Zum Inhalt springen
← Alle Artikel

Query Fan-out prüfen: Welche Teilfragen die KI stellt und deine Seite nicht beantwortet

Antonio Blago
· 11 Min. Lesezeit
Query Fan-out prüfen: Welche Teilfragen die KI stellt und deine Seite nicht beantwortet
KI-Zusammenfassung
  • Query Fan-out heißt: KI-Suchen wie Googles AI Mode, AI Overviews und ChatGPT zerlegen eine Frage in viele Teilfragen und suchen für jede eigene Quellen.
  • Die Chance auf ein Zitat steigt, wenn deine Seite diese Teilfragen in klar gegliederten Abschnitten mit Zahlen und Quellen beantwortet.
  • Eigener Test vom 09.11.2026: 15 von 15 Teilfragen abgedeckt, Score 100 Prozent. Beim Nachlesen landete die Frage zum Toolkauf im falschen Abschnitt, und die Kosten eines Audits blieben offen.
  • So prüfst du es: Fan-out-Check in Visibly starten, jede Zuordnung nachlesen und fehlende Teilfragen als eigene Abschnitte ergänzen.

Mit KI erstellt, die Details stehen im Artikel.

Inhaltsverzeichnis
  1. Was ist Query Fan-out und wie funktioniert es?
  2. Was bedeutet Query Fan-out für SEO und Keyword-Targeting?
  3. Eigene Analyse: Was der Check über unseren Artikel sagt
  4. Query Fan-out prüfen: So findest du fehlende Inhalte in Visibly
  5. Praxisbeispiel: Was ich aus Kundenprojekten mitnehme
  6. Häufig gestellte Fragen zu Query Fan-out

Heute habe ich unseren eigenen Artikel zur KI-Sichtbarkeit durch den Query-Fan-out-Check in Visibly AI® geschickt. Ergebnis: 15 von 15 Teilfragen abgedeckt, Coverage Score 100 Prozent. Beim Lesen der Treffer sah es anders aus. Die Teilfrage „Tool kaufen zum Messen der KI-Sichtbarkeit meiner Marke“ wurde ausgerechnet dem Abschnitt „Wie messe ich KI-Sichtbarkeit ohne Tool?“ zugeordnet. Und auf die Frage nach den Kosten eines Audits gibt der Text keine Antwort.

Darum geht es bei Query Fan-out: Eine KI wie ChatGPT, Gemini oder Googles AI Mode zerlegt jede Nutzerfrage in Teilfragen und sucht für jede einzelne nach Quellen. Ob deine Website dabei vorkommt, hängt davon ab, ob sie diese Teilfragen beantwortet. In diesem Artikel zeige ich, wie Query Fan-out funktioniert und was es für deine Suchmaschinenoptimierung bedeutet. Und ich zeige, wie du es prüfst: mit dem Werkzeug und mit gesundem Misstrauen gegenüber dem Score.

Was ist Query Fan-out und wie funktioniert es?

Query Fan-out (auch Query Fanout geschrieben) beschreibt, wie KI-Suchsysteme eine Anfrage in mehrere verwandte Suchanfragen aufteilen. Diese Suchanfragen laufen parallel, und aus den Ergebnissen entsteht eine Antwort. Google beschreibt das in der Dokumentation für Website-Betreiber so: AI Overviews und AI Mode können eine „query fan-out“-Technik nutzen und dabei mehrere verwandte Suchen über Unterthemen und Datenquellen hinweg ausführen (Google Search Central, AI features and your website).

In meinen Workshops zur Generative Search Optimization erkläre ich das mit einem Urlaubsbeispiel. Wer nach dem besten Familienurlaub fragt, bekommt eine fertige Antwort. Im Hintergrund hat die KI nach kinderfreundlichen Hotels, Zielen am Mittelmeer, Reisezeiten und Preisen gesucht. Ein Hotel mit „Familienhotel“ im Titel, das keine dieser Teilfragen beantwortet, taucht in der Antwort nicht auf. Bei Hotel-Content und lokalen Anbietern ist das besonders spürbar, weil die Teilfragen sehr konkret werden: Entfernung zum Strand, Kinderbetreuung, Anreise.

Warum generieren LLMs mehrere Unterfragen statt einer einzigen Anfrage?

Eine einzelne Suche liefert selten alle Fakten, die eine gute Antwort braucht. Sprachmodelle arbeiten deshalb wie ein Rechercheur. Sie zerlegen die Aufgabe, suchen die Teile einzeln und setzen die Ergebnisse zu einem Text zusammen. Eine Answer Engine wie Perplexity verbindet so Quellen zu Preis, Vergleich und Erfahrung in einer einzigen Antwort. Für die künstliche Intelligenz ist das der schnellste Weg zu einer vollständigen Antwort. Für dich heißt es: Jede Teilfrage ist eine eigene Chance auf Sichtbarkeit.

Bei der Antwortgenerierung spielt Query Fan-out also die Rolle der Recherche. Erst sammelt die Answer Engine Passagen zu jeder Unterfrage, dann schreibt das Sprachmodell daraus den Text. Was in der Recherche fehlt, kann in der Antwort nicht auftauchen.

Wie zerlegt ein Sprachmodell eine Suchanfrage in Teilfragen?

Intern splittet ein LLM die Nutzerfrage in Unterfragen auf. Es prüft sinngemäß, was es wissen muss, um die Frage gut zu beantworten. Daraus entstehen vier Arten von Teilfragen:

  • Reformulierungen: dieselbe Frage in anderen Worten, also Anfrage-Variationen mit Synonymen oder Fachbegriffen.
  • Implizite Fragen: was der Nutzer mitdenkt und nicht schreibt, etwa Kosten, Voraussetzungen oder Risiken.
  • Vergleichende Fragen: Alternativen und Unterschiede, also „X oder Y“.
  • Personalisierte Fragen: dieselbe Frage aus Sicht einer Rolle, etwa SEO-Manager, Hotelier oder Agentur.

Zusätzlich verteilen sich die Teilfragen auf Suchintentionen: informational, kommerziell, vergleichend und transaktional. Die Muster unterscheiden sich je Suchintention deutlich. Informationale Teilfragen fragen nach Definitionen und Abläufen, transaktionale nach Preis, Test und Kauf. Eine Seite, die nur eine Suchabsicht bedient, deckt deshalb fast nie alle Teilfragen ab.

Wie viele Sub-Queries erzeugt eine KI pro Nutzerfrage?

Eine feste Zahl gibt es nicht. Google spricht beim AI Mode von einer Vielzahl gleichzeitiger Suchen; die Funktion Deep Search kann laut Google Hunderte Suchen ausführen (Google, AI Mode in Google Search, Mai 2025). In meinem Test mit Visibly waren es 15 Sub-Queries, verteilt auf die vier Suchintentionen. Das reicht, um die wichtigsten Lücken einer Seite zu sehen.

Google AI Overviews und ChatGPT: Wo liegt der Unterschied?

Google stellt die Teilfragen gegen den eigenen Suchindex. Gute Rankings für die Teilfragen erhöhen deshalb die Chance, in den AI Overviews als Quelle verlinkt zu werden. ChatGPT und Perplexity schicken mit Websuche ebenfalls mehrere Suchanfragen ab, greifen aber auf andere Indizes zu und gewichten Quellen anders. Eine Seite kann deshalb bei Google zitiert werden und in ChatGPT fehlen. In ChatGPT siehst du unter der Antwort, welche Quellen verwendet wurden; daran erkennst du, welche Inhalte für welche Teilfrage gewonnen haben. Wie oft das passiert, zeigt die Messung der KI-Sichtbarkeit je Modell.

Was bedeutet Query Fan-out für SEO und Keyword-Targeting?

Klassisches SEO-Keyword-Targeting optimiert eine URL auf ein Fokus-Keyword und seine Varianten. Query Fan-out unterscheidet sich davon durch eine zweite Frage: Beantwortet der Text die Teilfragen, die hinter dem Keyword stehen? Welche Content-Strategie besser ist, stellt sich in der Praxis kaum. Das Fokus-Keyword entscheidet, welche Seite du baust. Der Fan-out entscheidet, welche Inhalte darauf gehören. Die Keyword-Recherche zeigt Nachfrage und Suchvolumen, die Analyse der Teilfragen zeigt die Lücken in deinen Inhalten.

Welche Inhaltsstruktur erhöht die Chance, als Quelle ausgewählt zu werden?

Die KI sucht je Teilfrage nach der passenden Passage. Als Content-Autor solltest du deine Texte deshalb so bauen, dass jede Passage für sich allein eine Frage beantwortet. Für Citations in KI-Antworten hat sich in meinen Projekten diese Content-Struktur bewährt:

  • Je Teilfrage ein eigener Abschnitt mit einer Überschrift, die die Frage aufgreift.
  • Der erste Satz unter der Überschrift beantwortet die Frage direkt, Details folgen danach.
  • Zahlen, Preise und Abläufe in Tabellen oder Listen statt im Fließtext.
  • Jede Zahl mit Quelle und Datum, eigene Daten mit Methodik. Belegte Passagen haben laut Studienlage die besten Chancen auf Zitationen.
  • Ein FAQ-Block für die kurzen Teilfragen, die keinen eigenen Abschnitt tragen.

Dieselben Inhalte als langer Fließtext werden seltener zitiert, weil die passende Stelle schwer zu finden ist. Dazu passt die GEO-Studie von Aggarwal et al.: Zitate, Zahlen und Quellenangaben erhöhten die Sichtbarkeit in generativen Antworten um bis zu 40 Prozent (Aggarwal et al., GEO: Generative Engine Optimization, 2023). Für die Content-Optimierung heißt das: Zitationen gewinnt die Passage, die eine Teilfrage am klarsten beantwortet. So deckt ein einziger Content mehrere Fan-out-Queries gleichzeitig ab.

Query Fan-out und semantische Suche

Semantische Suche beschreibt, wie eine Suchmaschine die Bedeutung einer Anfrage erkennt und passende Dokumente findet, auch ohne exakte Wortübereinstimmung. Query Fan-out passiert einen Schritt davor: Aus einer Frage werden viele, und jede Teilfrage wird semantisch gesucht. Synonyme und Anfrage-Variationen helfen also. Abgedeckt ist ein Thema aber erst, wenn die Seite die Teilfragen inhaltlich beantwortet.

Brauche ich GEO zusätzlich zu SEO?

Generative Engine Optimization baut auf sauberer SEO auf: indexierbare Seiten, gute Ladezeit, klare Struktur, Rankings. Künstliche Intelligenz greift für ihre Recherche auf dieselben Grundlagen zurück wie die klassische Suche. Die Analyse der Teilfragen ergänzt die Keyword-Analyse um die Frage, was offen bleibt. Die Grundlagen zu GEO habe ich auf antonioblago.com zusammengefasst.

Eigene Analyse: Was der Check über unseren Artikel sagt

Für diese eigene Untersuchung habe ich am 9. November 2026 unseren Artikel KI-Sichtbarkeit messen mit dem Keyword „ki sichtbarkeit messen“ geprüft. Visibly hat die Seite gecrawlt, 15 Teilfragen erzeugt und jede per Embeddings mit den Abschnitten verglichen. Ab 60 Prozent Übereinstimmung gilt eine Teilfrage als abgedeckt.

SuchintentionTeilfragenBeispiel
Informational4„Welche Metriken gibt es zur Bewertung der KI-Sichtbarkeit einer Website?“
Kommerziell4„Kosten für professionelle KI-Sichtbarkeits-Audits im Überblick“
Vergleichend4„KI-Sichtbarkeit versus traditionelle SERP-Sichtbarkeit: was ist relevanter?“
Transaktional3„AI Visibility Monitoring Software kostenlos testen“

Der Coverage Score lag bei 100 Prozent. Die schwächsten Treffer zeigen, warum ich trotzdem jede Zuordnung nachlese:

TeilfrageZugeordneter AbschnittÜbereinstimmungMeine Bewertung
AI Visibility Monitoring Software kostenlos testenWie messe ich KI-Sichtbarkeit ohne Tool?61 %Teilweise: Der kostenlose Check steht an anderer Stelle im Text.
KI-Sichtbarkeits-Audit buchen für meine WebsiteKI-Sichtbarkeit messen: So gehst du vor63 %Lücke: Ein Audit wird nicht angeboten.
Kosten für professionelle KI-Sichtbarkeits-Audits im ÜberblickEigene Analyse: Warum KI-Sichtbarkeit jetzt zählt66 %Lücke: Der Text nennt keine Kosten.
Tool kaufen zum Messen der KI-Sichtbarkeit meiner MarkeWie messe ich KI-Sichtbarkeit ohne Tool?76 %Falsch zugeordnet: Der Abschnitt beschreibt das Gegenteil.

Heißt: Die kommerziellen und transaktionalen Teilfragen zu Kosten, Audit und Kauf beantwortet der Artikel kaum. Der Score zählt sie als abgedeckt, weil Wörter und Thema ähnlich sind. Für einen Ratgeber ist das vertretbar, für eine Produktseite wäre es eine echte Lücke. Der nächste Schritt für diesen Artikel ist deshalb ein kurzer Abschnitt zu Kosten und Einstieg.

Ein zweiter Befund betrifft die Ranking-Daten. Für eine Seite, die erst seit wenigen Tagen online ist, lieferten externe Ranking-Daten fast nur fachfremde Begriffe der Domain. Bei neuen Seiten nehme ich deshalb die Search Console als Quelle oder lasse den Ranking-Abgleich bei der Bewertung weg.

Query Fan-out prüfen: So findest du fehlende Inhalte in Visibly

  1. URL und Haupt-Keyword eingeben: Unter GEO Tools den Query Fan-out öffnen, die Seite und das Keyword eintragen, aus dem die KI die Teilfragen ableitet. Die Sprache der Teilfragen wählst du passend zur Seite.
  2. Ranking-Daten wählen: Mit verbundener Search Console fließen die echten Suchanfragen der letzten 28 Tage in den Abgleich ein.
  3. Analyse starten: Visibly crawlt die Seite, zieht Überschriften und Themen heraus, erzeugt die Teilfragen und gleicht sie semantisch mit dem Text ab. Das dauert meist unter einer Minute.
  4. Lücken und schwache Treffer lesen: Die Coverage-Übersicht zeigt je Teilfrage den nächsten Abschnitt und die Übereinstimmung. Alles zwischen 60 und 70 Prozent lese ich von Hand.
  5. Inhalte ergänzen: Für die Content-Optimierung erstellt Visibly einen Prompt mit allen Lücken, den du im SEO Copilot, in ChatGPT oder Claude nutzen kannst. Neue Abschnitte schreibe ich so, dass der erste Satz die Teilfrage direkt beantwortet.
Query-Fan-out-Analyse in Visibly AI mit Coverage Score, abgedeckten Fragen, Fan-out-Fragen und Lücken
Kennzahlen des Checks für unseren eigenen Artikel: 15 Teilfragen, alle über der Schwelle von 60 Prozent.
Coverage-Übersicht in Visibly AI: Fan-out-Frage, Status, Übereinstimmung und nächster Abschnitt der Seite
Die Coverage-Übersicht zeigt je Teilfrage den zugeordneten Abschnitt. Treffer knapp über 60 Prozent lohnen den zweiten Blick.

Andere Tools und Simulatoren erzeugen ebenfalls Teilfragen. Achte bei der Auswahl darauf, ob sie je Teilfrage den zugeordneten Abschnitt zeigen. Ohne diese Zuordnung kannst du den Score nicht prüfen. Ohne Tool geht es auch: Frag ChatGPT oder Gemini, welche Teilfragen es zu deinem Keyword recherchieren würde, und hake sie an deinem Text ab. Prompt Engineering brauchst du dafür kaum, ein klarer Prompt reicht. Mehr Prompt Engineering lohnt sich erst, wenn du die Teilfragen nach Persona oder Kaufphase sortieren willst. Stell dieselbe Frage zwei- oder dreimal, denn ChatGPT liefert bei jeder Wiederholung leicht andere Teilfragen. Für mehrere Seiten und Kunden wird daraus schnell viel Handarbeit.

Praxisbeispiel: Was ich aus Kundenprojekten mitnehme

In einem Praxisbeispiel aus einem Beauty-Onlineshop habe ich eine Fan-out-Auswertung nach einem Tag korrigiert. Drei Fehler daraus vermeide ich seitdem:

  • Abdeckung je Thema messen: Ich hatte die Abdeckung je Suchanfrage gezählt. Einwortanfragen wie ein einzelner Produktbegriff können von keiner Teilfrage abgedeckt werden und drückten die Quote künstlich. Auf Themenebene sah es deutlich besser aus: Alle großen Themen hatten eigene Seiten mit Rankings.
  • Verwandte Keywords sind keine Marktgröße: Die Liste verwandter Begriffe eines Tools enthielt fremde Marken und fachfremde Begriffe. Erst nach der Bereinigung war die Nachfrage brauchbar.
  • Zuerst die Live-Seite prüfen: Eine angebliche Lücke, fehlende Produktlinks in Ratgebern, gab es gar nicht. Die Seiten verlinkten die Produkte längst. Seitdem prüfe ich jeden Befund an der Live-Seite, bevor er in eine Maßnahmenliste geht.

Was du als Website-Betreiber sofort umsetzen kannst

  1. Die fünf Seiten mit den meisten Impressionen in der Search Console auswählen.
  2. Für jede Seite die Teilfragen zum Haupt-Keyword erzeugen und die Treffer lesen.
  3. Zuerst die kommerziellen und transaktionalen Lücken schließen, je ein Abschnitt mit direkter Antwort.
  4. Nach zwei bis vier Wochen in ChatGPT und in den AI Overviews prüfen, ob die überarbeiteten Inhalte als Quelle auftauchen.

Für SEO-Freelancer mit vielen Kunden liegt hier der Hebel: Der Check zeigt in einer Minute, wo eine Seite Teilfragen offen lässt. Welche Lücke für das Geschäft des Kunden zählt, bewertest du selbst.

Häufig gestellte Fragen zu Query Fan-out

Was ist der Unterschied zwischen Query Fan-out und Keyword-Recherche?

Die Keyword-Recherche zeigt, wonach Menschen suchen und wie oft. Query Fan-out zeigt, welche Teilfragen eine KI aus einer Suche ableitet. Das Keyword bestimmt die Seite, der Fan-out ihren Inhalt.

Wie teste ich als Marketer, ob mein Content die Teilfragen meiner Zielgruppe abdeckt?

Mit einem Check wie in Visibly oder von Hand: Teilfragen von ChatGPT oder Gemini erzeugen lassen und am Text abhaken. Treffer knapp über der Schwelle immer selbst lesen.

Wie erkläre ich Kunden den Unterschied zu klassischer SEO?

Am eigenen Beispiel: Ich zeige die Teilfragen zum wichtigsten Keyword des Kunden und markiere, welche seine Seite beantwortet. Das ist greifbarer als jede Definition.

Hilft Query Fan-out bei lokaler Suchmaschinenoptimierung?

Ja. Für lokale Suchmaschinenoptimierung, auch Geo-SEO genannt, sind die Teilfragen besonders konkret: Öffnungszeiten, Anfahrt, Preise, Erfahrungen. Beim Hotel-Content kommen Lage, Ausstattung und Angebote für Familien dazu. Wer diese Teilfragen beantwortet, liefert der KI die Passagen, die sie für eine lokale Empfehlung braucht. Geo-SEO und Query Fan-out greifen hier direkt ineinander.

Den Check findest du in Visibly unter den GEO Tools, alle Funktionen unter Funktionen. Für einen ersten Blick auf deine Marke in ChatGPT gibt es den kostenlosen Sichtbarkeits-Check.

Methodik: Query-Fan-out-Check in Visibly AI® am 9. November 2026 auf www.visibly-ai.com/de/blog/ki-sichtbarkeit-messen (Keyword „ki sichtbarkeit messen“, 15 Teilfragen, Abgleich per Embeddings, Schwelle 60 Prozent). Suchvolumen „query fan out“: 260 pro Monat in Deutschland, Visibly AI, 9. November 2026. Erfahrungen aus eigenen Workshops und Gesprächen mit Kunden und Interessenten, Februar bis November 2026, Transkripte lokal, anonymisiert.

Wie sichtbar ist deine Website bei Google und in KI-Antworten? Mach den kostenlosen Sichtbarkeits-Check.

Kostenlos prüfen

Support kontaktieren service@visibly-ai.com