Wie googelt ChatGPT? Fan-out Queries verstehen

Stell Perplexity eine Frage, die aktuelles Wissen braucht, und schau einen Moment zu, was oben passiert. Du tippst einen Satz ein, und das System feuert daraufhin gleich mehrere Suchen los. Aus deiner einen Frage werden vier, fünf, manchmal mehr eigene Suchanfragen, die parallel starten. Das ist Fan-out, und ChatGPT macht im Hintergrund genau dasselbe, nur weniger sichtbar.

Das Wichtige daran: ChatGPT sucht nicht nach deiner Frage. Es sucht nach seinen eigenen Umschreibungen deiner Frage. Ich stelle mir das vor wie einen Rechercheauftrag, den man auf mehrere Leute verteilt. Jede Person bekommt denselben Auftrag in leicht anderen Worten, geht getrennt los, bringt ihre Funde zurück, und am Ende wird alles auf einem Tisch zusammengeschoben und zu einer Antwort verdichtet. Die einzelne Suchanfrage ist dabei nie das Ganze, sie bleibt immer nur ein Ausschnitt.

Aus deiner einen Frage werden mehrere eigene Suchanfragen

Du fragst

einen Satz zu nachhaltigem Reisen

ChatGPT sucht seine eigenen Umschreibungen, parallel

• nachhaltiges Reisendeine Seite
• Eco-Tourismnicht da
• zertifizierte nachhaltige Hotelsnicht da
• weitere Umschreibungen, keine feste Zahl

Eine Antwort

alle Funde zusammengeschoben und verdichtet

Wer nur den einen Begriff bedient, ist bei den restlichen Suchanfragen schlicht nicht da. Wer bei mehreren Formulierungen als Quelle auftaucht, wird deutlich häufiger zitiert.

Warum die genaue Zahl egal ist

Die Frage, die mir am häufigsten gestellt wird, lautet: Wie viele Suchanfragen macht ChatGPT denn pro Frage? Ehrlich gesagt ist das die falsche Frage. OpenAI nennt dazu keine feste Zahl, und die Schätzungen der Anbieter streuen von wenigen bis zu über einem Dutzend pro Antwort. Wer sich an dieser Zahl festhält, verpasst den Punkt. Der Punkt ist: Dein Thema wird in Formulierungen gesucht, die du selbst nie gewählt hättest. Und wer bei mehreren dieser Formulierungen als Quelle auftaucht, wird deutlich häufiger zitiert.

Genau da sehe ich in der Praxis den häufigsten Fehler. Firmen optimieren eine Seite auf ihren einen Lieblingsbegriff, den Kopf-Begriff, und wundern sich dann, dass sie in den KI-Antworten nicht vorkommen. Der Grund ist simpel: ChatGPT sucht diesen exakten Kopf-Begriff oft gar nicht. Es sucht die Nachbarn, die Synonyme, die konkrete Variante. Wer nur den einen Begriff bedient, ist bei den restlichen Suchanfragen schlicht nicht da.

Dass das kein ChatGPT-Sonderweg ist, lässt sich belegen. OpenAI beschreibt im eigenen Help Center, dass ChatGPT eine Anfrage in eine oder mehrere gezielte Suchanfragen umschreibt, und nennt das selbst query fanout. Google spricht bei seinem AI Mode nach eigener Darstellung von einer query fan-out technique, die eine Frage in Teilthemen zerlegt. Und Search Engine Land hat das beobachtete Fan-out-Verhalten von ChatGPT über den internen web.run-Schritt bereits dokumentiert. Der Mechanismus zieht sich also durch alle grossen Anbieter.

Was das für deine Inhalte heisst

Für deine Inhalte hat das eine unbequeme Folge. Ein einzelnes Keyword-Ranking sagt fast nichts mehr aus. Was zählt, ist die Breite, mit der du ein Thema abdeckst. Wenn du über nachhaltiges Reisen schreibst und nur diesen einen Ausdruck verwendest, bist du für die Suchanfrage nach Eco-Tourism oder nach zertifizierten nachhaltigen Hotels unter Umständen unsichtbar (das sind konstruierte Beispiele, keine echten Logs, aber sie zeigen das Prinzip).

Drei Hebel helfen dabei.

1. Der banalste zuerst: Bediene dasselbe Thema in mehreren Formulierungen und nicht nur in deinem Lieblingsausdruck.
2. Dann die Geduldsarbeit, thematische Autorität über ein zusammenhängendes Content-Cluster, weil eine einzelne Seite selten alle Varianten trifft.
3. Und der Hebel, den die meisten unterschätzen: Eine dedizierte Unterseite für einen einzelnen Teilaspekt schlägt die grosse Sammelseite in den Audits fast immer.

Wie du das konkret angehst, habe ich im Leitfaden dazu beschrieben, wie du deine Website für ChatGPT optimierst.

Das Unangenehme am Fan-out ist, dass du das meiste davon selbst nicht siehst. Perplexity zeigt seine Suchanfragen oft offen an, ChatGPT mit Browsing manchmal, aber der grösste Teil läuft verdeckt. Deshalb messe ich es systematisch. Im GEO-Audit teste ich ein Thema mit vielen Formulierungen quer über ChatGPT, Claude, Gemini und Perplexity und halte pro KI-Antwort fest, bei welcher Formulierung deine Inhalte auftauchen und bei welcher nicht. Ein einzelner Schnelltest zeigt dir einen Moment, der morgen schon anders aussieht. Erst die Menge an Formulierungen zeigt das Muster: wo du gewinnst und wo eine ganze Gruppe von Suchanfragen an dir vorbeigeht. Die Rohdaten liefere ich als Excel, damit jede Zeile nachvollziehbar bleibt. Wie sich daraus belastbare Kennzahlen ableiten lassen, steht im Beitrag dazu, wie du KI-Sichtbarkeit misst; den genauen Ablauf beschreibt ein systematischer Prompt-Audit.

Wo Fan-out an Grenzen stösst

Fan-out ist kein Allheilmittel, und ich sehe die Grenzen regelmässig. Bei sehr engen Nischenthemen kann ein breiter Fan-out sogar verwässern. Wenn zu einer Formulierung kaum brauchbare Ergebnisse existieren, zieht die KI schwache Quellen heran, und die Antwort wird schlechter statt besser. Und egal wie clever das Auffächern ist, am Ende hängt alles am Suchindex. Was dort nicht auftaucht, findet auch der beste Fan-out nicht.

Wenn du eine Sache aus diesem Text mitnimmst, dann diese: Ein einzelnes Keyword-Ranking ist als Zielgrösse tot.

Über deine Sichtbarkeit in KI-Antworten entscheidet die Breite, mit der du ein Thema besetzt. Genau dieses Zusammenspiel aus thematischer Tiefe und semantischer Breite steckt hinter dem Konzept LLMO. Und wenn du wissen willst, bei welchen Formulierungen deine Inhalte heute gefunden werden und bei welchen nicht, dann zeigt dir genau das ein GEO-Audit.