Multi-Turn & Query Fan-Out

KI-Suche ist ein Dialog, keine einzelne Abfrage — und genau darauf solltest du optimieren. Eine Sitzung im AI Mode ist ein Gespräch mit Folge-Fragen, und parallel zerlegt das System jede Frage in mehrere Teilabfragen. Laut dem GEO-Leitfaden, auf dem auch der SEO-&-GEO-Analyzer aufsetzt, ist eine durchschnittliche AI-Mode-Anfrage rund dreimal so lang wie eine klassische Suchanfrage, und Folge-Fragen wuchsen in den USA um mehr als 40 Prozent pro Monat. Diese Zahlen stammen aus dem Leitfaden (Googles Mai-2026-Nutzungsbericht), nicht aus eigener Messung. Ich gebe sie als Größenordnung weiter, weil sie die Richtung gut beschreiben. Den Rahmen liefert der GEO-Pillar Was ist GEO?.

Eine Seite als erster Zug im Gespräch

Behandle jede Seite als Eröffnungszug eines Dialogs. Wenn ein kluger Leser sofort fragen würde „okay, aber was ist mit …?", dann gehört diese Folge-Antwort auf dieselbe Seite — sonst geht der nächste KI-Sprung zur Konkurrenz. Daraus ergeben sich konkrete Muster, die ich beim Schreiben mitdenke.

Folge-Fragen antizipieren — nach der Hauptfrage die zwei bis drei wahrscheinlichsten Anschlussfragen direkt mitbeantworten. „Wie viel", „im Vergleich wozu", „was ist mit X" sollten keinen neuen Seitenaufruf erfordern.
„See also" mit beschreibendem Anchor — wenn eine Folge-Frage eine eigene Seite verdient, verlinke mit Anchor-Text, der die Folge-Frage aufgreift („Wie du X unter macOS einrichtest"), nicht mit „mehr erfahren". KI folgt solchen Links, um ihre Antwort zu erweitern.
Subjekt je Abschnitt wiederholen — Multi-Turn-Retrieval holt Abschnitte isoliert. Vermeide Pronomen-Ketten wie „dieser Ansatz" und benenne die Entität neu, sobald das Thema wechselt.
Entscheidungs-Queries verdienen ein Verdikt — Vergleichsfragen („Welche …") bevorzugen Seiten mit Kriterien-Tabelle und klarer Empfehlung. Stell jedem Vergleich einen Ein-Satz-Verdikt voran, dann begründe.
Planungs-Queries verdienen eine Checkliste — Reise-, Finanz- und Trainingsplan-Fragen wuchsen laut Leitfaden rund 80 Prozent schneller als der AI-Mode-Schnitt. Nummerierte Schritte und Woche-für-Woche-Strukturen sind zitierfähiger als Essay-Prosa.

Query Fan-Out: Googles eigene Bestätigung

Query Fan-Out bedeutet, dass ein KI-System eine Nutzerfrage in mehrere parallele Teilabfragen zerlegt. Google bestätigt diese Technik offiziell: Das System erzeugt „concurrent, related queries", um zusätzliche Ergebnisse zu holen, die die Nutzerintention abdecken — parallel zur Retrieval-Augmented Generation (RAG) für die finale Antwort. Für dich heißt das: Eine Seite, die nur die wörtliche Frage beantwortet, bedient nur einen Bruchteil des Fan-outs. Seiten, die ein Thema umfassend abdecken, werden bevorzugt, weil sie mehrere der parallelen Teilabfragen gleichzeitig treffen.

Themen-Autorität durch Topic-Cluster

Topical Authority entsteht, wenn du ein Thema in der Breite und Tiefe abdeckst statt mit Einzelseiten. Eine Pillar-Page bündelt das Thema, Cluster-Artikel decken die Unterthemen ab, und interne Links verknüpfen sie zu einem nachvollziehbaren Netz. Genau dieses Muster nutze ich für die GEO-Serie selbst — der Pillar Was ist GEO? verlinkt auf alle Cluster, und jeder Cluster verlinkt zurück.

Hebel	Praktische Umsetzung
Topic-Cluster	Pillar-Page plus Cluster-Artikel, untereinander verlinkt
Entity-Coverage	alle relevanten Entitäten (Produkte, Methoden, Personen) explizit benennen
Fan-out-Analyse	für ein Kernthema alle denkbaren Teilfragen sammeln und je eine Antwort schaffen
Content-Tiefe	500+ Wörter auf Kernseiten; unter 300 Wörter wird selten zitiert
Multi-Format	Text, Video, Infografik kombinieren — KI aggregiert über Formate

Die Fan-out-Analyse ist dabei der praktischste Schritt: Setz dich hin und notiere für dein Kernthema jede Teilfrage, die ein Nutzer im Dialog stellen könnte. Jede dieser Fragen ist eine potenzielle Teilabfrage — und jede beantwortete Frage ein potenzielles Zitat.

FAQ

Was ist Query Fan-Out?

Query Fan-Out ist die Technik, mit der ein KI-System eine Nutzerfrage in mehrere parallele, verwandte Teilabfragen zerlegt, um die Nutzerintention umfassend abzudecken. Google bestätigt das offiziell als Erzeugung „concurrent, related queries". Praktisch heißt das: Eine Seite, die ein Thema breit und tief abdeckt, trifft mehrere dieser Teilabfragen gleichzeitig und wird dadurch häufiger zitiert.

Wie optimiere ich für Multi-Turn-Sessions?

Indem du die wahrscheinlichsten Folge-Fragen direkt auf derselben Seite mitbeantwortest, statt den Nutzer auf eine neue Seite zu schicken. Antizipiere zwei bis drei Anschlussfragen pro Hauptfrage, benenne das Subjekt in jedem Abschnitt neu (Retrieval holt Abschnitte isoliert) und verlinke echte Folge-Themen mit beschreibendem Anchor-Text. So bleibt die KI im nächsten Dialogschritt bei dir.

Wie viel Tiefe braucht eine Seite?

Als Faustregel aus dem Leitfaden: 500+ Wörter auf Kernseiten, unter 300 Wörtern wird selten zitiert. Wichtiger als die reine Zahl ist aber die Abdeckung der Teilfragen. Eine Seite, die das Thema und seine wahrscheinlichen Anschlussfragen vollständig beantwortet, schlägt eine künstlich verlängerte Seite, die nur Wortziele trifft.

Weiterlesen

Der Einstieg ist der GEO-Pillar Was ist GEO?. Wie du die einzelnen Abschnitte zitierfähig formulierst, steht in Schreiben für KI. Wie Google KI-Sichtbarkeit offiziell behandelt, ordnet Googles AI-Optimization-Guide ein. Die technische Grundlage für Entity-Coverage liefert Structured Data und technisches GEO. Prüfen kannst du deine Themen-Abdeckung mit dem SEO-&-GEO-Analyzer.