative AI search – Google Search Central, Stand 10.07.2026
- A guide to Google Search ranking systems (Passage Ranking) – Google Search Central, Stand 10.12.2025
- SEO Link Best Practices for Google – Google Search Central, Stand 10.12.2025
