Query Fan-out ist ein Verfahren, bei dem ein KI-Suchsystem eine Frage in mehrere verwandte Teilsuchen zu Unterthemen zerlegt, diese parallel ausführt und die Ergebnisse zu einer Antwort zusammenführt. Google setzt die Technik nach eigenen Angaben in AI Mode und AI Overviews ein.
In der klassischen Suche gilt: eine Anfrage, eine Ergebnisliste. KI-Suchsysteme gehen anders vor. Statt nur die eingegebene Frage abzuarbeiten, leiten sie daraus mehrere verwandte Suchanfragen zu Unterthemen ab, führen diese parallel aus und setzen die Antwort aus den Ergebnissen zusammen. Die Anfrage „fächert“ sich auf – daher der Name Query Fan-out.
Google hat die Technik im März 2025 beim Start von AI Mode beschrieben und im Mai 2025 präzisiert: AI Mode zerlegt eine Frage in Unterthemen und stellt stellvertretend für den Nutzer eine Vielzahl von Anfragen gleichzeitig. Die Funktion Deep Search nutzt dasselbe Prinzip in größerem Umfang und kann laut Google Hunderte Suchen ausführen. In der Dokumentation für Website-Betreiber nennt Google Query Fan-out sowohl für AI Mode als auch für AI Overviews.
Weil eine Antwort aus vielen Teilsuchen entsteht, konkurrieren Inhalte nicht mehr nur um die eine Hauptanfrage. Eine Seite, die für die ursprüngliche Frage kaum sichtbar ist, kann trotzdem als Beleg erscheinen – wenn sie eine der Teilfragen besonders gut beantwortet. Google schreibt selbst, dass dadurch eine breitere und vielfältigere Auswahl an Links angezeigt werden kann als bei einer klassischen Websuche. Diesen Effekt beschreiben wir ausführlich im Knowledge Case darüber, warum KI-Systeme auch schwach rankende Quellen zitieren.
Welche Teilanfragen Google für eine konkrete Frage stellt, wird nicht offengelegt. Werkzeuge, die Fan-out-Anfragen „vorhersagen“, liefern plausible Annahmen, aber keine Messwerte. Den bisher direktesten Einblick gibt Microsoft: Der Bericht „AI Performance“ in den Bing Webmaster Tools zeigt sogenannte Grounding Queries – die Suchbegriffe, mit denen die KI Inhalte abgerufen hat, die in Antworten zitiert wurden. Microsoft weist darauf hin, dass es sich um eine Stichprobe handelt.
Query Rewriting formuliert eine Anfrage um – korrigiert, präzisiert oder mit Kontext ergänzt. Query Fan-out erzeugt aus einer Frage viele Teilsuchen zu unterschiedlichen Unterthemen.
Long-Tail-Keywords geben Menschen selbst ein. Fan-out-Anfragen formuliert das KI-System intern – sie lassen sich deshalb nicht direkt über Suchvolumen recherchieren.
Passage Ranking bewertet einzelne Abschnitte einer Seite für eine Anfrage. Query Fan-out bestimmt, welche Anfragen überhaupt gestellt werden. Für Inhalte heißt beides: Jede Teilfrage braucht einen Abschnitt, der für sich allein trägt.
Konstruiertes Beispiel – es zeigt den Mechanismus, keine gemessenen Anfragen.
Frage: „Welche Wärmepumpe eignet sich für ein Einfamilienhaus aus den 1970er-Jahren?“ Ein System mit Query Fan-out könnte daraus unter anderem diese Teilsuchen ableiten:
Ein Heizungsbauer, der für „Wärmepumpe“ nie vorne rankt, kann mit einer klaren Seite zu „Wärmepumpe mit alten Heizkörpern“ genau für eine dieser Teilfragen die beste Passage liefern – und so in der Antwort als Quelle auftauchen.
In diesen Beiträgen spielt der Begriff eine Rolle – mit Quellen, Einordnung und konkreten Empfehlungen.
Content-Audit & Content-PflegeContent Entropy: Warum Websites mit jedem neuen Artikel unklarer werden könnenJeder Artikel war für sich richtig. Zusammen geben sie fünf Antworten auf eine Frage.Lesen 
Content-Strategie & Themen-HubsThemen-Hubs in der KI-Suche: Wie Hub-Seiten die Teilfragen von Query Fan-out abdeckenAus einer Frage werden in der KI-Suche viele. Die Antwort darauf ist keine Seitenflut, sondern Struktur.Lesen 
SEO- & GEO-AnalyseCitation without Ranking: Warum KI-Systeme Quellen zitieren, die bei Google kaum sichtbar sindPlatz 40 bei Google – und trotzdem die Quelle in der KI-Antwort. Zufall ist das nicht.Lesen 
Content-Strategie & Themen-HubsIntent Density: Wie dicht ein Inhalt an der Suchabsicht bleibt – und warum das die Search Experience trägtGefunden für die richtige Anfrage – und trotzdem die falsche Antwort? Warum die Suchabsicht der Maßstab für Inhalte ist.Lesen Außerdem erwähnt in
Ja. In seiner Dokumentation für Website-Betreiber schreibt Google, dass sowohl AI Overviews als auch AI Mode die Technik nutzen können, um eine Antwort zu entwickeln.
Bei Google nicht. Einen Anhaltspunkt liefert der Bericht „AI Performance“ in den Bing Webmaster Tools: Er zeigt Grounding Queries für Inhalte, die in KI-Antworten zitiert wurden – laut Microsoft als Stichprobe.
Laut Google gibt es keine zusätzlichen Anforderungen und keine speziellen Optimierungen für AI Overviews oder AI Mode. Sinnvoll ist, was gute Inhalte ohnehin ausmacht: Unterthemen sauber gliedern und jede Teilfrage klar beantworten, damit ein System die passende Stelle findet.
In einem unverbindlichen Erstgespräch klären wir, wo Sie heute stehen. Ehrlich, konkret und ohne Verkaufsdruck.
