Query-Fanouts: die Suchen, die KI ausführt, bevor sie dir antwortet

Nimm den Prompt „best AI brand visibility tools for marketing agencies“. Als Claude ihn in einem unserer Scans bekam, antwortete es nicht aus dem Gedächtnis — es suchte im Web nach „best AI brand visibility tools for marketing agencies 2026“, las die Ergebnisse und komponierte daraus die Antwort. Manchmal fächert ein Prompt in vier, fünf Suchen aus verschiedenen Winkeln auf: eine Kategoriesuche, eine Preissuche, eine Bewertungssuche, eine Vergleichssuche. Gelesen — und damit zitierbar — werden die Seiten, die für diese Zwischensuchen ranken, nicht unbedingt für den Prompt selbst. Das verschiebt das Optimierungsziel. Die ganze Branche schreibt Inhalte für vermutete Prompts. Die Engines sagen dir im Klartext, was sie wirklich abfragen. In der Differenz zwischen beidem werden Zitate gewonnen und verloren.

Über 90 Tage Scans unserer eigenen Marke legten 129 von 244 Antworten ihre Suchen offen — 200 verschiedene Queries. Sie zu lesen ist demütigend, denn sie sind bessere Marktforschung, als die meisten bezahlten Tools liefern. Die Engines suchten „best AI brand visibility tools for marketing agencies 2026“, „AI visibility tool white label client reporting agencies“, „how agencies report AI search visibility to clients“, „free tool to check brand AI visibility ChatGPT“, „AI visibility tools scraping ChatGPT vs API accuracy“, „track AI answer mentions SKU product level tool“. Jede davon ist eine echte Käuferfrage, formuliert, wie eine Maschine recherchiert. Und neben jeder Zeile steht die ernüchternde Spalte: Wie viele dieser Antworten haben uns zitiert. Für die meisten kommerziellen Suchen in diesem Fenster lautete die Antwort: keine — die Zitate gingen an die, die für den Fanout ranken. Die Engines recherchierten sogar die Preise unserer Wettbewerber, während sie Vergleichsantworten bauten: „Peec AI pricing“ taucht zweimal auf, ausgeführt von Engines, die gerade entschieden, was sie über Alternativen sagen. Niemand in dieser Transaktion hat irgendeine Marketingseite besucht.

Der Mitschnitt zeigt auch: Die Engines haben Such-Persönlichkeiten, und sie sind verschieden genug, um damit zu planen. ChatGPT schreibt lange, beschreibende Queries und stapelt Qualifizierer — „AI search visibility monitoring multiple LLMs daily brand monitoring United States Profound Scrunch Otterly Peec official". Es nennt Marken, die es schon in der Antwort vermutet, hängt „official“ an, wenn es Primärquellen will, und ergänzt den Markt, für den es antwortet. Claude schreibt kompakte Keyword-Queries, nah an dem, wie ein erfahrener Mensch sucht — „AI visibility tool white label client reporting agencies“ — und hängt an fast alles Kommerzielle die Jahreszahl. Gemini ist die Überraschung: Es benutzt Operator-Syntax. Exakte Phrasen in Anführungszeichen, OR-Ketten, sogar Site-Filter — eine mitgeschnittene Query war "CrunchJunkie" trustpilot OR g2.com OR capterra: eine Engine, die explizit Bewertungs-Berichterstattung von Dritten jagt, bevor sie entscheidet, was sie über eine Marke sagt. Falls du je bezweifelt hast, dass Review-Plattformen in KI-Antworten einfließen — hier ist der Beleg. Und drei Engines haben konstruktionsbedingt gar keinen Fanout: Google AI Overviews, AI Mode und Copilot sitzen auf einer Suchmaschine, die Query des Nutzers ist die Suche. Für diese Oberflächen hat das Optimierungsziel die klassische Suche nie verlassen — ein Punkt, der einen eigenen Artikel wert war.

Das konsistenteste Muster über alle Engines: Die Jahreszahl wird angehängt. „Best AI brand visibility tracking tool 2026“. „AI search visibility metrics to track 2026“. Die Engines biegen ihre Retrieval-Queries bewusst Richtung frischer Inhalte — mit einer unbequemen Konsequenz für alle, deren Eckpfeiler-Seiten zeitlos klingen: Eine Seite, die nie Aktualität signalisiert, kämpft gegen die Query-Konstruktion der Engine selbst. Datierte Inhalte, Aktualisierungsdaten, die echte Updates abbilden, und Jahres-Framing, wo es ehrlich ist, sind keine Kosmetik — sie entsprechen dem, wie der Retrieval-Schritt tatsächlich fragt.

Weil Fanout-Queries gewöhnliche Google-Suchen sind, kannst du sie gegen deine eigenen Search-Console-Daten joinen — exakter String, echte Position, Impressionen, Klicks. Dieser Join erzeugt die actionablste Liste der ganzen KI-Sichtbarkeit: Fanout-Queries mit vielen Antworten ohne dich, bei denen du auf Google bereits rankst. Der Inhalt existiert, Google findet ihn; die Engines lasen die Ergebnisse und übergingen dich trotzdem. Das ist kein „Content erstellen“-Problem — es ist ein Mach-diese-Seite-zitierbar-Problem: hebbare Aussagen, belegte Statistiken, aktuelle Daten. Wir hatten den Lehrbuchfall in den eigenen Daten. Engines suchten wiederholt „AI visibility tools scraping ChatGPT vs API accuracy“, während sie Genauigkeits-Prompts beantworteten. Wir haben einen ganzen Artikel zu exakt dieser Frage — er rankte im selben Fenster um Position 28 für die passende Query, und keine dieser Antworten zitierte ihn. Der Fanout sagte uns präzise, welche Seite zu schärfen ist und für welchen wörtlichen Suchstring. Kein Keyword-Tool produziert diesen Satz. Eine Ehrlichkeits-Notiz, weil Anbieter hier gern dekorieren: Es gibt kein Suchvolumen für Fanout-Queries, und es kann keines geben — das sind maschinell erzeugte Suchen, keine menschliche Nachfrage. Was du stattdessen bekommst, ist besser: eine exakte Zählung, wie viele KI-Antworten auf deine Prompts jede Suche ausgeführt haben.

Drei Züge, nach Hebel geordnet. Erstens: Lies deine Fanout-Tabelle neben ihrer Zitatspalte und sortiere nach Antworten-ohne-dich — das ist deine Prioritätenliste, bereits gewichtet danach, wie oft die Engines wirklich fragen. Zweitens: Entscheide pro Query, ob der Fix eine neue Seite ist oder ein Zitierbarkeits-Fix an einer bestehenden; der Search-Console-Join beantwortet das für dich. Drittens: Schreib für die Formulierung des Fanouts, nicht nur des Prompts — wenn CrunchJunkie aus einer Lücke einen Content-Brief generiert, zielt er genau deshalb auf die wörtlichen Fanout-Queries. Der Fanout-Mitschnitt läuft in jedem CrunchJunkie-Scan automatisch mit, auf den Engines, die ihre Suchen offenlegen. Wenn du sehen willst, was die Engines suchen, bevor sie über deine Marke antworten: Die Tabelle wartet in deinem Projekt — und ohne Tracking ist der kostenlose Sichtbarkeits-Check die Zwei-Minuten-Version derselben Frage.