AI-Suche & Sichtbarkeit

Fan-Out Queries

Fan-Out Queries sind Googles interne Strategie, eine einzelne komplexe Suchanfrage automatisch in mehrere Unterabfragen aufzuteilen, um umfassendere und präzisere KI-Antworten zu generieren.

Fan-Out Queries beschreiben einen internen Verarbeitungsmechanismus, den Google für die Generierung von AI Overviews und im AI Mode einsetzt. Wenn ein Nutzer eine komplexe Frage stellt – etwa „Was kostet eine Photovoltaikanlage für ein Einfamilienhaus in NRW inklusive Förderung?" –, teilt Googles KI-System diese Anfrage intern in mehrere Unterabfragen auf, bevor es eine Antwort zusammenstellt.

Einordnung

Der Begriff „Fan-Out" stammt aus der Informatik und beschreibt das Auffächern eines Signals in mehrere Zweige. Google beschrieb diesen Mechanismus erstmals intern in Dokumenten, die im Rahmen des US-Kartellverfahrens gegen Google (2024) öffentlich wurden. Für SEO-Profis und Content-Strategen ist dieses Wissen bedeutsam: Es erklärt, warum Seiten, die Teilaspekte einer Frage besonders gut beantworten, in AI Overviews erscheinen können – auch wenn sie das Gesamtthema weniger umfassend abdecken als ein Wettbewerber.

Wie funktioniert das?

Für die obige Beispielanfrage könnte Google intern folgende Unterabfragen generieren:

„Durchschnittskosten Photovoltaikanlage 2024 Deutschland"
„KfW Förderung Photovoltaik NRW 2024"
„Einspeisevergütung Solaranlage aktuell"
„Amortisationszeit Photovoltaik Einfamilienhaus"

Jede Unterabfrage durchsucht den Google-Index separat und liefert Quellen. Gemini synthetisiert aus diesen Ergebnissen eine zusammenhängende Antwort. Für Websites bedeutet das: Wer für einen dieser Teilaspekte eine besonders klare, strukturierte Antwort bietet, hat eine realistische Chance, in der finalen Antwort zitiert zu werden – selbst wenn die Domain insgesamt weniger Autorität hat als etablierte Medien.

Praxisbeispiel

Ein Solarinstallateur aus Kevelaer schreibt einen Ratgeber speziell zur KfW-Förderung für Photovoltaik in NRW – präzise, strukturiert, mit aktuellen Förderhöhen. Obwohl große Energievergleichsportale das Thema Photovoltaik umfassender abdecken, erscheint die Kevelaerer Seite als Quelle für den Förderungs-Teilaspekt in der Google AI Overview – weil sie diesen Teilaspekt am präzisesten beantwortet.

Häufig gestellte Fragen zu Fan-Out Queries

Wie nutze ich Fan-Out Queries für meine Content-Strategie?

Indem Sie Teilaspekte komplexer Fragen präzise und strukturiert beantworten. Spezifische Unterseiten zu Teilthemen sind oft erfolgreicher als ein allgemeiner Überblicksartikel.

Kann ich herausfinden, welche Unterabfragen Google für mein Thema generiert?

Nicht direkt. Aber über die zitierten Quellen in AI Overviews und mit Tools wie Perplexity lassen sich typische Unteraspekte eines Themas gut ableiten.

Gilt das Fan-Out-Prinzip auch bei Perplexity und ChatGPT?

Ähnliche Mechanismen gibt es bei Perplexity (intern als Query Decomposition) und bei ChatGPT mit Websuche. Das Prinzip – Aufteilen in Teilfragen – ist bei modernen LLM-Suchsystemen weit verbreitet.