Ein Mandant rief mich im März an, wütend. Seine Website hatte zwei Jahre lang die Top-3-Position für „beste CRM für kleine Anwaltskanzleien" gehalten. Traffic: konstant. Dann rollte Google seinen KI-Modus breiter aus für US-Nutzer und innerhalb von sechs Wochen fielen seine organischen Klicks um 34 %. Er hatte das Ranking nicht verloren. Der blaue Link war immer noch da. Aber eine große KI-generierte Antwort-Box saß darüber, zitierte drei andere Websites, von denen keine seine war. Eine davon hatte eine Domain Authority von 31. Seine war 58. Ich öffnete die Seite, die zitiert wurde, und verbrachte etwa zwanzig Minuten damit, sie zu lesen. Ehrlich gesagt? Sie war für die spezifische Frage, die Google jetzt stellte, besser strukturiert, auch wenn sie in keinem traditionellen Sinne „besser" war.
Das war der Moment, als ich anfing, Query Fan-Out ernst zu nehmen.
Was Query Fan-Out tatsächlich ist
Wenn Sie etwas in Google KI-Modus eingeben oder wenn Gemini eine Abfrage in Search Generative Experience verarbeitet, leitet es Ihre einzelne Frage nicht an einen Abrufprozess weiter. Es zerlegt die Abfrage in mehrere Unter-Abfragen, startet sie parallel, ruft Ergebnisse für jede ab und synthetisiert dann alles in eine Antwort. Googles eigene Ingenieure haben dies als einen „mehrstufigen Reasoning"-Prozess beschrieben, und Liz Reids Keynote bei Google I/O 2024 gab den klarsten öffentlichen Einblick in die Arbeitsweise des Systems.
Die Anzahl der Unter-Abfragen variiert. Einfache Fragen können in fünf oder sechs aufgefächert werden. Komplexe Forschungsfragen, bei denen jemand tatsächlich versucht, eine Entscheidung zu treffen, können 20 bis 50 parallele Abrufe generieren. Jede Unter-Abfrage zielt auf einen leicht anderen Winkel, eine andere Entität, einen anderen Vergleich, einen anderen Einwand ab. Das System versucht, ein vollständiges Bild zu erstellen, nicht nur eine Antwort abzurufen.
Und hier ist das Ding: Die meisten SEO-Ratschläge behandeln Google immer noch so, als würde es eine Frage stellen. Das tut es nicht. Nicht mehr.
Warum dies die traditionelle Keyword-Optimierung bricht
Ich habe Content-Strategien für über 12.000 Websites über Seahawk entwickelt. Und der größte einzelne Fehler, den ich immer noch 2025 sehe, ist: Seiten, die für ein Keyword optimiert sind, statt für einen Topic-Cluster mit explizit beantworteten Unter-Fragen inline.
Die traditionelle Optimierung sagte: Setzen Sie Ihr Keyword in die H1, den Meta-Title, die ersten 100 Wörter, holen Sie sich ein paar Backlinks, fertig. Das funktionierte, weil der Abruf relativ linear war. Abfrage abgleichen, Seite anzeigen.
Fan-Out bricht das auf, weil die KI nicht nach der Seite sucht, die der Abfrage entspricht. Sie sucht nach der Seite, die eine bestimmte Unter-Frage beantwortet, die sie intern generiert hat. Sie sehen diese Unter-Frage nie. Sie ist nicht in der Search Console. Sie erscheint nirgendwo in Ihren Analytics. Google hat sie stillschweigend als Teil der Zerlegung dessen erstellt, was der Nutzer tatsächlich gefragt hat.
Der Abruf ist pro Unter-Abfrage konkurrenzfähig
Stellen Sie es sich so vor. Stellen Sie sich vor, Google teilt „welche Buchhaltungssoftware sollte ein UK-Freiberufler verwenden" in Unter-Fragen wie:
- Was sind die Making Tax Digital-Anforderungen für Einzelunternehmer?
- Welche Buchhaltungstools integrieren nativ mit UK-Bankfeeds?
- Was ist der Preisunterschied zwischen FreeAgent und QuickBooks für Freiberufler?
- Wie handhaben Freiberufler digitale Mehrwertsteuererklärungen?
- Was empfehlen UK-Buchhalter ihren Mandanten tatsächlich?
Jede dieser ist ein separater Abrufwettbewerb. Du könntest zwei davon gewinnen und die anderen drei verlieren. Wenn du mehr als die Hälfte verlierst, wirst du wahrscheinlich überhaupt nicht zitiert. Wenn du vier von fünf gewinnst, könntest du zur primären Quelle werden, auf die sich die KI stützt.
Die Implikation: Eine einzelne Long-Form-Seite, die vage „Buchhaltungssoftware für Freiberufler" abdeckt, konkurriert nicht effektiv. Du musst jede Unterfrage explizit und klar beantworten, mit ausreichend Spezifität, damit ein Abrufsystem eine saubere Antwort auf genau diese Frage extrahieren kann.
So reverse-engineerst du die Unterabfragen
Hier passiert die eigentliche Arbeit. Ich werde nicht so tun, als gäbe es ein Tool, das Googles interne Fan-Out-Abfragen direkt anzeigt, denn das gibt es nicht. Aber du kannst sie approximieren.
Hier ist der Prozess, den ich nutze und den ich speziell für einen FinTech-Kunden bei Seahawk Ende 2024 angewandt habe:
- Gib deine Zielabfrage in Google AI Mode (oder die AI Overview, wenn diese in deiner Region verfügbar ist) ein und lies die generierte Antwort sorgfältig.
- Jeder Absatz in dieser Antwort beantwortet eine andere Unterfrage. Schreib auf, welche implizite Frage das ist.
- Kreuzchecke mit AlsoAsked, das den „People Also Ask"-Graph besser abbildet als jedes andere Tool, das ich ausprobiert habe.
- Führe dieselbe Abfrage durch Perplexity und Claude aus. Beide nutzen ähnliche mehrstufige Abrufe. Die Unterabfragen, die sie explizit, in ihren Reasoning-Traces aufgeschrieben haben, sind ein angemessenes Äquivalent für das, was Google intern generiert.
- Nutze das Content Gap Tool von Ahrefs, um Seiten zu finden, die dich überbieten und Winkel abdecken, die deine Seite nicht anfasst.
Sobald du 8 bis 12 implizite Unterabfragen hast, schreib Content, der jede als diskrete, extrahierbare Einheit beantwortet. Nicht versteckt in Prosa. Nicht relativiert. Eine klare Frage, eine klare Antwort, dann unterstützende Details.
Was macht eine Seite im Fan-Out-System „zitierbar"?
2019 gab mir ein Klient eine Anweisung in die Hand, die ich damals für absurd hielt: Schreib ein Glossar für jeden juristischen Begriff auf ihrer Conveyancing-Website. Kein Blog. Kein Guide. Ein richtiges Glossar mit 200+ Definitionen. Ich wehrte mich. Sie bestanden drauf. Diese Seite generiert jetzt ungefähr 18.000 organische Sessions pro Monat, und seit AI Overviews ausgerollt wurden, wird sie in KI-Responses häufiger zitiert als jede andere Seite auf ihrer Domain.
Warum? Weil jede Definition eine in sich geschlossene, extrahierbare Einheit ist. Google kann eine Definition abrufen, um eine Unterfrage zu beantworten, ohne den umgebenden Kontext interpretieren zu müssen. Das ist Zitierbarkeit.
Die Signale, die mir am wichtigsten für Zitierbarkeit zu sein scheinen:
- Explizite Frage-Antwort-Struktur. Eine Überschrift, die als Frage formuliert ist, gefolgt von einer direkten Antwort im ersten Satz dieses Abschnitts. Nicht drei Absätze weiter unten begraben.
- Benannte Entitäten und Spezifika. „FreeAgent kostet £19/Monat für Einzelunternehmer" ist zitierbar. „Einige Tools sind günstiger" ist es nicht.
- Kurze, zitierbare Sätze innerhalb längerer Abschnitte. Die KI zieht Snippets. Mach den Snippet offensichtlich.
- Strukturierte Daten. FAQ-Schema und HowTo-Schema funktionieren immer noch, und sie funktionieren speziell, weil sie Google helfen, diskrete Q&A-Paare zu parsen. Nutze sie. Googles Dokumentation zu strukturierten Daten ist immer noch akkurat und lohnt sich, im Kontext von AI Mode nochmal zu lesen.
- Glaubwürdigkeitssignale des Autors. Bylines mit echten Qualifikationen, About-Seiten, die spezifisch über Expertise sprechen, Links zur professionellen Präsenz des Autors. Nicht nur „von Admin".
Die Tiefe-vs.-Breite-Falle
Das ist ein Fehler, den ich persönlich gemacht habe. Um Mitte 2023, als SGE noch in Labs war, schrieb ich einen Guide für eine unserer eigenen Seahawk-Service-Seiten, der 4.800 Wörter lang war. Umfassende Abdeckung eines Themas. Jeder Winkel adressiert. Ich war stolz darauf. Er wurde genau null Mal in KI-Responses zitiert, und ich beobachtete, dass eine 1.100-Wort-Konkurrenzseite wiederholt zitiert wurde.
Der Unterschied: Ihre Seite beantwortete eine spezifische Unterfrage mit chirurgischer Präzision. Meine beantwortete alles so breit, dass das Abrufsystem keine saubere, zitierbare Antwort auf irgendwelche einzelnen Unterabfragen extrahieren konnte.
Tiefe ist nicht dasselbe wie Länge. Tiefe bedeutet, bei jeder Unterfrage weit genug zu gehen, dass deine Antwort eindeutig nützlich ist. Länge bedeutet, viele Wörter zu schreiben. Das sind unterschiedliche Dinge.
Wenn dein Thema 10 Unterabfragen generiert, fährst du oft besser mit 10 fokussierten Abschnitten à 150 Wörter als mit einem 2.000-Wort-Essay, der alle 10 oberflächlich behandelt. Die Struktur signalisiert, dass jeder Abschnitt eine eigenständige Antwort ist. Die KI kann Abschnitt 7 abrufen, ohne die Abschnitte 1 bis 6 zu benötigen.
Eine Anmerkung zu internen Links
Da Fan-Out über viele Seiten hinweg abruft, nicht nur eine, wird deine Strategie für interne Links zu einer Möglichkeit, Themenautorität im Raum der Unterabfragen zu signalisieren. Wenn du fünf Seiten hast, die jeweils zwei oder drei verwandte Unterabfragen gut beantworten, und sie sind mit aussagekräftigen Ankertexten richtig untereinander verlinkt, erhöhst du die Chance, mehrere Abruf-Wettbewerbe beim selben Fan-Out-Ereignis zu gewinnen.
Ich nutze Screaming Frog, um den Ankertexte interner Links auf großen Sites zu prüfen. Die Anzahl der Sites, die ich auditiere, bei denen 40 % der internen Links „Hier klicken" oder „Mehr erfahren" sagen, ist deprimierend. Aussagekräftige Anker sind kostenlose Siege.
Wie Fan-Out deinen Content-Kalender beeinflusst
Also praktisch: Was bedeutet das für deine Content-Planung?
Es bedeutet, dass das alte Modell „Ein Keyword, eine Seite" für Content-Kalender zu grob ist. Du musst Themen auf Frage-Cluster abbilden und dann entscheiden, ob jeder Cluster auf eine gut strukturierte Seite gehört oder auf mehrere untereinander verlinkte Seiten verteilt wird.
Für ein neues Projekt, das ich gerade laufe, einen B2B-SaaS-Kunden im HR-Tech-Bereich, haben wir 40 Ziel-Keywords auf 180 implizite Unterfragen abgebildet, mit dem oben beschriebenen Verfahren. Von diesen 180 Fragen wurden 60 bereits irgendwo auf der Site beantwortet, aber vergraben in Langform-Text ohne klare Extraktionspunkte. Wir haben dafür keine neuen Inhalte geschrieben. Wir haben bestehende Seiten umstrukturiert: H3s als Fragen formuliert hinzugefügt, die Antwort in den ersten Satz jedes Abschnitts gezogen, FAQ-Schema hinzugefügt. Das hat zwei Wochen gedauert. Innerhalb von sechs Wochen sind AI Overview-Zitationen für diese Domain von drei auf 19 nachverfolgbare Instanzen gestiegen.
Nicht „mehr schreiben". Besser strukturieren.
Überwachen, ob du zitiert wirst
Es gibt noch keinen nativen Google Search Console-Filter für AI Mode-Zitationen, Stand Mitte 2025. Du arbeitest also mit Näherungswerten.
Die zuverlässigste Methode, die ich gefunden habe: Durchsuche deine Ziel-Abfragen manuell, im Inkognito-Modus, über verschiedene Regionen mit einem VPN und notiere, welche Domains in der KI-Antwort erscheinen. Mach das wöchentlich für deine Top-20-Abfragen. Es ist manuell. Es ist lästig. Es ist auch das ehrlichste Signal, das du hast.
Tools wie Semrush's AI Toolkit und Ahrefs' AI mentions tracking (zur Zeit der Erstellung in Beta) beginnen, Zitationsdaten zu zeigen, aber behandle diese Zahlen eher als Richtungswerte denn als präzise. Der zugrunde liegende Zugang zu Googles Abruf-Logs existiert für Dritte nicht.
Die Metrik, die ich in Search Console als Näherungswert beobachten würde: Impressionen für Abfragen in Frageform (Abfragen, die mit „Wie", „Was", „Warum", „Welcher", „Kann" beginnen) kombiniert mit einem Klick-Rückgang trotz stabiler Impressionen. Dieses Muster bedeutet normalerweise, dass ein AI Overview die Abfrage beantwortet, bevor der Nutzer klickt. Du gewinnst die Impression, verlierst den Besuch.
FAQ
Helfen mehr Backlinks dabei, in AI Mode-Antworten zitiert zu werden?
Backlinks beeinflussen immer noch, welche Seiten Google als autoritativ genug einstuft, um daraus zu ziehen. Aber die Beziehung ist schwächer im AI Mode als im traditionellen Ranking. Ich habe Seiten mit 12 verweisenden Domains über Seiten mit 400 zitiert gesehen, weil die weniger autoritäre Seite eine spezifische Unterfrage extrahierbarer beantwortet hat. Citability-Struktur ist zunehmend der Differenziator.
Sollte ich alte Inhalte umstrukturieren oder neue Seiten für AI Mode schreiben?
Fang mit Umstrukturierung an. In meiner Erfahrung braucht man etwa 60 % von dem, was für AI Mode-Zitierbarkeit nötig ist, strukturell, nicht thematisch. Füge H3s in Frageform hinzu, ziehe Antworten in den ersten Satz jedes Abschnitts, füge FAQ-Schema hinzu. Wenn eine Seite nach Umstrukturierung immer noch wichtige Unterfragen nicht abdeckt, dann erweitere oder ergänze sie.
Beeinflusst die Seitenladegeschwindigkeit AI Mode-Zitationen?
Indirekt. Google muss die Seite immer noch crawlen und indexieren. Langsame Seiten, die Crawl-Budget-Probleme auslösen oder schlechte Core Web Vitals generieren, werden möglicherweise in dem Index, aus dem Google abruft, deprioritisiert. Aber Seitenladegeschwindigkeit allein wird Zitierbarkeit nicht machen oder brechen. Content-Struktur ist wichtiger.
Ist die Einführung von AI Mode auf bestimmte Regionen begrenzt?
Stand Mitte 2025 ist AI Mode mit Query Fan-Out am vollständigsten in den USA eingeführt, mit begrenzter Verfügbarkeit in anderen englischsprachigen Märkten. UK-Nutzer sehen AI Overviews häufiger als vollständigen AI Mode. Googles Search-Status-Dashboard ist nicht besonders nützlich zum Tracking. Dein bestes Signal ist einfach, in Zielregionen manuell zu suchen.
---
Der Kunde von Anfang? Wir haben im April vier Seiten seiner Website umstrukturiert. Explizite Q&A-Abschnitte hinzugefügt, FAQ-Schema, Spezifizierung zu benannten Tools und Preisen. Mitte Mai erschien er in KI-Antworten bei zwei von fünf seiner Zielabfragen. Nicht fünf. Zwei. Das braucht Zeit und ist nicht garantiert. Aber der Mechanismus ist real, und ihn zu ignorieren, weil man die Unterabfragen nicht direkt sieht, ist keine Strategie. Das ist nur die Hoffnung, dass die alten Regeln noch gelten. Das tun sie nicht, zumindest nicht ganz.