Query Fan-out

Query Fan-out läuft in vielen KI-Systemen im Hintergrund ab: Wer eine Frage stellt, sieht meist nur die fertige Antwort, nicht die Teilanfragen, die das System dafür selbst gestellt hat. Der englische Ausdruck „fan out“ bedeutet so viel wie „auffächern“. Google verwendet den Begriff für seine KI-Funktionen Übersicht mit KI und KI-Modus; in Googles deutschsprachiger Dokumentation heißt das Verfahren „parallele Anfrageverarbeitung“.

Query Fan-out gehört zum Abrufschritt einer KI-Antwort. Stützt ein KI-System seine Antwort auf Inhalte, die es im Moment der Frage abruft, spricht man von Retrieval-Augmented Generation (RAG). Für diesen Abruf braucht das System Anfragen, und die formuliert es selbst. Der Prompt, also die Eingabe, die eine Person tatsächlich macht, ist dabei nur der Ausgangspunkt.

So funktioniert Query Fan-out

Google beschreibt die Teilanfragen als gleichzeitige, miteinander verwandte Anfragen, die das große Sprachmodell hinter dem KI-System erzeugt, um sich weitere Informationen zu einer Frage zu beschaffen. Als Beispiel nennt Google die Frage „Wie kann ich einen Rasen mit viel Unkraut reparieren?“. Daraus können Teilanfragen wie „Beste Herbizide für Rasen“, „Unkraut ohne Chemikalien entfernen“ und „Unkraut auf dem Rasen verhindern“ entstehen.

Zu jeder Teilanfrage ruft das System passende Inhalte ab, bei Google aus dem eigenen Webindex und aus weiteren Datenquellen. Anschließend führt das Sprachmodell die Ergebnisse zu einer Antwort zusammen. Google zufolge finden seine Modelle dabei weitere passende Webseiten, sodass eine Antwort ein breites und vielfältiges Spektrum an Links zeigen kann. Fan-out gibt es nicht nur bei Fragen in Textform: Im April 2025 erweiterte Google den KI-Modus um Fragen zu Fotos. Laut Google kann der KI-Modus dabei die ganze Szene auf einem Bild erfassen, also welche Gegenstände zu sehen sind und wie sie zueinander stehen. Dann stellt er mehrere Anfragen zum Bild als Ganzes und zu den einzelnen Gegenständen.

Verwandt: Query Rewriting

Eng verwandt ist Query Rewriting, das Umformulieren einer Anfrage. Dabei gibt das KI-System die Frage nicht wörtlich weiter, sondern macht daraus eine oder mehrere gezieltere Anfragen. Eine Forschungsarbeit zu diesem Verfahren, 2023 auf der Fachkonferenz EMNLP vorgestellt, begründet das mit einer Lücke zwischen dem Wortlaut einer Frage und dem Wissen, das für die Antwort nötig ist. Die Grenze zwischen beiden Verfahren ist fließend: Beim Umformulieren geht es um eine treffendere Anfrage, beim Fan-out um mehrere Teilaspekte, die parallel abgerufen werden.

Die Anbieter beschreiben ihre Verfahren unterschiedlich:

• ChatGPT: Bindet ChatGPT search andere Anbieter wie Microsoft ein, formuliert ChatGPT eine Frage laut OpenAI in der Regel in eine oder mehrere gezielte Anfragen um und kann nach Durchsicht der ersten Ergebnisse weitere, genauere Anfragen stellen.
• Gemini: In seiner Dokumentation für Entwickler beschreibt Google, dass ein Gemini-Modell mit Zugriff auf die Google Suche bei Bedarf selbst eine oder mehrere Anfragen erzeugt und ausführt.
• Claude: Laut Anthropics Dokumentation für Entwickler kann Claude für eine einzige Antwort mehrmals hintereinander im Web suchen.
• Perplexity: Laut Perplexitys Hilfe führt Pro Search, die Funktion für ausführlichere Antworten, mehrere Recherchen im Web durch und ist besonders gut darin, vieldeutige oder vielschichtige Fragen aufzuschlüsseln.
• Microsoft Copilot: Für Arbeitskonten beschreibt Microsoft, dass Microsoft Copilot aus einer Frage kurze Anfragen aus wenigen Wörtern ableitet und an Bing schickt. In Microsofts Beispiel wird aus der Bitte, Finanzdaten und Strategie eines Unternehmens zusammenzufassen, je eine Anfrage zur Strategie und zu den Finanzen.

Was Query Fan-out für deine Website bedeutet

Für die Sichtbarkeit in KI-Antworten hat Query Fan-out eine wichtige Folge: Eine Seite kann für eine Teilfrage, die die fragende Person selbst nie gestellt hat, abgerufen und als Quelle verlinkt werden. Eine allgemeine Frage nach einem passenden Anbieter kann etwa zu Teilanfragen nach Preisen, Einsatzbereichen oder Vergleichen führen. Ob eine Seite dabei abgerufen wird, kann also davon abhängen, ob sie eine dieser Teilfragen beantwortet, und nicht nur davon, ob sie zur ursprünglichen Frage passt.

Naheliegend ist deshalb, die verwandten Fragen, die deine Kundinnen und Kunden tatsächlich stellen, auf den passenden Seiten zu beantworten: Vergleiche, Preise, Einsatzbereiche und typische Folgefragen, jeweils in klaren, für sich verständlichen Abschnitten. Wie gut ein einzelner Abschnitt auch allein funktioniert, beschreibt seine Zitierfähigkeit. Dass eine solche Abdeckung die Chance erhöht, abgerufen zu werden, ist plausibel, aber nicht belegt. Zudem lässt sich von außen nicht vorhersagen, welche Teilanfragen ein KI-System zu einer bestimmten Frage stellt.

Google selbst rät, sich auf die Wünsche der Nutzerinnen und Nutzer zu konzentrieren und es nicht zu übertreiben. Es mag verlockend sein, für jede denkbare Variante einer Frage eigene Inhalte zu erstellen, etwa zu Fragen, die andere bereits gestellt haben, oder zu Teilanfragen, wie sie beim Fan-out entstehen. Dient das vor allem dazu, KI-Antworten in der Google Suche zu manipulieren, verstößt es laut Google gegen seine Spamrichtlinie zu Missbrauch von in großem Umfang generierten Inhalten. Viele Seiten machen eine Website nach Googles Angaben auch nicht hochwertiger oder relevanter, und sie muss nicht jede mögliche Formulierung einer Frage abdecken. Für dich heißt das: Maßstab sind die Fragen und Bedürfnisse deiner Kundinnen und Kunden, beantwortet auf den passenden Seiten, nicht möglichst viele Varianten.

Auch für die Messung der KI-Sichtbarkeit spielt Query Fan-out eine Rolle: Weil das KI-System die Teilanfragen selbst formuliert, können sie bei derselben Frage unterschiedlich ausfallen, bei ChatGPT laut OpenAI etwa abhängig vom ungefähren Standort oder von gespeicherten Erinnerungen. Das ist einer der Gründe für die Antwortvariabilität von KI-Systemen; eine einzelne Testfrage zeigt darum nur einen Ausschnitt.