--- title: Query Fan-Out: Warum ein Keyword nicht mehr reicht — isla Studio url: https://isla-stud.io/es/ai-visibility/query-fan-out-keyword-reicht-nicht/ date: 2026-06-18 --- # Query Fan-Out: Warum ein Keyword nicht mehr reicht Stand: Juni 2026. Früher konnte man SEO erstaunlich oft wie ein kleines Ratespiel behandeln: Hauptkeyword finden, Suchvolumen prüfen, Seite bauen, Ranking beobachten. Das war nie die ganze Wahrheit, aber es war ein brauchbares Arbeitsmodell. AI Search macht dieses Modell deutlich ungemütlicher. Der Grund heißt Query Fan-Out. Eine KI-Suche nimmt eine Frage nicht zwingend als eine einzige Suchanfrage. Sie kann daraus mehrere Teilfragen machen, verschiedene Quellen abrufen und daraus eine Antwort zusammensetzen. Für Website-Betreiber:innen heißt das: Es reicht nicht mehr, nur auf das eine schöne Hauptkeyword zu starren. Die eigentliche AI Visibility kann in den Unterfragen liegen. Inhaltsverzeichnis Die Kurzfassung Query Fan-Out bedeutet: Eine AI-Suche kann eine Nutzerfrage in mehrere Teilfragen oder Subtopics zerlegen. Google nennt diese Technik ausdrücklich: AI Mode nutzt Query Fan-Out, Deep Search kann laut Google hunderte Suchläufe auslösen. Ein Hauptkeyword reicht nicht mehr als Denkmodell: Wichtig wird, ob deine Inhalte die relevanten Entscheidungs-, Vergleichs-, Risiko- und Belegfragen abdecken. Fan-Out ist keine Einladung zu Massencontent: Google warnt vor Seiten, die nur für jede mögliche Suchvariation gebaut werden, um Rankings oder AI-Antworten zu manipulieren. Die Datenlage ist spannend, aber nicht simpel: Studien zeigen Zusammenhänge zwischen Fan-Out-Abdeckung, Retrieval und Citation. Sie zeigen aber auch, dass direkte Relevanz und gute Struktur wichtiger sind als blinde Vollständigkeit. Für WordPress heißt das: Baue keine Keyword-Friedhöfe. Baue gute Themencluster, klare Antworten, hilfreiche Tabellen, FAQ und interne Links. Meine Empfehlung: Nutze Query Fan-Out wie eine Denkbrille, nicht wie eine To-do-Liste. Die Frage ist nicht: „Wie viele Unterfragen kann ich noch in diesen Artikel stopfen?“ Die bessere Frage ist: „Welche Teilfragen muss ein Mensch oder ein KI-System klären, bevor diese Empfehlung sinnvoll ist?“ Was ist Query Fan-Out? Query Fan-Out beschreibt den Moment, in dem ein AI-Suchsystem eine einzelne Anfrage auffächert. Aus einer Frage werden mehrere verwandte Suchanfragen, Perspektiven oder Subtopics. Das System sammelt Informationen zu diesen Teilfragen und baut daraus eine Antwort. Stell dir vor, jemand fragt: „Welches WordPress-SEO-Plugin ist für einen kleinen Shop sinnvoll?“ Eine klassische Keyword-Sicht würde schnell bei „bestes SEO Plugin WordPress“ landen. Ein Fan-Out-System könnte zusätzlich fragen: Welches Plugin kann WooCommerce? Wie gut sind Schema-Daten? Gibt es Redirects? Wie einfach ist die Einrichtung? Was kostet Premium? Wie sieht es mit AI Visibility, llms.txt und strukturierten Daten aus? Gibt es Risiken bei mehreren SEO-Plugins? Die sichtbare Nutzerfrage ist also nur der Anfang. Dahinter liegen Entscheidungsfragen. Genau deshalb wirkt AI Search oft so anders als klassische Suche: Die Antwort ist nicht nur ein Treffer für eine Suchphrase, sondern eine Synthese aus mehreren kleinen Rechercheschritten. Was Google dazu sagt Google beschreibt Query Fan-Out für AI Mode sehr direkt: AI Mode zerlegt eine Frage in Subtopics und löst gleichzeitig mehrere Suchanfragen aus. Dadurch soll Search tiefer ins Web gehen können als eine klassische Google-Suche. Für Deep Search beschreibt Google dieselbe Technik noch größer: Bei komplexeren Recherchefragen kann Deep Search hunderte Suchläufe ausführen, über unterschiedliche Informationen hinweg schlussfolgern und daraus einen zitierten Bericht erstellen. Das ist kein kleines Feature am Rand. Das ist eine andere Art, Recherche zu organisieren. Gleichzeitig setzt Google eine wichtige Grenze. Im eigenen Guide zur Optimierung für generative AI-Funktionen warnt Google davor, für jede mögliche Suchvariation, People-also-ask-Frage oder Fan-Out-Query separate Inhalte zu erzeugen, wenn das primär Rankings oder generative Antworten manipulieren soll. Genau das kann in Richtung scaled content abuse kippen. Das ist der hübsch unbequeme Kern: Ja, Fan-Out ist wichtig. Nein, daraus folgt nicht, dass du hundert dünne Unterseiten anlegen sollst. Die Maschine stellt mehr Fragen. Du sollst deshalb nicht mehr Müll produzieren, sondern bessere Zusammenhänge erklären. Warum ein Keyword nicht mehr reicht Ein Keyword ist oft nur ein Etikett. Menschen suchen aber selten nur ein Etikett. Sie haben ein Problem, eine Entscheidung, einen Zweifel oder einen Vergleich im Kopf. AI-Systeme versuchen genau diese verborgene Fragelandschaft zu rekonstruieren. Für AI Visibility heißt das: Du kannst für ein Hauptkeyword sichtbar sein und trotzdem bei den Teilfragen fehlen, aus denen die spätere Antwort entsteht. Umgekehrt kann eine Seite für eine sehr konkrete Teilfrage relevant sein und dadurch in einer AI-Antwort auftauchen, obwohl sie für das Hauptkeyword nicht prominent rankt. Das passt zu dem, was wir in der Serie bereits gesehen haben: Schema und Entitäten helfen bei Klarheit, Vergleichslisten können Drittquellen prägen, AI-Crawler und robots.txt entscheiden über Zugriff. Query Fan-Out erklärt nun, warum die inhaltliche Breite und Tiefe einer Website trotzdem nicht beliebig sein darf. Was die Daten zeigen und was nicht Bei Fan-Out-Zahlen lohnt sich Disziplin. Eine Zahl ohne Plattform, Messmethode und Zeitraum ist fast immer schief. Google AI Overviews, Google AI Mode, ChatGPT und Perplexity funktionieren nicht identisch. Eine Citation ist nicht dasselbe wie eine Empfehlung. Ein Experiment mit vier Artikeln ist nicht dasselbe wie eine große Korrelationsstudie. Eine Surfer-SEO-Analyse, über die Search Engine Land berichtet hat, untersuchte 10.000 Keywords, 33.000 mit Gemini extrahierte Fan-Out-Queries und laut verlinktem Report 173.902 URLs. Die Analyse fand eine starke Korrelation zwischen der Zahl der Fan-Out-Queries, für die eine Seite rankt, und der Wahrscheinlichkeit, in Google AI Overviews zitiert zu werden. Wichtig: Die Quelle selbst betont, dass Ranking für Fan-Out-Queries keine Citation garantiert und dass Korrelation keine Kausalität ist. AirOps und Kevin Indig untersuchten im April 2026 16.851 Queries und 353.799 Pages über ChatGPTs Retrieval-Pipeline. Spannend ist hier der Gegenakzent: In dieser Analyse war nicht maximale Fan-Out-Abdeckung der große Hebel. Retrieval-Position, direkte Query-Relevanz und passende Überschriften waren stärker. Seiten, die 26 bis 50 Prozent der Fan-Out-Subtopics abdeckten, performten bei hoher Primärrelevanz besser als Seiten mit 100 Prozent Abdeckung. Semrush hat ein kleines Praxisexperiment mit vier Artikeln über einen Monat veröffentlicht. Dort stiegen Citations von zwei auf fünf, zeitweise auf neun, fielen aber wieder. Das ist nützlich als Werkstattbericht, aber methodisch klein. Genau solche Experimente sind interessant, solange man sie nicht als Naturgesetz verkauft. Meine Lesart: Fan-Out-Coverage ist ein sehr gutes Diagnosewerkzeug. Es zeigt, welche relevanten Teilfragen fehlen. Es ist aber kein Befehl, jede synthetische Unterfrage als eigenen Absatz, eigene FAQ oder eigene Seite zu verwursten. Bitte nicht. Das Internet hat schon genug weichgekochte Ratgeber. Was das für Content-Strategie bedeutet Gute Fan-Out-Arbeit beginnt nicht mit Tools, sondern mit einer sauberen Entscheidungslogik. Frage dich: Welche Informationen braucht jemand wirklich, um eine Antwort, Empfehlung oder Kaufentscheidung einzuordnen? Definitionsfragen: Was ist das überhaupt? Abgrenzungsfragen: Worin unterscheidet es sich von ähnlichen Lösungen? Eignungsfragen: Für wen ist es sinnvoll, für wen nicht? Vertrauensfragen: Wer sagt das, mit welcher Erfahrung und welchen Belegen? Risiko- und Grenzfragen: Was kann schiefgehen, wo liegen Einschränkungen? Vergleichsfragen: Welche Alternativen gibt es, und nach welchen Kriterien wird verglichen? Umsetzungsfragen: Was muss ich konkret tun, prüfen oder entscheiden? Aktualitätsfragen: Gilt das noch, und woran erkenne ich den Stand? Wenn deine Website diese Fragen beantwortet, wird sie nicht nur für KI-Systeme besser lesbar. Sie wird auch für Menschen nützlicher. Das ist angenehm altmodisch. Fast verdächtig. WordPress: Fan-Out in Inhalte übersetzen In WordPress lässt sich Query Fan-Out gut in eine klare Inhaltsarchitektur übersetzen. Du brauchst nicht für jede Teilfrage einen neuen Beitrag. Meist brauchst du bessere Zuordnung. Wähle ein echtes Hauptthema: nicht nur ein Keyword, sondern ein Problem oder eine Entscheidung. Sammle Teilfragen: aus Search Console, Kundenfragen, Kommentaren, Sales-Gesprächen, Support, KI-Tests und eigener Erfahrung. Sortiere nach Absicht: Definition, Vergleich, Anleitung, Risiko, Kosten, Tool-Auswahl, Recht, Technik, Beispiele. Entscheide die Form: Absatz im Pillar, eigener Clusterartikel, FAQ, Tabelle, Checkliste, Produktseite, Glossar oder Download. Verlinke sauber: Pillar und Cluster müssen sich gegenseitig erklären. Interne Links sind keine Dekoration. Prüfe Such- und AI-Antworten: Welche Quellen werden zitiert? Welche Wettbewerber tauchen auf? Welche Teilfragen fehlen? Aktualisiere statt zu stapeln: Alte Beiträge lieber verbessern, zusammenführen oder klar positionieren, statt immer neue dünne Varianten zu erzeugen. Miss Plattformen getrennt: Google AI Overviews, AI Mode, ChatGPT und Perplexity können unterschiedliche Quellen und Formate bevorzugen. Der praktische Vorteil: So entsteht eine Website, die nicht nur „mehr Content“ hat, sondern bessere Antwortwege. Genau das ist für AI Visibility wichtiger. Ein Beispiel aus der Praxis Nehmen wir das Thema „Yoast SEO richtig einstellen“. Ein klassischer Artikel würde erklären, wo man klickt. Das ist nützlich, aber für AI Search nicht vollständig. Ein Fan-Out-Blick fragt zusätzlich: Was bringt ein SEO-Plugin überhaupt? Welche Einstellungen sind für normale WordPress-Nutzer:innen wirklich wichtig? Was ist SEO-Titel und Meta Description, und warum beeinflusst das CTR? Wie hängt Yoast mit Search Console und Sitemaps zusammen? Wann sind Kategorien und Schlagwörter ein Indexierungsproblem? Was leisten Schema-Daten wirklich? Was bedeutet llms.txt für WordPress? Wo endet Yoast, und wo beginnt AI Visibility? Genau deshalb ist aus der Yoast-Aktualisierung eine Serie geworden. Nicht, weil „mehr Artikel“ automatisch besser wäre. Sondern weil die Teilfragen unterschiedliche Tiefen brauchen. Manche gehören in den Hauptartikel. Manche brauchen einen eigenen Guide. Manche sind FAQ. Manche sind Kandidaten für ein Audit, ein Tool oder eine spätere Produktfunktion. Was du nicht tun solltest Der schlechteste Umgang mit Query Fan-Out wäre, daraus den nächsten Content-Spam-Baukasten zu machen. Also: 80 synthetische Unterfragen generieren, 80 mittelmäßige Seiten veröffentlichen und hoffen, dass AI Search das brav belohnt. Das ist nicht Strategie. Das ist digitaler Papierstau. Keine separaten Seiten für jede winzige Suchvariation. Keine FAQ-Blöcke, die nur Fragen wiederholen, aber nichts klären. Keine „ultimativen Guides“, die alles anreißen und nichts wirklich beantworten. Keine Zahlen ohne Plattform, Quelle, Zeitraum und Messmethode. Keine Tool-Exports ungeprüft in Inhalte kippen. Keine AI-Visibility-Claims ohne Monitoring. Wenn eine Teilfrage wichtig ist, beantworte sie gut. Wenn sie unwichtig ist, lass sie weg. Auch das ist Content-Strategie. Wie ich das mit citelayer® denke In der citelayer® AI Visibility Audit-Perspektive ist Query Fan-Out vor allem eine Diagnosefrage: Welche Teilfragen müsste ein KI-System klären, bevor es eine Marke sinnvoll empfehlen oder korrekt einordnen kann? Und welche dieser Teilfragen sind auf der Website, in externen Quellen oder in strukturierten Daten tatsächlich beantwortet? Aus meiner citelayer®-Produkt- und Audit-Arbeit nehme ich dabei eine klare Grenze mit: Fan-Out-Coverage ist wichtig, aber sie darf nicht blind gewichtet werden. Eine Website kann viele Unterfragen oberflächlich berühren und trotzdem keine gute Quelle sein. Umgekehrt kann eine sehr fokussierte Seite genau die eine Frage beantworten, die in einer AI-Antwort gebraucht wird. citelayer® für WordPress kann helfen, technische und maschinenlesbare Signale sauberer bereitzustellen: Schema-Kontext, llms.txt, klare Inhaltskarten und Bot-Signale. Die eigentliche redaktionelle Arbeit bleibt aber: Welche Fragen beantwortest du wirklich? Welche Belege lieferst du? Und wo ist deine Marke noch unscharf? FAQ Ist Query Fan-Out ein neues Keyword-Recherche-Tool? Nicht direkt. Fan-Out-Queries können bei der Recherche helfen, aber sie sind keine normalen Keywords mit verlässlichem Suchvolumen. Sie sind eher Hinweise darauf, welche Teilfragen ein AI-System zur Antwortbildung berücksichtigen könnte. Soll ich für jede Fan-Out-Query eine eigene Seite erstellen? Nein. Das wäre meistens genau der falsche Reflex. Entscheide zuerst, ob die Teilfrage wichtig ist und welche Form sie verdient: Absatz, FAQ, Tabelle, eigener Artikel oder gar nichts. Hilft Query Fan-Out auch klassischem SEO? Oft ja, weil bessere Themenabdeckung, klare Überschriften und gute interne Links auch normalen Suchmaschinen und Menschen helfen. Aber Fan-Out ist nicht einfach ein neues Wort für Keyword-Stuffing. Kann ich Fan-Out-Queries exakt vorhersagen? Nein, nicht zuverlässig. Fan-Outs können je nach System, Kontext, Nutzer, Zeitpunkt und Prompt variieren. Du kannst sie simulieren, clustern und testen. Du solltest sie aber nicht als feste Wahrheit behandeln. Was ist der erste praktische Schritt? Nimm ein wichtiges Thema und sammle zehn echte Entscheidungsfragen dazu. Prüfe dann, ob deine Website diese Fragen sichtbar, aktuell und belegbar beantwortet. Das ist meist wertvoller als der nächste Tool-Export. Quellen und Verifikation Diese Einordnung basiert auf meiner citelayer®-Produkt- und Audit-Arbeit sowie auf öffentlichen Primär- und Marktquellen. Eigene Auswertungen nutze ich als fachliche Einordnung; öffentliche Tatsachenbehauptungen sind über die folgenden Quellen nachvollziehbar. Google Blog: AI Mode in Google Search: Updates from Google I/O 2025. Google Search Central: Optimizing your website for generative AI features on Google Search. Ahrefs: What is Query Fan-Out? Understanding the Hidden Queries Driving AI Search. AirOps × Kevin Indig: The Fan-Out Effect: What Happens Between a Query and a Citation. Semrush: We Tested Query Fan-Out Optimization. Search Engine Land / Surfer SEO: AI Overview fan-out rankings boost citation odds by 161%: Study. Eigene citelayer®-Audit- und Produktarbeit: Fan-Out-Coverage, Teilfragen-Mapping und Plattformvergleich werden als Diagnose genutzt, aber nicht als blindes Score-Versprechen.