Hör auf, für Keywords zu optimieren. Fang an, für Unterfragen zu optimieren

Eine Abfrage rein, viele Suchen raus

Google beschreibt Query Fan-Out in seiner eigenen KI-Optimierungsdokumentation: „Sowohl AI Overviews als auch AI Mode können eine „Query Fan-Out"-Technik verwenden – mehrere verwandte Suchen über Unterthemen und Datenquellen durchführen – um eine Antwort zu entwickeln." Das System generiert eine Reihe von gleichzeitigen, verwandten Abfragen und synthetisiert die Ergebnisse in eine einzige Antwort.

Googles Arbeitsbeispiel macht die Mechanik konkret. Ein Besucher fragt wie man einen Rasen voller Unkraut repariert. Anstatt nach diesem Ausdruck zu suchen, verzweigt es sich in mindestens drei parallele Unterabfragen:

Jede Unterabfrage ruft Content unabhängig ab. Die KI zitiert die Quellen, die ihre Unterabfragen beantwortet haben; die übergeordnete Abfrage selbst erhält keine Zitierung. Wenn deine Seite nur auf den übergeordneten Ausdruck abzielt, konkurrierst du um ein Keyword, das die KI nie tatsächlich durchsucht.

Keyword-Tools können ~95% davon nicht sehen

Traditionelle Keyword-Recherche-Tools - Ahrefs, Semrush, Google Search Console - aggregieren das Volumen aus protokollierten Suchanfragen. Von AI generierten Fan-out-Unterabfragen sind synthetisch: Sie werden zur Inferenzzeit zusammengesetzt, nicht von Benutzern eingegeben. Eine Analyse von Ahrefs-Daten durch ALM Corp ergab, dass ungefähr 95% der Fan-out-Unterabfragen ein Suchvolumen von Null aufweisen.

Der Conductor 2026 AEO/GEO Benchmarks Report - basierend auf 13.770 Enterprise-Domains, 3,3 Milliarden Sessions und mehr als 100 Millionen Zitaten über 17 Millionen AI-Antworten - fand einen Schwelleneffekt: Marken, die 12 oder mehr optimierte Content-Stücke veröffentlichten, gewannen AI-Sichtbarkeit 200-mal schneller als diejenigen unter dieser Schwelle. Der Sprung ist kategorisch - das Überschreiten schaltet die Sichtbarkeit ein, anstatt sie Stück für Stück zu skalieren. Content-Breite, die den Unterfrageraum abdeckt, ist der Mechanismus.

Warum AI Unterfrageninhalte über Landing Pages zitiert

Google-Patente US11663201B2 und US20240289407A1 beschreiben den zugrunde liegenden Mechanismus: „Query-Variant-Generierung" und thematische Unterabfrage-Erweiterung. Das System identifiziert die Intent-Dimensionen einer Abfrage - kausal, prozedural, vergleichend, präventiv - und durchsucht jede unabhängig. Eine Landing Page, die eine allgemeine Aussage macht, erfüllt keine davon mit Spezifität. Ein Stück, das tief in eine Dimension geht - sagen wir, den chemikalienfreien Entfernungswinkel - ist genau das, was die AI für diese Unterabfrage braucht.

Die praktische Implikation: AI-Abruf belohnt eine spezifische Antwort. Keyword-Dichte hilft kaum. Eine Seite, die „Kann ich Unkraut auf dem Rasen ohne Herbizide entfernen?" in 600 fokussierten Worten beantwortet, wird ein 2.000-Wort-Stück übertreffen, das Unkraut, Herbizide und Rasenpflege erwähnt, aber keine dieser Fragen direkt beantwortet.

Vom Thema zum Bestand an Unterfragen

Der Workflow unterscheidet sich von der Keyword-Recherche, ist aber nicht kompliziert. Beginnen Sie mit den Fragen, die Ihr Publikum tatsächlich hat, anstatt mit den Begriffen, die es möglicherweise eingeben würde, und zerlegen Sie diese nach Absichtsdimension.

Schreiben Sie für jedes Thema, für das Sie in KI-Antworten ranken möchten, die übergeordnete Frage auf und generieren Sie dann Unterfragen über diese fünf Dimensionen. Jede Unterfrage, die auf Ihrer Website keine spezifische, fokussierte Antwort hat, ist eine Lücke, die die KI von anderswo füllen wird.

Wo diese Logik versagt - und was Google tatsächlich bestraft

Die Abdeckung von Fan-Out-Unterfragen ist nützlich, aber sie hat echte Fehlermodi, die es wert sind, benannt zu werden, bevor Sie Ihr Content-Team briefen.

Google warnt ausdrücklich vor Inhalten, die geschrieben wurden, um jede Variation abzudecken, anstatt einem Leser zu helfen. Seine Richtlinie gegen skalierte Content-Missbrauch kennzeichnet Inhalte, die „für jede mögliche Variation… erstellt wurden, hauptsächlich um Rankings oder Antworten generativer KI zu manipulieren." Wenn Sie fünfzig dünne Seiten veröffentlichen, die technisch Unterfragen „beantworten", während sie keine echte Tiefe hinzufügen, liest Google das als Spam-Signal. Es wird nicht als Strategie funktionieren. Das Ziel ist thematische Tiefe. Die Seitenzahl ist nebensächlich.

Fan-Out wird nicht bei jeder Abfrage ausgelöst. Lookup-Abfragen - „Hauptstadt von Spanien", „in welchem Jahr wurde der Eiffelturm gebaut" - erhalten einen einzelnen direkten Abruf und werden nie aufgefächert. Die Technik funktioniert bei explorativen, Vergleichs- und Problemlösungsabfragen, bei denen mehrere Blickwinkel die Antwort tatsächlich verbessern. Unterfragen auf Abfragen abzubilden, die bereits eindeutig sind, ist verschwendete Mühe.

Dünne Inhalte, die auf Unterfragen abzielen, sind immer noch dünn. Der 12er-Schwellenwert in den Conductor-Daten ist fast sicher ein Proxy für thematische Autorität, die Sie tatsächlich aufgebaut haben. Sie können das nicht herbeiführen, indem Sie zwölf kurze Listicles veröffentlichen, um die Zahl zu erreichen. Qualität vor Quantität gilt hier genau wie überall sonst.

Der Rahmen, der hält: Schreiben Sie Inhalte, weil Sie etwas Spezifisches und Nützliches zu dieser Unterfrage zu sagen haben. Wenn Sie das tun, folgen die KI-Zitate normalerweise. Wenn Sie das nicht tun, werden sie es nicht - unabhängig davon, wie viele Seiten Sie veröffentlichen.

Finden Sie die Unterfragen, die Sie nicht beantworten

Die schnellste Diagnose ist, einen Markennennungs-Scan durchzuführen und zu sehen, was die KI tatsächlich sagt, wenn Ihr Thema auftaucht - welche Unterfragen sie von Konkurrenten zieht, welche sie unbeantwortet lässt, und welche sie Quellen zuordnet, von denen Sie noch nie gehört haben. Das ist Ihre Lückenliste.

Finden Sie die Unterfragen, die Sie vermissen