Ergebnisse analysieren
Query Fan-out
Die Teilabfragen, die eine KI-Engine hinter einem Prompt ausführt, bevor sie die Antwort schreibt. Woher AmICited sie bezieht, wie sie klassifiziert werden und wie Sie sie in Inhalte verwandeln.
Definition
Fan-out-Abfrage
Warum Fan-out wichtig ist#
Wenn jemand ChatGPT nach „beste Helpdesk-Software für E-Commerce“ fragt, sucht die Engine nicht einmal genau nach dieser Formulierung. Sie fächert sich in mehrere Suchen auf („helpdesk software Shopify integration“, „Zendesk vs Gorgias pricing“, „helpdesk for small online store“), liest die Ergebnisse und schreibt eine Antwort aus den gefundenen Seiten.
Das heißt: Die Seiten, die zitiert werden, sind die, die für die Teilabfragen ranken oder sie eng beantworten, nicht nur für den Prompt. Wenn Sie eine Seite nur auf die Formulierung des Prompts optimieren, können Sie die Fragen verpassen, die tatsächlich entscheiden, welche Quellen genutzt werden.
Woher die Abfragen stammen#
Jeder Prompt hat eine Fan-out-Menge, zusammengeführt aus zwei Eingaben:
- Von der Engine gemeldet. ChatGPT und Gemini melden die Teilabfragen, die sie tatsächlich ausgeführt haben. Sie werden mit jeder Antwort erhoben, nie abgeleitet, und kosten nichts extra.
- Prognostiziert. Für die anderen Engines (Perplexity, Claude, Grok und die übrigen), die kein Fan-out melden, prognostiziert ein Modell die Teilabfragen aus den für den Prompt erhobenen Antworten und Quellen.
Beide Listen werden dedupliziert, wobei die eigene Formulierung der Engine gewinnt, wo beide dieselbe Abfrage erzeugt haben. Die Menge wird nach geplanten Läufen automatisch neu aufgebaut, und Sie können sie auf der Seite Prompt-Details bei Bedarf erstellen oder neu erstellen.
Kategorien#
Jede Teilabfrage wird danach klassifiziert, wie sie den ursprünglichen Prompt umwandelt, in eine von 19 Kategorien:
| Kategorie | Beispiel einer Umwandlung |
|---|---|
| Umformulierung, Verallgemeinerung, Spezifizierung | Dieselbe Frage mit anderen Worten, breiter oder enger |
| Zerlegung, Implizit | Teilt die Frage auf oder fragt, was sie voraussetzt |
| Vergleich, Entität, Attribut | „X vs Y“, ein benanntes Produkt, eine Eigenschaft davon |
| Anwendungsfall, Kompatibilität, Preis | „für kleine Teams“, „funktioniert mit Shopify“, „Kosten“ |
| Prozedural, Definitorisch | „wie man …“, „was ist …“ |
| Aktualität, Geografisch | „2026“, „in Deutschland“ |
| Stimmung, Autorität | Bewertungen und Meinungen, Experten- oder offizielle Quellen |
| Verwandt, Multimodal, Sonstiges | Angrenzende Themen, Bilder oder Video, alles andere |
Jede Teilabfrage trägt außerdem eine Such-Intention (informierend, kommerziell, transaktional und so weiter) mit einer Konfidenz sowie Suchvolumen, CPC und Wettbewerb, sofern Keyword-Daten existieren.
Die Tabelle Fan-out-Abfragen lesen#
Auf der Seite Prompt-Details listet Fan-out-Abfragen „die Teilabfragen, die generative Engines aus diesem Prompt ableiten“. Filtern Sie nach Kategorie oder Intention oder fügen Sie Teilabfragen als eigene Prompts hinzu:
- Tracken fügt eine Teilabfrage als getrackten Prompt hinzu.
- Alle Prompts tracken (N) fügt jede angezeigte Teilabfrage hinzu.
Liegt eine Zitationsanalyse vor, wächst die Tabelle um eine Heatmap: Jede zitierte Domain wird zu einer Spalte, sortiert nach ihrer durchschnittlichen Zitierposition (beste zuerst), und jede Zelle zeigt, wie nah die beste Seite dieser Domain an der Teilabfrage liegt. Eine ★-Zeile ganz oben tut dasselbe für den Haupt-Prompt. Die Zeilen sind so sortiert, dass die Teilabfragen, die den zitierten Seiten am ähnlichsten sind, zuerst kommen: Das sind die, die Ihre Seite am dringendsten abdecken muss. Dunklere Zellen bedeuten näher.
Die Heatmap Spalte für Spalte lesen
Suchen Sie die Spalte der Domain, die als Erste zitiert wird. Die Zeilen, in denen sie dunkel und Ihre Spalte (markiert als Sie) hell ist, sind die Teilfragen, die der Gewinner beantwortet und Sie nicht. Das ist Ihre Gliederung für die nächste Überarbeitung.
Fan-out-Verlauf#
Der Fan-out-Verlauf zeigt „welche Teilabfragen die Engines begonnen und aufgehört haben auszuführen“ im gewählten Zeitraum, gruppiert als Neu, Stabil und Entfallen, mit der Zahl der Tage, an denen jede gesehen wurde (zum Beispiel „12/30 Tage“), und einem Diagramm der Teilabfragen pro Tag. Er liest nur, was Engines tatsächlich gemeldet haben, und deckt daher ChatGPT und Gemini ab.
Nutzen Sie ihn, um eine Veränderung darin zu erkennen, wie eine Engine die Frage interpretiert. Wenn eine „Preis“-Teilabfrage auftaucht und bleibt, sind Preisinhalte für diesen Prompt gerade relevant geworden, auch wenn sich Ihre Sichtbarkeit noch nicht bewegt hat.
So handeln Sie beim Fan-out#
- Öffnen Sie einen Prompt, bei dem Sie nicht platziert sind, und lesen Sie seine Fan-out-Liste. Gruppieren Sie die Teilabfragen nach Kategorie.
- Prüfen Sie die Prompt-Abdeckung, um zu sehen, welche Teilabfragen Ihre Seiten bereits beantworten (Abgedeckt, Teilweise, Nicht abgedeckt).
- Fügen Sie Abschnitte hinzu, keine Keywords. Eine Teilabfrage wie „Zendesk vs Gorgias pricing“ verlangt einen kurzen, direkten Vergleich mit Zahlen, nicht die wiederholte Phrase.
- Tracken Sie die Teilabfragen mit Volumen. Teilabfragen mit hohem Volumen sind oft Prompts, die sich allein zu überwachen lohnen.
- Generieren Sie einen Artikel für einen Cluster nicht abgedeckter Fragen. Siehe KI-Artikel.
Fan-out zeigt sich auch in der organischen Suche. Die Berichte KI-Suchen und Site-Operatoren unter Berichte lesen Search-Console-Suchanfragen, die einen site:-Operator enthalten, und so gelangt das Fan-out eines Assistenten zu Google. Siehe Search- und Traffic-Berichte.