Query-Fan-out: Wie KI-Systeme Anfragen zerlegen – und was das für GEO bedeutet
KI-Systeme wie ChatGPT, Perplexity und Google AI Overviews beantworten Suchanfragen mit zusammengefassten Antworten aus mehreren Quellen. Bei der Generierung dieser Antworten nutzen sie den sogenannten Query-Fan-out. Was steckt dahinter? Und warum bestimmt dieser Prozess auch, ob Inhalte zitiert werden oder unsichtbar bleiben?
Query-Fan-out: das Wichtigste im Überblick
- Beim Query-Fan-out zerlegt das KI-System eine Suchanfrage automatisch in mehrere Unterabfragen (Sub-Queries).
- Das KI-System recherchiert dabei parallel und aggregiert die verschiedenen Ergebnisse zu einer Antwort.
- 85 % der abgerufenen Seiten werden nie direkt zitiert – Mehrfach-Relevanz ist daher entscheidend.
- Content muss thematisch breit und semantisch tief sein, um bei mehreren Sub-Queries zu erscheinen.
- Vielfältige Themencluster, FAQ-Abschnitte und strukturierte Daten erhöhen die Zitierfähigkeit.
Was ist Query-Fan-out?
Query-Fan-out beschreibt den Prozess, bei dem eine einzelne Suchanfrage an eine KI in mehrere Unterabfragen aufgeteilt wird. KI-Systeme wie Perplexity, ChatGPT oder Google AI Mode nutzen diese Technik, um komplexe Fragen umfassender zu beantworten.
Statt nur nach exakten Keyword-Übereinstimmungen zu suchen, generiert das System verwandte Suchanfragen, Synonyme und thematisch verknüpfte Begriffe. Die Ergebnisse dieser Unterabfragen (Sub-Queries) werden anschließend zusammengeführt und den Nutzenden als Gesamtantwort ausgespielt.
Abbildung 1: Schematische Darstellung des Query-Fan-outs am Beispiel Autoversicherung
Wie funktioniert der Query-Fan-out technisch?
Der Query-Fan-out-Prozess läuft in mehreren Schritten ab:
Analyse der Ursprungsanfrage
Das System identifiziert die Suchintention und relevante Entitäten (eindeutig definierte Objekte wie Marken, Personen oder Orte).
Generierung von Unterabfragen
Basierend auf der Analyse entstehen mehrere verwandte Suchanfragen.
Parallele Abfrage
Alle Unterabfragen werden gleichzeitig an verschiedene Datenquellen gesendet.
Aggregation
Die Ergebnisse werden zusammengeführt, von Duplikaten bereinigt und nach Relevanz sortiert.
Ausgabe
Nutzende erhalten eine gebündelte, konsolidierte Antwort.
Query Fan-out und Grounding sind also zwei eng verzahnte Schritte im selben Retrieval-Prozess von KI-Suchsystemen: Der Fan-out zerlegt die Anfrage in mehrere Unteranfragen; das Grounding holt für jede dieser Unteranfragen echte Suchergebnisse und verankert die KI-Antwort in diesen Quellen.
Wie viele Sub-Queries entstehen?
Die Anzahl variiert je nach System: Googles AI Mode generiert typischerweise 8 bis 12 parallele Unterabfragen , ChatGPT im Schnitt 2,3 bis 2,8 – bei komplexen Fragen können es jedoch deutlich mehr werden (Quelle: Peec AI).
Eine Analyse von Dan Petrovic mit 365.920 realen Fan-out-Suchanfragen zeigt zudem: 71,1 % der Sub-Queries bestehen aus 7 oder mehr Wörtern. Kurze, generische Begriffe tauchen als Sub-Query kaum auf – die Systeme suchen also präzise in verschiedene Richtungen.
Query-Fan-out in AI Overviews
Googles AI Overviews nutzen den Query-Fan-out intensiv. Wenn Nutzende eine komplexe Frage stellen, generiert das System im Hintergrund mehrere synthetische Unterabfragen – sogenannte „Synthetic Queries“.
Google hat diesen Mechanismus im Thematic Search-Patent technisch beschrieben: Das System gruppiert Suchergebnisse in thematische Cluster und rankt diese nach ihrer „Prominenz“ – also danach, wie viele unterschiedliche Dokumente ein Thema erwähnen. Je mehr Quellen ein Thema abdecken, desto höher seine Gewichtung in der finalen Antwort.
Die Sub-Queries, die ChatGPT generiert, lassen sich analysieren. Dazu die Browser-Entwicklerkonsole öffnen (Rechtsklick → Untersuchen → Tab „Network“), eine Chat-Antwort auslösen und in den Netzwerk-Antworten nach „search_model_queries“ suchen. So wird sichtbar, welche Unterabfragen das System tatsächlich stellt – und Content kann gezielt darauf ausgerichtet werden.
Perplexity zeigt Sub-Queries sogar direkt in der Oberfläche an – ganz ähnlich wie Googles „Weitere Fragen“ und ähnliche Features, die natürlich ebenfalls zu einer umfassenden Content-Erstellung herangezogen werden können.
- ChatGPT Query Fan-out Tool (Chrome Extension) – zeigt Sub-Queries in Echtzeit, Export als CSV.
- SE Ranking Fan-out Query Extractor – kostenloses Web-Tool für bis zu 10 Prompts.
- ai – analysiert Fan-outs und trackt KI-Sichtbarkeit. Reines Query-Fan-out ist kostenfrei nutzbar.
- Qforia – generiert synthetische Sub-Queries. Benötigt einen Gemini-API-Key, ist aber in der Grundnutzung kostenfrei.
Der Workflow: Relevante Prompts eingeben, die generierten Sub-Queries exportieren, mit dem eigenen Content abgleichen – und Lücken gezielt schließen.
Claneo ist Ihre spezialisierte Agentur für Generative Engine Optimization (GEO) und Large Language Model Optimization (LLMO). Wir entwickeln innovative Strategien zur Optimierung Ihrer Inhalte für KI-gesteuerte Suchsysteme wie ChatGPT, Perplexity und Google AI Overviews. Unser Leistungsspektrum umfasst KI-Analysen und -Strategien, Content-Optimierung für bessere KI-Sichtbarkeit, technische Beratung, E-E-A-T-Audits sowie Digital PR für Autoritätsaufbau – damit Sie in der neuen KI-dominierten Suchlandschaft nachhaltig sichtbar bleiben.
Wir unterstützen wir Sie ganzheitlich bei der Entwicklung erfolgreicher Digital PR Strategien. Vom ersten Brainstorming und von der Ideenfindung über die Erstellung des Contents samt der visuellen und technischen Aufbereitung und Umsetzung bis hin zum zielgenauen Seeding: Sie profitieren von unserer Expertise aus zahlreichen erfolgreichen Projekten.
