- →Query Fan-out ist eine Retrieval-Architektur, kein Rankingfaktor: Sichtbarkeit in KI-Antworten entsteht über die Abdeckung von typischerweise 8 bis 12 Teilfragen, nicht über die Position auf die Hauptanfrage.
- →68 Prozent der in AI Overviews zitierten Seiten stehen nicht in den organischen Top 10 (Surfer SEO, Dezember 2025). Klassisches Ranktracking allein misst KI-Sichtbarkeit nicht mehr.
- →Fokussierte Assets schlagen Mega-Guides: Seiten mit 26 bis 50 Prozent Sub-Query-Abdeckung werden laut Growth Memo (2026) häufiger zitiert als Seiten, die 100 Prozent anstreben.
- →Backlinks behalten ihren Wert, aber ihre Funktion verschiebt sich: Deep Links auf spezifische Antwortseiten und thematische Breite im Profil zählen mehr als Volumen auf die Startseite.
- →Frische ist messbar zitierrelevant: 76,4 Prozent der KI-Zitate stammen laut einem Passionfruit-Report (2025) von Seiten, die in den letzten 30 Tagen aktualisiert wurden.
- →Für den DACH-Markt ist das seit dem 7. Oktober 2025 Betriebsrealität, nicht Zukunftsmusik: Seit diesem Datum läuft der AI Mode in Deutschland, Österreich und der Schweiz.
Was Query Fan-out wirklich ist
Query Fan-out ist kein Rankingfaktor und keine Optimierungstaktik, sondern eine Retrieval-Architektur. Der Mechanismus ist die Kernfunktion von Googles AI Mode: Die Ausgangsfrage eines Nutzers wird in ein Bündel von Teilfragen zerlegt, diese werden parallel gegen den Index gefeuert, und aus den zurückgelieferten Passagen entsteht eine synthetisierte Antwort mit Quellenangaben. Wer in dieser Antwort auftaucht, hat nicht die Hauptanfrage gewonnen, sondern eine oder mehrere der Teilfragen. Das ist die operative Wahrheit, die in den meisten Definitionen fehlt.
Die Abgrenzung zur klassischen Query Expansion ist der Punkt, an dem Tutorials regelmäßig zu kurz greifen. Query Expansion reichert seit Jahrzehnten eine einzelne Anfrage mit Synonymen und Varianten an, um eine einzige Ergebnisliste zu verbessern. Fan-out erzeugt dagegen mehrere eigenständige Anfragen mit jeweils eigenem Retrieval, deren Ergebnisse anschließend aggregiert werden. Das ist kein gradueller Unterschied, sondern ein Architekturwechsel: Es gibt nicht mehr die eine SERP, auf der man Position drei belegt, sondern einen Fragenraum, in dem man Fläche abdeckt oder eben nicht.
Für den deutschsprachigen Markt ist das keine Zukunftsdiskussion mehr. Google hat AI Overviews am 26. März 2025 in europäischen Ländern ausgerollt, darunter Deutschland, Österreich und die Schweiz. Der AI Mode folgte in der DACH-Region am 7. Oktober 2025. Seitdem läuft jede informationsgetriebene Suchanfrage potenziell durch einen Fan-out-Prozess, bevor der Nutzer überhaupt eine klassische Ergebnisliste sieht.
Wie der Mechanismus 2026 arbeitet und wie man ihn misst
Der Ablauf folgt vier Stationen: Seed Query, Zerlegung, Retrieval, Aggregation. Untersuchungen zu KI-Suchsystemen wie Google AI Mode, Gemini, ChatGPT und Perplexity zeigen typischerweise 8 bis 12 Sub-Queries pro Ausgangsanfrage. Die Teilfragen decken implizite Intentionen ab, die der Nutzer nie ausgesprochen hat: Vergleiche zwischen Anbietern, Preisfragen, lokale Einschränkungen, zeitliche Varianten, Einwände und Randbedingungen. Aus «Wärmepumpe Altbau» werden Teilfragen zu Kosten, Förderung, Vorlauftemperaturen und Alternativen, und für jede davon wird separat entschieden, welche Quelle zitierfähig ist.
Zwei Muster verdienen 2026 besondere Aufmerksamkeit. Erstens die Personalisierung: Ein Report von Kopp Online Marketing (2025) beziffert den Anteil der Sub-Queries mit personalisiertem Kontext auf 43 Prozent, gegenüber 18 Prozent im Jahr 2024. Der Fragenraum ist also nicht für alle Nutzer identisch, was jede naive «Sub-Query-Liste» als Momentaufnahme entlarvt. Zweitens die Zeitstempel: Laut einer Analyse von 85sixty (2026) enthalten rund 6 Prozent aller Fan-outs Mehrjahresmuster wie «2024 2025», selbst bei Evergreen-Themen. Inhalte ohne erkennbare zeitliche Verankerung verlieren in diesen Teilfragen systematisch.
Zur Messung: Die Sub-Queries selbst sind nicht öffentlich einsehbar, die Search Console zeigt sie nicht als solche aus. Was man in der Praxis sieht, sind fragmentierte Impressionen auf Longtail-Varianten, die kein Mensch je bewusst eingetippt hat, ein brauchbares Frühsignal dafür, dass eine Seite im Fan-out-Retrieval auftaucht. Wer die Abdeckung systematischer prüfen will, arbeitet mit Werkzeugen, die den Zerlegungsprozess simulieren (Surfer SEO hat im Januar 2026 ein eigenes Query-Fan-out-Framework veröffentlicht), oder lässt die Fan-out-Abdeckung einer Domain systematisch auditieren, bevor Budget in neue Inhalte fließt.
Warum Fan-out die Netlinking-Rechnung verändert
Die unbequemste Zahl des Jahres stammt aus einer Surfer-SEO-Studie vom Dezember 2025: Von 173 902 analysierten URLs über 10 000 Keywords standen 68 Prozent der in AI Overviews zitierten Seiten nicht in den organischen Top 10. Mike King bezifferte die Überlappung zwischen klassischen Rankings und KI-Zitaten im Januar 2026 auf 25 bis 39 Prozent. Übersetzt in Netlinking-Sprache: Ein Link, der eine Seite von Position acht auf Position vier hebt, garantiert keinerlei Präsenz in der KI-Antwort mehr. Die Kausalkette «Link, Ranking, Sichtbarkeit» hat ein neues Glied bekommen, und das gehorcht anderen Regeln.
Das entwertet Backlinks nicht, es verschiebt ihre Funktion. Autorität zählt weiterhin, teils drastisch: Nach Daten von Search Engine Journal (2025) werden Domains mit mindestens 32 000 verweisenden Domains 3,5-mal häufiger von ChatGPT zitiert. Aber diese Autorität muss auf den Seiten ankommen, die einzelne Teilfragen beantworten, nicht nur auf der Startseite. Ob eine Unterseite als Quelle in KI-Antworten zitiert wird, hängt davon ab, ob das Retrieval sie für genau eine Teilfrage als beste Passage einstuft, und Deep Links sind eines der wenigen Signale, die diese Einstufung von außen stützen.
Operativ heißt das: Linkbudget anders verteilen. Statt das gesamte Volumen auf ein Money-Keyword und dessen Zielseite zu konzentrieren, verteilt man Links auf die Assets, die den Fragenraum abdecken, mit thematisch kohärenten, redaktionell eingebetteten Ankern. Aus den GSC-Daten der 50 französischen Redaktionsmedien, die wir im Eigenbetrieb führen, sehen wir dieses Muster seit Mitte 2025 deutlich: Unterseiten mit wenigen, aber thematisch präzisen eingehenden Links tauchen in Fan-out-getriebenen Longtail-Impressionen auf, die die stärker verlinkte Startseite nie erreicht. Wer diese Verteilung nicht selbst steuern will, delegiert sie an eine Agentur, die Linkprofile über Monate hinweg kalibriert. Wer es selbst tut, sollte Medien direkt und ohne Zwischenhändler auswählen können, nach thematischer Nähe zur Teilfrage und nicht nur nach Domain-Metrik.
Was in Audits regelmäßig schiefgeht
Der häufigste Fehler ist der Mega-Guide-Reflex: eine 8 000-Wörter-Seite, die den kompletten Fragenraum abdecken soll. Die Daten sprechen dagegen. Growth Memo (2026) fand, dass Seiten, die 26 bis 50 Prozent der Sub-Queries abdecken, häufiger zitiert werden als Seiten, die 100 Prozent anstreben. KI-Systeme bevorzugen fokussierte, kürzere Inhalte, aus denen sich eine Passage sauber extrahieren lässt. Dieselbe Quelle zeigt, dass Überschriften, die eine Frage direkt beantworten, in 41 Prozent der Fälle von ChatGPT zitiert werden, gegenüber 29 Prozent bei nur lose verwandten Überschriften. Extrahierbarkeit schlägt Vollständigkeit.
Fehler zwei ist die Fixierung auf das Head-Keyword. Nach Daten von ALM Corp (2025) sind Seiten, die nur für Fan-out-Sub-Queries ranken, ohne das Hauptkeyword zu belegen, 49 Prozent wahrscheinlicher in KI-Zitaten vertreten. Die Teilfrage ist kein Trostpreis, sie ist ein eigenständiges Ziel. Fehler drei ist ignorierte Frische: Laut einem Passionfruit-Report (2025) stammen 76,4 Prozent der KI-Zitate von Seiten, die in den letzten 30 Tagen aktualisiert wurden, und Ahrefs-Daten aus 2025 zeigen, dass KI-zitierte Inhalte im Schnitt 25,7 Prozent frischer sind als klassisch rankende. Ein Content-Kalender ohne Update-Zyklen ist 2026 eine strukturelle Lücke, kein Detail.
Fehler vier ist organisatorisch: GEO als Silo neben SEO zu behandeln, mit eigenem Team, eigenem Reporting, eigenen Inhalten. Das Retrieval hinter dem Fan-out speist sich aus denselben Signalen wie die klassische Suche, Crawlbarkeit, interne Verlinkung, Autorität, saubere Struktur. Wer zwei getrennte Strategien fährt, bezahlt beide doppelt und gewinnt keine.
Taktische Konsequenzen für den Arbeitsalltag
Der erste Hebel ist Kartierung: Für jede kommerziell relevante Seite den wahrscheinlichen Fragenraum modellieren, aus PAA-Daten, GSC-Longtail-Fragmenten und Fan-out-Simulationen, und dann ehrlich prüfen, welche Teilfragen bereits eine zitierfähige Passage im eigenen Bestand haben. Die Lücken werden nicht mit einem weiteren Kapitel im bestehenden Guide gefüllt, sondern mit fokussierten Assets, die genau eine Teilfrage beantworten und deren Titel diese Frage wörtlich adressiert.
Der zweite Hebel ist Formatdisziplin: kurze, extrahierbare Antwortblöcke am Seitenanfang, erkennbare Zeitanker im Text, multimodale Elemente, wo sie inhaltlich tragen. Eine Analyse des Bot-Verhaltens fand, dass 46 Prozent der ChatGPT-Bot-Besuche im Reading-Mode ohne CSS und JavaScript erfolgen, was bedeutet: Was nicht im rohen HTML steht, existiert für diese Systeme nicht. Der dritte Hebel ist die Linkarchitektur, intern wie extern, konsequent auf die Antwortseiten ausgerichtet statt auf die Startseite.
Und zur Frage, ob das alles klassisches SEO obsolet macht: nein, es macht es strenger. Das Fan-out-Retrieval belohnt exakt die Grundlagen, die in den letzten Jahren als «Hygiene» abgetan wurden, und bestraft die Abkürzungen. Wer 2026 nur auf die blauen Links optimiert, verliert die KI-Fläche. Wer nur auf KI-Zitate optimiert, verliert das Fundament, das sie speist. Der Fragenraum gehört dem, der beides als eine einzige Disziplin betreibt.
Nautilinks betreibt ein eigenes Netzwerk redaktioneller Medien. In-House verfasste Artikel, Transparenzhinweise beachtet, Ankertext-Mix kalibriert.
Häufige Fragen
Wie unterscheidet sich Query Fan-out von Query Expansion?
Query Expansion erweitert eine einzelne Anfrage um Synonyme und Varianten, um eine einzige Ergebnisliste zu verbessern; das Konzept stammt aus der klassischen Information-Retrieval-Forschung. Query Fan-out erzeugt dagegen mehrere eigenständige Teilfragen mit jeweils eigenem Retrieval, deren Ergebnisse zu einer synthetisierten Antwort aggregiert werden. Praktisch relevant ist der Unterschied im Ergebnisformat: Expansion optimiert eine SERP, Fan-out produziert eine Antwort mit Zitaten aus mehreren, oft nicht top-rankenden Quellen.
Ist SEO angesichts von Query Fan-out noch zeitgemäß?
Ja, aber die Messlatte verschiebt sich. Das Retrieval hinter dem Fan-out nutzt dieselbe Infrastruktur wie die klassische Suche: Index, Crawling, Autoritätssignale, Passagenbewertung. Wer dort schwach ist, taucht auch in KI-Antworten nicht auf. Was nicht mehr zeitgemäß ist, ist die Verengung von SEO auf Positionen für Head-Keywords. Die Surfer-SEO-Studie vom Dezember 2025 zeigt, dass 68 Prozent der KI-Zitate außerhalb der Top 10 liegen: Das Spielfeld ist größer geworden, nicht kleiner.
Wie finde ich heraus, welche Sub-Queries meine Seite bereits abdeckt?
Direkt einsehbar sind die Sub-Queries nicht. Drei Näherungen funktionieren in der Praxis: erstens GSC-Impressionen auf Longtail-Fragen filtern, die niemand wörtlich sucht, ein Indiz für Fan-out-Retrieval. Zweitens den Fragenraum mit Simulations-Tools modellieren, etwa dem im Januar 2026 veröffentlichten Query-Fan-out-Framework von Surfer SEO. Drittens die eigene Domain regelmäßig in AI Overviews und AI Mode gegentesten und protokollieren, welche URLs zitiert werden und für welche Fragevarianten.
Verändert Query Fan-out die Bewertung von Backlinks?
Die Bewertung durch Google vermutlich weniger als die Bewertung durch Sie. Autorität bleibt ein starkes Signal, Search-Engine-Journal-Daten von 2025 zeigen 3,5-fach höhere ChatGPT-Zitierraten für Domains ab 32 000 verweisenden Domains. Aber der Zusammenhang «Link auf Money-Page, Ranking, Traffic» greift zu kurz, wenn 25 bis 39 Prozent Überlappung zwischen Rankings und KI-Zitaten bestehen. Links auf spezifische Antwortseiten mit thematisch kohärenten Ankern sind die rationalere Allokation.
Spielt Query Fan-out auch außerhalb von Google eine Rolle?
Ja, das Muster ist systemübergreifend. Untersuchungen zu ChatGPT, Perplexity und Gemini zeigen dieselbe Grundmechanik von typischerweise 8 bis 12 Teilfragen pro Anfrage, mit wachsender Personalisierung: Laut Kopp Online Marketing (2025) enthalten 43 Prozent der Sub-Queries personalisierten Kontext, 2024 waren es 18 Prozent. Wer für den Fan-out-Fragenraum baut, optimiert also nicht für ein einzelnes Google-Feature, sondern für die Retrieval-Logik einer ganzen Systemklasse.
Prüfen Sie Ihr Wissen
Quiz: Query Fan-out
1/3Wie viele Sub-Queries erzeugt ein KI-Suchsystem laut Untersuchungen typischerweise aus einer einzelnen Nutzeranfrage?