Query Fan-out: Wie KI-Suche eine Käuferfrage zerlegt

Query Fan-out bezeichnet einen von Google dokumentierten Mechanismus: AI Mode kann eine komplexe Anfrage in mehrere verwandte Suchen aufteilen, Ergebnisse aus unterschiedlichen Quellen zusammenführen und daraus eine Antwort bilden. Welche Teilanfragen das System in einem konkreten Fall erzeugt und wie es sie gewichtet, veröffentlicht Google nicht. Genau an dieser Grenze beginnt die strategisch interessante Frage.

Stellen Sie sich einen Einkaufsleiter vor, der fragt: „Welche Strategieberatung eignet sich für ein technisch komplexes B2B-Unternehmen, das nach einer Übernahme eine neue Kategorie besetzen will?“ Das klingt wie eine Frage. Für eine belastbare Antwort stecken darin mehrere Prüfungen.

Eine Käuferfrage, mehrere mögliche Prüfungen

Eine plausible Zerlegung könnte so aussehen:

• Welche Art von Beratung bearbeitet Positionierung und Kategoriedesign?
• Wer hat einen nachvollziehbaren Ansatz für komplexe B2B-Angebote?
• Welche Leistung wird nach einer Übernahme konkret gebraucht?
• Welche Arbeitsweise, Ergebnisse und Belege sind öffentlich überprüfbar?
• Welche Anbieter passen zur Größe, Situation und Entscheidungslogik des Unternehmens?

Diese beispielhafte Zerlegung zeigt nicht die geheimen Teilanfragen eines Systems. Ihr Wert liegt woanders: Eine allgemeine Selbstaussage wie „Wir sind eine führende Strategieberatung“ beantwortet keine dieser Prüfungen ausreichend. Sie sagt weder, für welche Situation das Unternehmen geeignet ist, noch worauf diese Eignung beruht.

Wie KI-Suche in den B2B-Kaufprozess eingreifen kann, ist eine eigene Frage. Query Fan-out erklärt einen möglichen Suchmechanismus innerhalb dieses Prozesses, nicht den gesamten Kaufweg.

Was über Query Fan-out belegt ist

Google beschreibt Query Fan-out für AI Mode als Technik, bei der mehrere verwandte Suchen über Unterthemen und Datenquellen ausgeführt werden können. Die generativen Suchfunktionen greifen dabei weiterhin auf Googles Suchsysteme und den Search-Index zurück. Google nennt keine besondere Datei und kein Spezial-Markup, das eine Aufnahme in eine KI-Antwort garantieren würde.

OpenAI dokumentiert für ChatGPT Search einen verwandten, aber anders benannten Ablauf: Eine Nutzerfrage kann in eine oder mehrere gezielte Suchanfragen umgeschrieben werden, nach ersten Ergebnissen können weitere Suchen folgen. Das ist kein Beleg dafür, dass jedes KI-Produkt Googles Query-Fan-out-Mechanismus übernimmt. Es zeigt nur, dass komplexe Fragen in mehrstufige Recherche übergehen können.

Was wir wissen: Google beschreibt Query Fan-out als eine Gruppe gleichzeitig ausgeführter, verwandter und vom Modell erzeugter Suchanfragen. Davon getrennt kann ChatGPT Search eine Frage in eine oder mehrere gezielte Suchanfragen umschreiben und nach Sichtung erster Ergebnisse weitere, spezifischere Suchen senden.

Was wir nicht wissen: die konkreten Teilanfragen einer individuellen Suche, ihre Gewichtung, die vollständige Quellenauswahl und die Übertragbarkeit auf jedes andere System.

Was wir daraus ableiten: Ein Unternehmen sollte damit rechnen, dass seine Eignung nicht nur an einer übergeordneten Aussage geprüft wird. Diese Ableitung ist strategisch plausibel, aber keine von Google gemessene Wirkung auf Marken oder Kaufentscheidungen.

Eine Produktseite kontrolliert nicht die ganze Antwort

Eine gute Produktseite bleibt wichtig. Sie kann Angebot, Anwendungsfall und Belege präzise erklären. Sie kontrolliert trotzdem nicht jede Facette, die ein System für eine komplexe Antwort heranzieht. Kategoriezuordnung kann auf einer Leistungsseite stehen, Risikonachweise in Zertifikaten, Erfahrung in Referenzen und Unternehmensdaten in Profilen oder Registern.

Das Problem ist nicht Fragmentierung an sich. Käufer brauchen unterschiedliche Belege für unterschiedliche Fragen. Problematisch wird es, wenn diese Belege einander widersprechen oder nicht erkennbar zum selben Unternehmen und zur selben Position gehören.

Dann kann ein Assistent einen korrekten Fakt finden und die Marke dennoch unpassend einordnen. Der Diagnoseartikel zu falschen KI-Markenbeschreibungen trennt solche Kategoriefehler von veralteten Fakten, Beleglücken und Positionsdrift.

Positionierung muss die Zerlegung überstehen

Die INCEPTIK-Arbeitshypothese lautet: Eine einzelne Botschaft reicht nicht. Aussagen, Belege und Beziehungen müssen auch zusammenpassen, wenn eine Käuferfrage zerlegt wird.

Das verlangt vier Entscheidungen:

• Kategorie: In welcher Auswahl soll das Unternehmen auftauchen?
• Aussage: Welches konkrete Problem löst es für wen?
• Beleg: Welche überprüfbare Evidenz trägt diese Aussage?
• Verbindung: Welche Produkte, Personen, Referenzen und Unternehmensdaten gehören erkennbar zusammen?

Diese Entscheidungen sind keine Garantie für Nennung, Zitat oder Empfehlung. Sie geben Such- und Antwortsystemen lediglich klareres, überprüfbares Material. Wie eine Marke dabei Orientierung, Absicherung und Bedeutung leisten kann, entwickelt das Whitepaper „Die Marke im KI-Kaufprozess“ als strategisches Modell.

Mehr Seiten sind keine Strategie

Die falsche Reaktion auf Query Fan-out wäre, für jede vermutete Teilfrage eine Seite zu erzeugen. Google warnt in seinen Richtlinien zu generativen KI-Inhalten vor massenhaft erzeugten Seiten, wenn sie primär Rankings manipulieren und Nutzern keinen Mehrwert geben.

Beginnen Sie bei echten Käuferfragen: aus Verkaufsgesprächen, Ausschreibungen, Supportfällen und Einwänden. Gruppieren Sie die wiederkehrenden Prüfungen. Entscheiden Sie anschließend, welche bestehende Seite eine klare Antwort braucht, wo ein belastbarer Beleg fehlt und welche Aussage das Unternehmen bewusst nicht beansprucht.

Ein KI-Sichtbarkeits-Audit als wiederholbare Methode kann prüfen, ob Beschreibungen über Zeit und Systeme hinweg variieren. Die Grundlagen einer KI-lesbaren Marke erklären, wie explizite Fakten und konsistente Beziehungen die Interpretation unterstützen. Und wenn schon die interne Position mehrere Versionen hat, liegt die Aufgabe vor der Suchoptimierung: KI kann strategische Widersprüche schneller skalieren.

Query Fan-out macht Positionierung nicht technisch. Es macht sichtbar, ob eine breite Behauptung einer Folge konkreter Prüfungen standhält.