Fan-out-Queries: Wonach KI-Assistenten suchen, bevor sie antworten

Wer eine KI nach der besten Heißluftfritteuse fragt, sieht am Ende eine Antwort mit ein paar Quellen. Was er nicht sieht: den Zwischenschritt. Bevor ein KI-Assistent mit Websuche antwortet, stellt er selbst Suchanfragen, meist mehrere, und liest, was die Suche liefert. Diese Suchanfragen heißen Fan-out-Queries. Sie entscheiden, welche Seiten die KI überhaupt zu sehen bekommt, und damit, wer in der Antwort vorkommt.

Für unsere Studie zu den Quellen deutscher KI-Antworten haben wir 8.100 solcher Fan-out-Queries aus 3.199 Antworten ausgewertet. Hier die Vertiefung: was die Systeme suchen, wo sie es tun und was Marken daraus machen können.

Was Fan-out-Queries sind#

Der Begriff kommt aus der Suchtechnik: Eine Anfrage wird aufgefächert („fan out“) in mehrere Teilsuchen, deren Ergebnisse danach zusammengeführt werden. Aus „Welche Heißluftfritteusen-Marke würdest du für große Mengen empfehlen?“ macht Claude zum Beispiel die Suche „Heißluftfritteuse große Mengen Familie Test 2026“. Gemini macht aus „Welche Matratze würdest du empfehlen?“ die Suche „Stiftung Warentest Matratzen Testsieger aktuell“.

Drei der sechs Systeme, die wir messen, legen diese Suchanfragen offen: Claude, Gemini und Grok, jeweils mit Websuche. ChatGPT, Perplexity und Googles AI Overviews tun es nicht. Alle Zahlen hier stammen deshalb von diesen dreien. Ob ChatGPT ähnlich sucht, wissen wir nicht; die Quellen, die es zitiert, sprechen allerdings dafür.

Die KI sucht nach Tests, auch ungefragt#

Wir haben nur Fragen gezählt, in deren Wortlaut „Test“ nicht vorkommt, insgesamt 3.033 Antworten. Trotzdem gilt:

• In 65 Prozent der Antworten sucht das System mindestens einmal nach „Test“ (dazu zählen auch „Testsieger“ und „Warentest“).
• In 37 Prozent sucht es ausdrücklich nach Stiftung Warentest oder Öko-Test.
• In 59 Prozent hängt es eine Jahreszahl an, meist „2026“.
• In 71 Prozent sucht es nach „beste“, „Top“, „Vergleich“ oder „Empfehlung“.

Das häufigste Suchwort nach „test“ ist „beste“, gefolgt von „deutschland“ und „2026“. Die typische Fan-out-Query hat also eine feste Form: Produkt, „beste“ oder „Test“, Land, Jahr.

Es hängt an der Art der Frage#

Nicht jede Frage löst eine Testsuche aus. Wer nach der besten Marke fragt, bekommt eine; wer seinen Bedarf beschreibt, kaum.

Die Gegenprobe bestätigt das: Bei 85 Hintergrundfragen zu denselben Themen, etwa „Wie gelangt Arsen in Reis?“, suchen die Systeme nur in 4 Prozent der Antworten nach Tests. Die Testsuche geht mit der Kaufabsicht einher.

Und an der Branche: Getestet wird, wo es Tester gibt#

Am deutlichsten ist der Unterschied zwischen Branchen. Bei Heißluftfritteusen und Tiefkühlpizza sucht die KI in fast jeder Antwort nach Tests, bei Luxusuhren so gut wie nie.

Anteile je Antwort, Fragen ohne „Test“ im Wortlaut; Auswahl aus 17 Branchen.

Das Muster ist einleuchtend: Die KI sucht nach Tests, wo es Tests gibt. Stiftung Warentest und Öko-Test prüfen Lebensmittel, Haushaltsgeräte und Kinderwagen, keine Rolex. Bei Elektroautos sucht die KI zwar nach Tests, aber nicht bei der Stiftung Warentest, sondern nach Vergleichen und Fachmagazinen. Bei Luxusuhren und Sportwagen fragt sie nach „besten Marken“ und greift öfter zu englischen Suchbegriffen: „top luxury watch brands 2026“ gehört dort zu den häufigsten Anfragen.

Jedes System sucht anders#

Claude sucht am häufigsten nach Tests. Gemini hängt fast nie eine Jahreszahl an, Claude und Grok in rund zwei von drei Antworten. Grok stellt die meisten Suchanfragen und sucht als einziges System nennenswert auf Englisch, mit Wörtern wie „best“, „review“ oder „vs“. Englische Wörter zählen wir nur anhand einer kurzen Liste; der tatsächliche Anteil dürfte etwas höher liegen.

Was daraus folgt#

Die Fan-out-Queries erklären einen großen Teil dessen, was wir in der Studie bei den Quellen sehen: Bei Kauffragen zitieren die Systeme vor allem Kaufberatung, Vergleichsrubriken der Verlage und Nacherzählungen von Testergebnissen. Das sind genau die Seiten, die auf „Testsieger 2026“ antworten. Ein Beweis, dass die Suche die Quellenwahl verursacht, ist das nicht, aber beides passt eng zusammen.

Für Marken heißt das:

Herausfinden, wonach die KI in der eigenen Branche sucht. Gibt es in Ihrer Branche einen anerkannten Tester, wird die KI nach ihm fragen. Gibt es keinen, sucht sie nach „besten Marken“ und Ranglisten, oft auch auf Englisch. Das sind zwei verschiedene Ausgangslagen.

Testergebnisse selbst lesbar machen. Wer gut getestet wurde, sollte das Ergebnis mit Datum, Testinstitut und Link auf der eigenen Seite nennen, im Rahmen der Lizenzbedingungen. Wer es nicht tut, überlässt die Erzählung den Seiten, die das Ergebnis nacherzählen.

Das Jahr sichtbar halten. Wenn die KI in zwei von drei Antworten „2026“ mitsucht, zählt der sichtbare Stand einer Seite. Ein Vergleich mit „Stand: Oktober 2026“ passt besser auf die Suche als einer ohne Datum.

Nicht „Testsieger“ schreiben, wo kein Test war. Die Versuchung liegt nahe, Seiten auf diese Suchanfragen zuzuschneiden. Wer sich ohne Test als Testsieger bezeichnet, wirbt irreführend. Ehrliche Vergleiche mit offener Methode sind der bessere Weg und werden ebenfalls zitiert.

Je System getrennt hinsehen. Claude, Gemini und Grok suchen unterschiedlich, und was für Grok auf Englisch gefunden wird, findet Gemini womöglich nie.

Wie wir gemessen haben#

Wir haben zwischen dem 5. September und dem 5. Oktober 2026 deutsche Kauf- und Empfehlungsfragen ohne Markennamen in 17 Branchen an zehn KI-Kanäle gestellt. Ausgewertet haben wir hier die Fan-out-Queries, die Claude, Gemini und Grok mit Websuche in ihren Antworten offenlegen. Als „Testsuche“ zählt jede Suchanfrage mit „test“, „Warentest“ oder „Öko-Test“. Die Kontrollmessung mit Hintergrundfragen beruht auf einem Lauf. Methode, Grenzen und alle Tabellen stehen in der Studie.

augenmerk zeigt diese Suchanfragen für jedes Projekt, zusammen mit den Quellen, die die KI daraufhin zitiert.