AI-Suche durchleuchtet: So funktioniert „Query Fan-out“ in ChatGPT, Perplexity & Co.

Die KI-getriebene Suche entwickelt sich so schnell, dass selbst Profis kaum hinterherkommen. Neue Features, neue Antworten, neue Ranking-Signale – jede Woche. Viele Glücksritter und angebliche „Best Practice“, doch die meisten arbeiten auf Basis wenig belastbarer Daten. Im Juli bereits hatte sich Jakub Sadowski von SurferSEO sich die Fan-out Queries genauer angeschaut: Das sind jene zusätzlichen Suchbegriffe, die KI-Systeme wie ChatGPT, Gemini und Co. aus deiner Frage ableiten und zur Beantwortung heranziehen.

Basis dieser Auswertung waren 1.600 Anfragen über ein breites Spektrum an Keywords und Prompts. In diesem Beitrag findest du die wichtigsten Erkenntnisse, warum Fan-outs für GEO/LLMO/AEO relevant sind – und wie du deine Inhalte darauf ausrichtest:

Was sind Query Fan-outs?

Query Fan-outs oder auch Fan-Out-Queries sind von der KI generierte, semantisch passende Suchbegriffe zu deiner ursprünglichen Anfrage im Chatbot. Die Bezeichnung Fan-Out kommt vom auffächern der ursprünglichen Anfrage in mehrere Suchen. Systeme wie Google AI Overviews / AI Mode oder ChatGPT erstellen aus deiner Frage im Chat passende Suchanfragen, sprich Queries, um eine umfassende Antwort über die eingebaute Suchmaschine zu finden und eine gute Antwort auf Basis der gefundenen Informationen geben zu können. Die KI zieht dafür SERPs dieser generierter Keywords heran – nicht die Ergebnisliste zu deiner ursprünglichen Eingabe!

Konsequenz: Willst du in ChatGPT & Co. zitiert oder als Quelle berücksichtigt werden, musst du zu diesen Fan-Out-Queries ranken!

Wichtig: Fan-outs sind volatil!

LLMs sind nicht-deterministisch: Stellst du denselben Prompt zweimal, sind die Ergebnisse oft unterschiedlich. Das gilt auch für Fan-outs. Bevor man Inhalte „auf Verdacht“ baut, lohnt es sich, die Streubreite zu verstehen!

Warum Gemini/ChatGPT als Proxy nutzen

Google setzt Gemini als Motor für AI Overviews & AI Mode ein. Mit der „Grounding“-Funktion (Antworten werden durch Websuche gestützt) lassen sich die verwendeten Fan-out-Queries sichtbar machen. Auch ChatGPT arbeitet mit Fan-outs (modellabhängig). Das macht beide Systeme zu nützlichen Fenstern in die „Query-Expansion“ moderner KI-Suche.

Zentrale Ergebnisse der Studie von SurferSEO

1) Meist bis zu 5 Fan-outs (oft 2–4) – manchmal auch keine

In vielen Fällen bleibt die KI fokussiert und erweitert sparsam. 2–4 Fan-outs sind typisch, bis 5 kommen häufig vor. Manchmal wird gar nicht expandiert (SERP + internes Wissen reichen aus).
Implikation: AI-Ergebnisse sollen präzise, aber nicht überladen sein. Für Content-Strategien heißt das: breit genug aufgestellt, ohne thematisch zu verwässern.

2) Geringe Konsistenz einzelner Fan-outs

• ≈ 27 % der Fan-out-Keywords halten über Runs hinweg durch („Core-Keywords“).
• ≈ 66 % tauchen nur einmal auf.
• ≈ 0,6 % erscheinen in allen Runs.
  Implikation: Auf einzelne Keywords zu setzen ist riskant.
  Plane auf Cluster-Ebene, nicht auf Einzeltreffer.

3) Semantik: Nahe an der Ausgangs-Frage

Mit Cosine Similarity gemessen liegen die meisten Fan-outs zwischen 0,75–0,95 zur Originalanfrage; es gibt auch 1,0 (identische Phrase).

Beispiel (Prompt „how to use hashtags on Instagram“):

• „How many hashtags on Instagram post“
• „Instagram hashtag best practices 2025“
• „Instagram story hashtags“
• „Instagram reel hashtags“
  Implikation: Die KI exploriert Variationen, keine völlig neuen Richtungen. Semantische Nähe dominiert.

4) Clustering fängt die Volatilität ab

SurferSEO hat auch die SERP-Nachbarschaften betrachtet (Top-20-Überlappung):

• 84 % der Fan-outs teilen mindestens 1 URL mit der Original-SERP.
• 56 % teilen ≥ 5 URLs.
• ~90 % der Fan-outs lassen sich in bis zu 4 Cluster aufteilen.
  Implikation: Cluster-Optimierung ist der Hebel. Wenn 66 % der Fan-outs nur einmal vorkommen, sorgen 4 saubere Teil-Cluster rund um dein Ziel-Query für Sichtbarkeit – trotz Schwankungen.

---

Was bedeutet das für deine GEO-/AI-SEO-Strategie?

1) In Themen-Clustern denken (nicht in Einzel-Keywords)

• Baue Themen-Hubs aus (Head-Term + Sub-Cluster).
• Optimiere regelmäßig nach (Content Audits, SERP-Vergleiche, interne Verlinkung).
• Nutze Topic-Research: Starte mit Head-Terms („London“, „London mit Kindern“) oder gleich mit dem ganzen Prompt („Was tun in London mit Kindern?“).
  Ziel: Gegen Fan-out-Schwankungen robuster werden, mehr AI-Abdeckung gewinnen.

2) Quellen-Vorkommen in KI-Suche tracken

• Beobachte häufig zitierte URLs in AI Overviews/Mode/ChatGPT.
• Analysiere Content-Typ & Intent dieser Quellen und vergleiche mit klassischer SERP.
• Identifiziere Lücken (Format, Tiefe, Datenbezug, E-E-A-T-Signale) und schließe sie gezielt.
  Ziel: Verstehen, welche Inhalte und Publisher die KI bevorzugt – und warum.

3) Kannibalisierung aktiv verhindern

• Baue keine 10 Artikel, die alle denselben Intent bedienen.
• Klare Rollen pro URL (Guide, Vergleich, Checkliste, Datenhub, lokale Landingpage).
• Prüfe regelmäßig Überschneidungen (Topical-Map/Kannibalisierungs-Reports).
  Ziel: Autorität bündeln, statt sie intern zu verwässern.

Local & Entity-Signale für Fan-outs nutzen

Wenn du lokal-fokussiert arbeitest, verstärken folgende Bausteine deine Chancen, in Fan-outs aufzutauchen:

• Entitäten sauber modellieren: Stadt, Bezirk, POIs, Anbieter, Events, Routen – mit klaren Schemas (Organization, LocalBusiness, Place, Event, Route, Trip).
• Varianten abdecken: „mit Kindern“, „bei Regen“, „gratis“, „heute Abend“, „Hunde erlaubt“, Saison- und Jahreszahl-Erweiterungen. Das sind typische Fan-out-Muster.
• SERP-Nachbarschaft prüfen: Teilen deine Geo-Landingpages URLs mit semantisch nahen Queries? Falls nein, Brückenseiten (Vergleiche/„Best of“/Karten) anlegen.
• Datenhaltige Formate: Karten, Listen, Öffnungszeiten, Preise, aktualisierte Infos – KI greift gern auf strukturierte, verlässliche Quellen zu.

---

Aber nicht nur Googles AI Mode und ChatGPT nutzen Fan-Out Queries. Auch Perplexity nutzt mehrere Suchen hintereinander, um relevante Informationen zu sammeln:

Anschließend werden die Quellen sortiert (ReRanking) und aus den relevantesten zitiert:

Was du aus der Studie mitnehmen solltest

• Fan-outs sind real – und volatil. Verlass dich nicht auf Einzel-Keywords.
• Semantische Nähe dominiert. Baue Variationen rund um den Kern-Intent.
• Clustering ist der Game-Changer. ~90 % der Fan-outs lassen sich in ≤ 4 Cluster bündeln; 84 % teilen mindestens eine URL mit der Original-SERP.
• Monitoring & Hygiene (Quellen-Tracking, Cannibalization-Kontrolle) sind Pflicht.
• In der Ära von GEO/LLMO/AEO zählt Wahrscheinlichkeit: Du optimierst dafür, in mehr möglichen Fan-outs sichtbar zu sein – nicht nur für ein statisches Keyword-Set.

Fazit: In der Sichtbarkeits-Ära der KI-Suche gewinnst du nicht mit dem einen „richtigen“ Keyword, sondern mit einem robusten Themen-Cluster, das Fan-out-Wellen aushält – und die KI immer wieder zu dir zurückführt.

SEO war gestern – AI Visibility ist heute!

Wenn du verstehen willst, wie du deine Inhalte in KI-generierten Antworten platzierst und die Sichtbarkeit deiner Marke langfristig sicherst, solltest du dir den neuen AI Search Optimization Masterclass-Kurs von SurferSEO ansehen.

🧠 7 Module, 20 Lektionen, praxisnahe Beispiele – und das komplett kostenlos.
💼 Inklusive Zertifizierung als AI Search Optimization Expert.
👉 Hier geht’s zum Kurs