So verwenden Sie die Fan-Out-Queries-Heatmap in AmICited

Wenn eine KI-Engine eine Frage beantwortet, beantwortet sie selten die von Ihnen wörtlich eingegebenen Worte. Sie schreibt Ihren Prompt still in ein Bündel kleinerer, verwandter Unterfragen um, recherchiert jede einzeln und fügt die Ergebnisse zu einer einzigen Antwort zusammen. AmICiteds Fan-Out-Queries-Heatmap rekonstruiert diesen verborgenen Prozess für jeden von Ihnen verfolgten Prompt und zeigt genau, welche Unterfragen die Engine wirklich recherchiert und wie gut jede zitierte Domain sie abdeckt – sodass Sie präzise wissen, was Ihre Inhalte behandeln müssen, um die Zitation zu gewinnen.

Was ist Query-Fan-Out?

Query-Fan-Out ist die Technik, mit der moderne KI-Suchsysteme – Google AI Overviews, AI Mode, ChatGPT, Perplexity und Gemini – einen einzelnen Nutzer-Prompt vor der Antwortgenerierung in ein Cluster verwandter Abfragen verwandeln. Statt Ihren Prompt wie bei der klassischen Stichwortsuche gegen einen einzigen Index abzugleichen, zerlegt die Engine ihn in Definitionsfragen (“was ist X”), Vergleichsfragen (“X vs. Y”), Preisfragen, geografische Varianten, Verfahrensfragen (“wie macht man X”) und mehr. Jede dieser Unterabfragen wird mehr oder weniger unabhängig recherchiert, und die gefundenen Textpassagen werden anschließend zur endgültigen Antwort zusammengefügt – mit Zitationen für die Seiten, die die stärksten Passagen geliefert haben.

Das ist für die Generative Engine Optimization von enormer Bedeutung, denn es bedeutet, dass eine einzelne Seite selten dafür zitiert wird, ein Thema abstrakt “zu treffen” – sie wird zitiert, weil sie zufällig starke, spezifische Antworten auf mehrere der intern generierten Unterabfragen enthält. Eine Seite, die nur den oberflächlichen Prompt behandelt und die Vergleichs-, Preis- oder Verfahrensaspekte ignoriert, die die Engine ebenfalls recherchiert hat, verliert Zitationen an einen Wettbewerber, dessen Seite zufällig mehr von diesem Fan-Out-Set abdeckt. Umgekehrt zeigt Ihnen das Verständnis des Fan-Out-Sets für einen Prompt mit ungewöhnlicher Präzision, was Sie auf Ihrer Seite ergänzen müssen, um die Lücke zu schließen.

Query-Fan-Out ist auch der Grund, warum zwei Seiten in der klassischen Google-Suche ähnlich ranken, aber von KI-Engines sehr unterschiedlich häufig zitiert werden können: Klassische Rankings belohnen die Übereinstimmung mit der Abfrage, während KI-Zitationen die Übereinstimmung mit der Zerlegung der Abfrage belohnen. Die gesamte thematische Autorität einer Seite zu einem Thema ist eigentlich ein Aggregat davon, wie gut sie dieses verborgene Set von Unterfragen beantwortet – nicht nur das Hauptthema. Genau diese Lücke soll die Fan-Out-Queries-Heatmap schließen: Sie nimmt die von einer Engine abgeleiteten Unterabfragen (die Sie sonst nie zu sehen bekämen) und stellt sie neben die Seiten, die aktuell für jede davon Zitationen gewinnen – und macht so aus einem unsichtbaren Prozess eine handlungsorientierte, visuelle Landkarte.

Wo Sie es finden

Scrollen Sie auf der Prompt-Detailseite nach unten zu Fan-Out-Queries, Untertitel: „Die Unterabfragen, die generative Engines aus diesem Prompt ableiten – optimieren Sie Ihre Inhalte darauf, um Zitationen zu gewinnen." Jeder verfolgte Prompt hat seine eigene Heatmap, generiert aus den tatsächlich für diesen Prompt beobachteten Unterabfragen – die Matrix, die Sie sehen, ist also spezifisch für das genaue Thema und die Formulierung, die Sie überwachen, und keine generische Vorlage.

Was gemessen wird

Die Heatmap ist eine Matrix, und jede Achse trägt ein eigenes Signal:

• Zeilen sind Unterabfragen – die Fan-Out-Fragen, jeweils nach Typ gekennzeichnet (Definitional, Comparison, Geographic, Pricing, Procedural und so weiter). Die mit einem Stern (★) markierte oberste Zeile ist der Haupt-Prompt selbst, sodass Sie sehen können, wie die Unterabfragen mit der Frage zusammenhängen, die Sie tatsächlich verfolgen.
• Spalten sind Domains – die zitierten Websites, von links nach rechts geordnet nach ihrer durchschnittlichen Zitationsposition über alle Engines hinweg, sodass die am höchsten und konsistentesten zitierten Domains zuerst erscheinen.
• Zellen-Dunkelheit = Nähe. Dunklere Zellen bedeuten, dass die am besten passende Seite dieser Domain näher an dieser Unterabfrage liegt; hellere Zellen bedeuten schwächere, eher tangentiale Abdeckung.
• Jeder Spaltenkopf zeigt eine Zahl – die Anzahl der von AmICited für diese Domain im gesamten Fan-Out-Set gefundenen zitierten URLs.

Zusammen betrachtet markieren dunkle Spalten die Domains, die dieses Thema durchgängig dominieren, und dunkle Zeilen markieren die Unterabfragen, die praktisch alle im Ergebnis-Set gut beantworten – das heißt, sie sind Grundvoraussetzung, kein Differenzierungsmerkmal. Die Zeilen, die über die meisten Spalten hinweg hell bleiben, sind die interessanten: Es sind die Fragen, die die Engine stellt, aber die noch niemand überzeugend beantwortet hat.

So verwenden Sie es

1. Unterversorgte Zeilen finden. Unterabfragen, bei denen die meisten Spalten hell sind, sind Lücken – Fragen, die noch niemand stark abdeckt, und Ihr einfachster Einstieg. Das ist praktisch eine live, promptspezifische Content-Gap-Analyse : Statt zu raten, wo Wettbewerber schwach sind, sehen Sie es direkt in der Matrix.
2. Die Abdeckung der Führenden abgleichen. Sehen Sie bei den wichtigsten Unterabfragen, welche Domains dunkel sind, und öffnen Sie diese Seiten. Achten Sie darauf, wie sie die Antwort formulieren, wie viel Tiefe sie ihr geben und ob es ein eigenständiger Abschnitt ist oder in einen längeren Beitrag eingebettet – das ist die Messlatte, die Sie erreichen müssen.
3. Eine starke Seite erstellen. Versuchen Sie, die wichtigsten Fan-Out-Queries auf einer einzigen, gut strukturierten Seite abzudecken, statt sie über mehrere Beiträge zu verstreuen. Engines setzen Zitationen aus der Seite zusammen, die für jede Unterabfrage die relevanteste Passage bietet – eine einzelne Seite, die mehrere Zeilen abdeckt, sammelt also deutlich mehr Zitationsfläche als mehrere dünne Seiten, die jeweils nur eine Zeile abdecken. Das ist dasselbe Prinzip, das auch hinter dem Verfassen zitierwürdiger Inhalte im Allgemeinen steht: Beantworten Sie die Frage direkt, nahe am Anfang des Abschnitts, bevor Sie unterstützende Details ergänzen.
4. Nach größeren Inhaltsänderungen neu generieren, um zu sehen, wie sich die Matrix verschiebt. Sobald Sie eine Seite veröffentlicht oder umgeschrieben haben, um die unterversorgten Zeilen anzusprechen, zeigt eine erneute Ausführung der Fan-Out-Analyse, ob Ihre neue Abdeckung eine Zelle tatsächlich von hell zu dunkel verschoben hat – ein weit direkteres Feedback als das Warten auf eine Ranking-Änderung.

Aus der Matrix ein Content-Briefing machen

Der praktische Wert der Heatmap liegt darin, dass sie eine abstrakte Idee – „unsere KI-Sichtbarkeit für dieses Thema verbessern" – in eine konkrete Gliederung verwandelt. Nehmen Sie die Unterabfragen aus den obersten Zeilen der Reihe nach und verwenden Sie sie als H2-Überschriften oder FAQ-Einträge Ihrer Seite. Ist eine Zeile als Definitional gekennzeichnet, stellen Sie sicher, dass der Begriff nahe am Anfang des Abschnitts in einfacher Sprache definiert wird – so wie es ein Glossareintrag tun würde. Ist eine Zeile als Comparison gekennzeichnet, nehmen Sie einen expliziten Vergleich auf, statt Ihr Produkt isoliert zu beschreiben. Ist eine Zeile als Procedural gekennzeichnet, formulieren Sie die Antwort als klare Schrittfolge, nicht als erzählenden Absatz – Engines extrahieren schrittweise Anleitungen zuverlässiger als Fließtext. Genau diese bewusste, abschnittsweise Abdeckung empfehlen auch Leitfäden zum Strukturieren von Inhalten für KI-Zitationen , und die Fan-Out-Heatmap sagt Ihnen präzise, welche Abschnitte ein bestimmter Prompt tatsächlich braucht, statt Sie bei einer generischen Vorlage raten zu lassen.

Es lohnt sich außerdem, Content-Tiefe als Zeilen-Anzahl-Problem statt als Wortanzahl-Problem zu betrachten. Eine Seite, die sechs von zehn Fan-Out-Zeilen für einen Prompt gründlich beantwortet, überholt in der Zitationsrate typischerweise eine viel längere Seite, die jede Zeile nur kurz anreißt. Die Heatmap macht das sichtbar: Dunklere Zellen häufen sich bei Seiten, die einer Unterabfrage echten Platz einräumen, nicht bei Seiten, die das Stichwort nur erwähnen.

Wo das in Ihre Sichtbarkeitsstrategie passt

Die Fan-Out-Queries-Heatmap befindet sich genau deshalb in der Prompt-Detailansicht, weil sie zusammen mit Ihren anderen promptbezogenen Kennzahlen gelesen werden soll, nicht isoliert. Wenn ein Prompt insgesamt eine starke KI-Sichtbarkeit hat, die Heatmap aber mehrere helle Zeilen zeigt, bedeutet diese Kombination meist, dass Sie Zitationen bei den leichten, stark überlappenden Teilen des Themas gewinnen, während Sie die schwierigeren Unterabfragen den Wettbewerbern überlassen – eine Schwachstelle, die es sich zu beheben lohnt, bevor ein Konkurrent sie schließt. Wenn Sie diesen Prompt als Teil eines größeren Monitoring-Programms verfolgen, können Sie mit AmICiteds AI Rank Tracker die Heatmap kombinieren, um zu beobachten, ob das Schließen einer Fan-Out-Lücke Ihre Zitationsposition in den folgenden Wochen tatsächlich verbessert – so wird aus einer einmaligen Content-Anpassung ein messbares Experiment. Um diese Unterabfragen als eigenständige Prompts zu überwachen, nutzen Sie Alle Prompts verfolgen – damit wird jede Fan-Out-Zeile zu einem vollständig verfolgten Prompt aufgewertet, sodass Sie eine eigene Historie, einen eigenen Zitationstrend und eigene Benachrichtigungen erhalten, statt sich auf eine einzelne Momentaufnahme innerhalb der Heatmap des übergeordneten Prompts zu verlassen.