Query Fan-out bezeichnet ein Verfahren, bei dem ein KI-Suchsystem eine einzelne Nutzeranfrage automatisch in mehrere synthetische Teilfragen zerlegt, für jede Teilfrage separat Dokumente sucht und die Ergebnisse anschließend zu einer zusammenhängenden Antwort zusammenführt. Google beschreibt das Verfahren in mehreren Patentschriften, unter anderem in US20240289407A1, und setzt es unter anderem in AI Overviews und AI Mode ein.
Zusammenfassung
Klassische Suchmaschinen beantworten eine Anfrage im Kern mit einem einzigen Retrieval-Schritt gegen einen Index. Query Fan-out geht darüber hinaus: Das System erzeugt aus der ursprünglichen Frage mehrere abgeleitete, oft nicht wörtlich gestellte Teilfragen. Diese decken Aspekte, Vergleiche oder Anschlussfragen ab, die in der ursprünglichen Formulierung nicht explizit genannt sind.
Für jede dieser Teilfragen läuft eine eigene Suche; die relevantesten Ergebnisse aller Teilsuchen fließen dann in die generierte Gesamtantwort ein. Für Website-Betreiber:innen bedeutet das: Eine Seite, die nur die Hauptfrage einer Anfrage behandelt, aber typische Anschluss- und Vergleichsfragen unbeantwortet lässt, wird bei der Zusammenstellung der Antwort seltener herangezogen als eine Seite, die den Themenkomplex breiter abdeckt.
Abgrenzung
Klassisches Retrieval – beantwortet eine Anfrage mit einem einzigen Suchdurchlauf gegen einen Index; Query Fan-out ergänzt das um mehrere parallele Teilsuchen zu automatisch generierten Unterfragen.
Query Expansion (klassische Suchmaschinenoptimierung) – erweitert eine Anfrage um Synonyme und verwandte Begriffe, um mehr passende Dokumente im selben Index zu finden; Query Fan-out erzeugt dagegen eigenständige, inhaltlich neue Teilfragen, die eigene Suchläufe auslösen.
Begriffsgeschichte
Das Prinzip, eine Anfrage maschinell in mehrere Teilsuchen zu zerlegen, ist in der Informationssuche älter als generative KI-Systeme. Im Kontext generativer KI-Suche wurde der Begriff Query Fan-out vor allem durch die Analyse einschlägiger Google-Patentschriften bekannt.
Sie erschienen im Umfeld der Einführung von AI Overviews (2024) und AI Mode (2025) und beschreiben detailliert, wie das System aus einer Nutzeranfrage synthetische Teilfragen ableitet und die Ergebnisse zusammenführt.
Methodische Grundlagen
Wichtig für die praktische Einordnung: Die vom System generierten Teilfragen sind keine klassischen Keywords und tauchen entsprechend nicht in Keyword-Recherche-Tools auf.
Eine Auswertung von 501 Prompts gegen die Gemini-3-Programmierschnittstelle ergab im November 2025, dass rund 95 Prozent der dabei erzeugten Teilfragen ein gemessenes globales Suchvolumen von null aufwiesen (Haigler 2025). Sie lassen sich also nicht recherchieren, sondern nur inhaltlich antizipieren, indem ein Thema möglichst vollständig aus mehreren Blickwinkeln behandelt wird.
Die Erhebung erzwang dabei den Rückgriff auf die Google-Suche; auf den Google AI Mode ist sie nicht unmittelbar übertragbar.
Beim anschließenden Grounding-Schritt, in dem das System die gefundenen Dokumente zur Beantwortung heranzieht, wird nicht das gesamte Dokument verarbeitet, sondern ein Ausschnitt daraus. Das gibt dem Textanfang eines Abschnitts Gewicht dafür, ob eine Seite überhaupt in die generierte Antwort einfließt.
Anwendungsfelder
Query Fan-out ist vor allem für die Praxis der Generative Engine Optimization relevant. Wer einen Themenkomplex in mehreren klar abgegrenzten, jeweils in sich verständlichen Abschnitten behandelt, statt ihn in einem einzigen langen Fließtext zu verdichten, erhöht die Wahrscheinlichkeit, bei mehreren der automatisch generierten Teilfragen als Quelle herangezogen zu werden.
Kontroversen und Kritik
Weil die generierten Teilfragen von den Anbietern nicht offengelegt werden und sich je nach Anfrage, Modellversion und Zeitpunkt unterscheiden, lässt sich Query Fan-out von außen nur indirekt beobachten, nicht systematisch messen. Das erschwert es, konkrete Optimierungsempfehlungen empirisch zu belegen – anders als etwa beim gemessenen Effekt von Statistiken und Zitaten auf die Zitierwahrscheinlichkeit in generativen Antworten (siehe GEO).
Verwandte Begriffe
- KI-Suche – das Suchparadigma, in dem Query Fan-out eingesetzt wird
- Generative Engine Optimization – Praxisfeld, das auf Query Fan-out reagiert
- Retrieval-Augmented Generation – technisches Grundprinzip, das Query Fan-out um mehrere parallele Teilsuchen erweitert
Quellenangaben
- Google. 2024. Patentschrift US20240289407A1: Search with stateful chat. United States Patent and Trademark Office.
- Haigler, Nick, 2025. Initial Research: Gemini 3 Query Fan-Outs. Seer Interactive, 21. November 2025. https://www.seerinteractive.com/insights/gemini-3-query-fan-outs-research