Hören Sie auf, für Keywords zu optimieren. Beginnen Sie, für Unterfragen zu optimieren

Eine Abfrage rein, viele Suchen raus

Google beschreibt die Abfrage-Fächerung in seiner eigenen KI-Optimierungsdokumentation: „Sowohl KI-Übersichten als auch der KI-Modus können eine ‚Abfrage-Fächerungs‘-Technik verwenden – indem sie mehrere verwandte Suchen über Unterthemen und Datenquellen hinweg ausführen –, um eine Antwort zu entwickeln.“ Das System generiert eine Reihe gleichzeitiger, verwandter Abfragen und synthetisiert die Ergebnisse zu einer einzigen Antwort.

Googles Arbeitsbeispiel verdeutlicht die Mechanik. Ein Besucher fragt wie man einen Rasen repariert, der voller Unkraut ist. Anstatt nach dieser Phrase zu suchen, fächert es sich in mindestens drei parallele Unterabfragen auf:

Jede Unterabfrage ruft Inhalte unabhängig ab. Die KI zitiert die Quellen, die ihre Unterabfragen beantwortet haben; die übergeordnete Abfrage selbst erhält keine Zitation. Wenn Ihre Seite nur auf die übergeordnete Phrase abzielt, konkurrieren Sie um ein Keyword, das die KI nie tatsächlich sucht.

Keyword-Tools können ~95 % davon nicht sehen

Traditionelle Keyword-Recherche-Tools – Ahrefs, Semrush, Google Search Console – aggregieren das Volumen von protokollierten Suchanfragen. Unterabfragen, die durch KI-Fan-Out generiert werden, sind synthetisch: Sie werden zur Inferenzzeit erstellt, nicht von Benutzern eingegeben. Eine Analyse von Ahrefs-Daten durch ALM Corp ergab, dass etwa 95 % der Fan-Out- Unterabfragen kein Suchvolumen aufweisen.

Der Conductor 2026 AEO/GEO Benchmarks Report – basierend auf 13.770 Unternehmens- Domains, 3,3 Milliarden Sitzungen und mehr als 100 Millionen Zitaten aus 17 Millionen KI-Antworten – stellte einen Schwellenwerteffekt fest: Marken, die 12 oder mehr optimierte Inhalte veröffentlichten, gewannen KI-Sichtbarkeit 200-mal schneller als diejenigen unterhalb dieser Schwelle. Der Sprung ist kategorisch – das Überschreiten schaltet die Sichtbarkeit ein, anstatt sie stückweise zu skalieren. Die Inhaltsbreite, die den Unterfragenbereich abdeckt, ist der Mechanismus.

Warum KI Unterfrageninhalte gegenüber Landing Pages zitiert

Die Google-Patente US11663201B2 und US20240289407A1 beschreiben den zugrunde liegenden Mechanismus: "Abfragevariantengenerierung" und thematische Unterabfrageerweiterung. Das System identifiziert die Absichtsdimensionen einer Abfrage – kausal, prozedural, vergleichend, präventiv – und sucht jede unabhängig. Eine Landing Page, die eine allgemeine Behauptung aufstellt, erfüllt keine davon mit Spezifität. Ein Beitrag, der tief in eine Dimension eintaucht – zum Beispiel den chemikalienfreien Entfernungsaspekt – ist genau das, was die KI für diese Unterabfrage benötigt.

Die praktische Implikation: KI-Retrieval belohnt eine spezifische Antwort. Keyword-Dichte hilft kaum. Eine Seite, die "Kann ich Rasenunkräuter ohne Herbizide entfernen?" in 600 fokussierten Wörtern beantwortet, wird einen 2.000-Wörter-Beitrag übertreffen, der Unkräuter, Herbizide und Rasenpflege erwähnt, aber keine dieser Fragen direkt beantwortet.

Vom Thema zum Unterfragen-Inventar

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 eintippen könnte, und zerlegen Sie diese nach der Absichtsdimension.

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

Wo diese Logik versagt – und was Google tatsächlich abstraft

Die Abdeckung von Fan-out-Unterfragen ist nützlich, birgt aber echte Fehlermöglichkeiten, die es wert sind, genannt zu werden, bevor Sie Ihr Content-Team briefen.

Google warnt explizit vor Inhalten, die darauf abzielen, jede Variation abzudecken, anstatt einem Leser zu helfen. Die Spam-Richtlinie für missbräuchliche skalierte Inhalte kennzeichnet Inhalte, die „für jede mögliche Variation erstellt wurden… hauptsächlich, um Rankings oder generative KI-Antworten zu manipulieren.“ Wenn Sie fünfzig dünne Seiten veröffentlichen, die Unterfragen technisch „beantworten“, aber keine wirkliche Tiefe hinzufügen, interpretiert Google dies als Spam-Signal. Es wird als Strategie nicht funktionieren. Das Ziel ist thematische Tiefe. Die Seitenanzahl ist nebensächlich.

Fan-out wird nicht bei jeder Abfrage ausgelöst. Nachschlageanfragen – „Hauptstadt Spaniens“, „in welchem Jahr wurde der Eiffelturm gebaut“ – erhalten eine einzige direkte Abfrage und werden nie aufgefächert. Die Technik wird bei explorativen, vergleichenden und problemlösenden Abfragen ausgelöst, bei denen mehrere Blickwinkel die Antwort tatsächlich verbessern. Das Zuordnen von Unterfragen zu bereits eindeutigen Abfragen ist verschwendete Mühe.

Dünne Inhalte, die Unterfragen ansprechen, sind immer noch dünn. Die 12-teilige Schwelle in den Conductor-Daten ist mit ziemlicher Sicherheit ein Indikator für tatsächlich aufgebaute thematische Autorität. Sie können diese nicht herbeizaubern, indem Sie zwölf kurze Listenartikel 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 in der Regel. Wenn nicht, werden sie es nicht tun – unabhängig davon, wie viele Seiten Sie veröffentlichen.

Finden Sie die Unterfragen, die Sie nicht beantworten

Die schnellste Diagnose ist ein Markenerwähnungs-Scan – wie die irische Hausratversicherungs-Rangliste, die genau abbildet, welche Unterfragen jede Marke besitzt – und schauen Sie, was die KI tatsächlich sagt, wenn Ihr Thema zur Sprache kommt – welche Unterfragen sie von Wettbewerbern zieht, welche sie unbeantwortet lässt und welche sie Quellen zuschreibt, von denen Sie noch nie gehört haben. Das ist Ihre Lückenliste.

Finden Sie die Unterfragen, die Ihnen fehlen