ChatGPT-Fan-outs: Was das Freshness-Fenster mit deiner Seite macht

Wenn ChatGPT für dich im Web sucht, schreibt es vorher auf, was es suchen will. Diese Notizen lassen sich mitlesen und seit ein paar Wochen sehen sie anders aus. Statt einer JSON-Struktur mit einem Suchbegriff darin steht jetzt pro Suche eine Zeile mit vier Feldern. Eines davon ist eine Zahl und zwei Leute haben sich diese Zahl genauer angesehen: Suganthan Mohanadasan hat sie am 21.08.2026 beschrieben und David Konitzny von Peec AI hat am 01.09.2026 nachgemessen, was sie tut.

In meinem News-Radar vom 04.09.2026 war das die Meldung mit den wenigsten Quellen im ganzen Lauf: Konitznys Analyse und ein Beitrag bei SEO Südwest. Alles andere an dem Tag stand schon überall. Deshalb schreibe ich über dieses Thema und nicht über das Modellupdate, das an dem Tag jeder hatte.

Die Zahl heißt in den Analysen Freshness-Fenster und schon der Name ist eine Deutung, denn OpenAI hat sie nirgends erklärt. Was es gibt, ist Netzwerkverkehr, den zwei Leute unabhängig voneinander gelesen haben. Dazu ein Datensatz aus rund 250.000 Chats, an dem sich prüfen ließ, ob die Deutung hält. Sie hält mit einer Einschränkung, die für deine Arbeit die wichtigste ist: Das Fenster ist ein Wunsch an das Suchsystem und keine Grenze.

Dieser Beitrag geht die Syntax durch, zeigt die Zahlen mit ihrer Erhebung und endet bei der Frage, was eine Seite tun kann, um in so ein Fenster zu fallen. Googles Variante desselben Mechanismus ist der Query Fan-Out in AI Overviews und AI Mode, dazu habe ich eigene Beiträge und die sind hier verlinkt. Dieser hier ist nur ChatGPT.

Suganthan Mohanadasan liest seit Monaten mit, was ChatGPT beim Suchen an sein Werkzeug schickt. Am 16.08.2026 sah ein Suchaufruf bei ihm noch so aus:

{"system1_search_query":[{"q":"site:intercom.com Fin AI Agent pricing 2026"}]}

Am 20.08.2026 stellte er dieselbe Frage im selben Konto und der Aufruf sah jetzt so aus:

fast|Intercom Fin AI agent pricing 2026 live chat support|30|intercom.com
fast|Gorgias AI Agent pricing 2026 customer support|30|gorgias.com
fast|Zendesk AI agents pricing 2026|30|zendesk.com
fast|best AI live chat support Intercom Gorgias Zendesk Ada Tidio Crisp reddit|365|reddit.com
length|long

Seine Zusammenfassung: „Somewhere in those 4 days, OpenAI replaced the JSON with a compact query language of its own.“ Der Wechsel liegt damit zwischen diesen beiden Abrufen und nicht auf einem bekannten Stichtag. Eine Zeile ist eine Suche und die Felder sind durch senkrechte Striche getrennt: vorne der Call-Typ, dann der Suchbegriff, dann eine Zahl. Meint ChatGPT eine bestimmte Website, steht dahinter die Domain. Alles nach dem Suchbegriff ist optional, in Suganthans Worten: „The fields after the query are optional.“ Der Block endet mit einer Zeile length|long, length|medium oder length|short. Suganthan liest sie als Vorgabe dafür, wie viel Text pro Treffer zurückkommen soll.

Zwei Dinge daran sind für SEOs die eigentliche Nachricht. Erstens hatten die Zahl und der Domain-Slot im alten Format keinen Platz, sie sind neu und nicht nur umbenannt. Zweitens fehlt ein Feld, das vorher da war: search_queries. Aus diesen Metadaten haben Werkzeuge wie FanoutFox die Fan-out-Anfragen ausgelesen. In Suganthans Worten ist das Feld „gone from the payload entirely“. Wer Fan-outs über ein Tool beobachtet, sollte prüfen, ob das Tool seit Mitte August überhaupt noch etwas sieht.

Zwei Dinge an dieser eigenen Aufnahme gehen über Suganthans Beschreibung hinaus. Erstens steht in beiden Zeilen keine Zahl. Da steht fast, ein senkrechter Strich, der Suchbegriff. Danach nichts mehr. Das passt zu Suganthans Satz „The fields after the query are optional“ und zu Konitznys Messung, nach der nur etwa 37 Prozent der fast-Aufrufe überhaupt einen Freshness-Parameter haben. Wer die eigene Aufnahme aufmacht und keine Zahl findet, hat nichts falsch gemacht. Der Normalfall ist die Zeile ohne Fenster. Nebenbei zeigt die Aufnahme noch etwas, das in den englischsprachigen Analysen niemand prüfen konnte: Auf eine deutsche Frage bleiben die Suchzeilen deutsch. ChatGPT übersetzt hier nicht ins Englische, es formuliert die Begriffe in der Sprache der Frage.

Zweitens stehen die Suchbegriffe in dieser Aufnahme zusätzlich in einem Metadatenfeld, hier search_model_queries mit einem queries-Array. Suganthans Befund betrifft ausdrücklich das Feld search_queries. Das fehlt hier auch. Für Werkzeuge heißt das: Die Fan-outs sind nicht verschwunden, sie stehen an einer anderen Stelle. Ob dieses Feld neu ist oder immer schon danebenstand, kann ich aus einer Aufnahme nicht sagen. Weiter unten in derselben Antwort steht übrigens resolved_model_slug mit dem Wert gpt-5-6. Wenn du dir eine Aufnahme machst, ist das die Stelle, an der du nachliest, welches Modell dir gerade geantwortet hat.

Die Call-Typen aus Suganthans acht Fragen: fast ist die Websuche und der Nachfolger des ganzen alten Fan-outs. product fragt einen Produktkatalog ab, was bei Staubsaugern und Matratzen vorkam und nicht bei Software. business ist eine Ortssuche mit Standort. image ist eine Bildersuche. genui_run ruft ein Widget auf wie einen Aktienchart oder einen Spielplan und liefert keine Seite zurück, sondern eine Oberfläche. Für SEOs ist das der unangenehmste Call-Typ, denn in einem Aktienchart gibt es keine Quelle, die man gewinnen könnte. Konitzny sieht in seinen Daten zusätzlich slow, dazu unten mehr.

Suganthan hat die Zahl über fünf Fragen vom 20.08. nebeneinandergelegt. Die Tabelle ist seine, die Beispiele sind gekürzt.

Quelle: Suganthan Mohanadasan: „ChatGPT Rebuilt Its Search Tool“ vom 21.08.2026. Fünf Zeilen aus einem Konto an einem Tag. Keine Messung über viele Nutzer.

Seine Deutung steht mit ihrer Grenze im selben Absatz: „I think this number is a recency window in days, matched to how fast the answer goes stale. I haven’t seen any spec for this, so this is my assumption.“ Ein Aktienkurs von vorgestern ist wertlos, also zwei Tage. Ein Produktvergleich hält einen Monat, eine Quartalsprognose ein Vierteljahr. Die Zahlen passen dazu, wie schnell die jeweilige Antwort veraltet. Genau das macht die Deutung plausibel.

Für Seiten, die verglichen werden, hat das eine unangenehme Seite. Auf den kommerziellen Fragen bei Suganthan bekam jede Markenzeile ein 30-Tage-Fenster. Wenn die Deutung stimmt, konkurriert eine Preis- oder Vergleichsseite nach zwei Monaten ohne Änderung von außerhalb des Fensters. Und zwar genau bei den Anfragen, bei denen Marken gegeneinander gestellt werden. Was „außerhalb“ in der Praxis heißt, zeigt der nächste Abschnitt, denn es heißt nicht „unsichtbar“.

David Konitzny arbeitet beim KI-Sichtbarkeitsanbieter Peec AI und hat die Frage gestellt, die nach Suganthans Beitrag offen war: Was macht die Zahl wirklich? Seine Grundlage ist ein Ausschnitt von rund 250.000 Chats aus dem eigenen Werkzeug, also eine Anbieteranalyse. Die Zahlen sind seine Messung und die Deutungen dahinter sind seine Lesart. Ich trenne beides hier so, wie er es selbst tut.

Die Verteilung der Call-Typen. In Konitznys Datensatz steht fast in fast 90 Prozent aller Suchzeilen. slow kommt dort in rund 14 Prozent der Fälle vor. Beide Anteile addieren sich nicht auf 100 Prozent, weil ein Aufruf beide Typen enthalten kann. Ein Freshness-Parameter hängt in seinen Daten an etwa 37 Prozent der fast-Aufrufe und an rund 95 Prozent der slow-Aufrufe. Treten beide Typen zum selben Thema auf, behält fast meist das 30-Tage-Fenster, während slow auf ein bis sieben Tage verengt. Konitzny liest das als zwei Fragen an dasselbe Thema: erst das Gesamtbild der letzten Wochen, dann das, was gerade jetzt passiert. Ob hinter fast und slow verschiedene Indizes stecken oder nur verschiedene Einstellungen, weiß er nach eigener Aussage nicht.

Das Fenster, das am häufigsten vorkommt. 30 Tage ist in Konitznys Datensatz mit Abstand der häufigste Wert. Der zweithäufigste ist nicht 7 oder 90, sondern 3.650, also zehn Jahre. Dazu gleich ein eigener Abschnitt.

Präferenz oder Filter. Das ist der Teil, der für deine Seiten zählt. Konitzny hat für jede abgerufene URL das Veröffentlichungsdatum, das ChatGPT mitliefert, gegen das angeforderte Fenster gehalten. Wäre das Fenster ein harter Filter, müssten die Treffer nahezu vollständig hineinfallen. Stattdessen schreibt er: „For a 30-day freshness request, around 65% of retrieved URLs fall within the requested 1–30 day period. The remaining URLs can be considerably older.“ Sein Fazit: „The freshness value influences retrieval, but does not strictly constrain it.“ Rund ein Drittel der Treffer kam in seinen Daten von außerhalb des Fensters.

Bei Nachrichtenfragen wird das Bild schärfer, gemeint sind Prompts mit Wörtern wie „latest“ oder „what happened today“. Dort stammten in Konitznys Daten rund 60 Prozent der abgerufenen URLs aus den letzten sieben Tagen · 27 Prozent aus den letzten 30 Tagen · 12 Prozent aus den letzten 24 Stunden. ChatGPT sucht bei News also nicht nur das Neueste, sondern eine Woche Kontext um das Neueste herum.

Beim Übertragen dieser Zahlen in meinen Prüfreport habe ich die 27 Prozent zuerst der 30-Tage-Anfrage zugeordnet. Daraus wurde „nur 27 Prozent im Fenster“ und das war falsch: Die 27 Prozent gehören zu den Nachrichtenfragen. Aufgefallen ist es beim zweiten Lesen des Originals und bevor eine Zeile davon hier stand. Ich erwähne das aus einem Grund: Es zeigt, wie leicht aus so einer Analyse eine Zahl mit falschem Bezug wird, sobald sie den Text verlässt, in dem sie erhoben wurde.

Das zweithäufigste Fenster in Konitznys Datensatz ist zehn Jahre und er hielt es zuerst für ein Artefakt. Dann hat er nachgesehen, welche Domains mit diesem Fenster abgerufen werden: In diesem Teilbestand steht Reddit bei rund 60 Prozent der Abrufe · G2 bei etwa 20 · LinkedIn bei 12 · Trustpilot und YouTube bei je rund 10 Prozent. Er schreibt ausdrücklich dazu, dass das keine Gesamtanteile sind, sondern die Verteilung innerhalb der Abrufe mit dem breiten Fenster.

Suganthan hatte dasselbe Muster an einzelnen Zeilen gesehen. In seinem Live-Chat-Beispiel bekam die Reddit-Zeile 365 Tage, während jede Markenzeile im selben Aufruf 30 bekam. In der Kaffee-Frage stand fast|site:reddit.com Dubai Marina specialty coffee Dubai|3650|reddit.com. Zehn Jahre Threads bei einer Frage, für die Nachrichtenseiten sieben Tage bekamen.

Beide bieten dieselbe Erklärung an und sie ist eine Deutung: Auf diesen Plattformen verliert ein Beitrag mit dem Alter nicht seinen Wert. Ein Reddit-Thread von 2019 kann die Antwort enthalten, eine G2-Bewertung von vor drei Jahren beschreibt das Produkt noch. Das Suchsystem bekommt für solche Quellen ein weites Fenster und für Nachrichten ein enges. Plausibel und von OpenAI nicht bestätigt. Seine weitergehenden Schlüsse dazu formuliert Konitzny ausdrücklich als Vermutung.

Was davon für dich bleibt: Wenn dein Thema Meinungen und Erfahrungen berührt, konkurriert deine Seite nicht mit dem Reddit-Thread von letzter Woche, sondern mit zehn Jahren Reddit. Das ist kein Argument gegen eigene Inhalte. Es ist ein Argument dafür, den Erfahrungsanteil dort zu haben, wo ChatGPT ihn sucht. Nach diesen Daten ist das eher die Plattform als der Blog.

Ich habe am 04.09.2026 die Dokumentation des web_search-Werkzeugs in OpenAIs Responses API nach „fresh“, „recent“ und „days“ durchsucht. Dokumentiert sind zwei Steuerungen, die zu dem passen, was im Verkehr steht: erstens filters mit bis zu 100 allowed_domains oder blocked_domains als Domain-Slot und zweitens search_context_size mit den Stufen low, medium und high, das laut derselben Doku steuert, wie viel Suchkontext das Modell bekommt. Einen Parameter für ein Zeitfenster habe ich in dieser Fassung nicht gefunden. Das ist eine Aussage über diese Doku an diesem Tag und nicht über OpenAIs Systeme.

Die Doku beschreibt die API und nicht ChatGPT. Dass die Verbraucheroberfläche intern mit einem Fenster arbeitet, das Entwicklern nicht angeboten wird, wäre kein Widerspruch. Es heißt nur: Außerhalb von OpenAI gibt es keine Angabe dazu, wie das Fenster verrechnet wird. Die zwei Analysen hier sind deshalb Beobachtungen, belastbare Beobachtungen mit Zahlen und Erhebung, aber keine Herstellerangabe.

Zur Einordnung gehört, dass die Syntax nur der jüngste von mehreren Umbauten ist. Search Engine Land hat im Mai 2026 den Modellwechsel vom 04.03.2026 ausgewertet: Die Zahl der pro Antwort zitierten Domains fiel dabei von 19 auf 15, gemessen an 400 Prompts täglich über 14 Wochen mit Daten von Meteoria. Chris Long von Nectiv hat im August rund 4.000 Prompts auf GPT-5.6 Sol laufen lassen und in seinen Daten kamen im Schnitt 7,61 Fan-out-Anfragen je Prompt heraus, im Vorjahr waren es bei ihm 2,17. In 64 Prozent der Anfragen stand bei Nectiv ein site:. Beides sind Anbieter- und Redaktionsmessungen.

Wie belastbar solche Zahlen sind, zeigt ein Gegenbeispiel vom 25.08.2026. Eine Auswertung bei dejan.ai über 196.692 Fan-out-Anfragen der OpenAI-API kommt auf ein anderes Bild: Der site:-Anteil liegt dort im August bei 0,14 Prozent und die Zahl der Fan-outs je Antwort fiel im Messzeitraum von 6,16 im März auf 1,10 im August. Gegen Nectivs 64 Prozent und 7,61 Fan-outs ist das nicht ein Unterschied im Detail, sondern ein anderes Ergebnis.

Die Erklärung liegt in dem, was jeweils gemessen wurde. Beide Auswertungen laufen über die API und nicht über die ChatGPT-Oberfläche, aber über verschiedene Modelle: Nectiv misst GPT-5.6 Sol, bei dejan.ai lief der August-Verkehr auf GPT-5.5. Nach eigener Aufschlüsselung von dejan.ai scopen die älteren Modelle 5.2 und 5.4 rund jede achtzehnte Anfrage auf eine Domain und 5.5 nur jede 647. Dazu kommt die Art der Prompts: Kurze Monitoring-Prompts erzeugen dort einen site:-Anteil von 0,44 Prozent, längere Recherche-Prompts einen von 6,29 Prozent.

Für dich heißt das etwas anderes, als es zunächst klingt. Keine dieser Zahlen beschreibt „ChatGPT“. Jede beschreibt ein Modell mit einer Prompt-Sorte in einem Zeitraum. Wer eine Fan-out-Statistik liest, sollte deshalb zuerst nach Modell, Zugangsweg und Prompt-Art fragen und erst danach nach dem Prozentwert. Die Richtung, in der sich alle vier Messungen einig sind: Die Suchanfrage allein ist nicht mehr die ganze Anweisung.

Dass man die Zeilen im Netzwerkverkehr mitlesen kann, hat Suganthan Mohanadasan in seinem Beitrag beschrieben. Der Weg unten ist mein eigener Mitschnitt vom 04.09.2026 samt den Stellen, an denen es schiefging. Die Fallen sind der eigentliche Teil, weil sie sich alle drei wie „hier gibt es nichts zu sehen“ anfühlen.

Schritt 1: anmelden. Mein erster Versuch lief in einer abgemeldeten Sitzung. In der Netzwerkliste standen dann nur prepare?lightweight_authenticated=0 und updates?lightweight_authenticated=0, dazu ein paar CSS- und JS-Dateien, die zufällig „conversation“ im Namen haben. Die Antwort kam, sie hatte sogar Quellen, die Nutzlast mit den Suchzeilen war nirgends. Ohne Anmeldung läuft ein anderer Pfad.

Schritt 2: die richtige Zeile finden. DevTools mit F12 öffnen · Reiter Network · Filterfeld conversation. Dann die Frage abschicken und warten, bis die Antwort vollständig steht. In der Liste stehen jetzt viele Zeilen mit demselben Namensbestandteil. Du willst die eine mit der großen Nutzlast statt der Dateien mit der Endung .js und .css. Am schnellsten geht es über einen Klick auf die Spalte Size. Bei mir war es die Anfrage an /backend-api/f/conversation, sichtbar im Feld X-Openai-Target-Path.

Schritt 3: im richtigen Fenster suchen. Das ist die Falle, die mich am längsten gekostet hat. DevTools hat ein eigenes Suchfeld am linken Rand. Das durchsucht alle geladenen Dateien. Es meldet für fast| zuverlässig „No search results“, weil die Zeilen nicht in einer Datei stehen, sondern in einer Antwort. Der richtige Weg: die Zeile anklicken · Reiter Response · in das Fenster klicken · Strg+F. Gibt es stattdessen einen Reiter EventStream, ist die Antwort ein Stream und dort stehen die Ereignisse einzeln aufgelistet.

Wenn du bei fast| gelandet bist, steht um die Zeilen herum noch einiges. Die Felder aus meiner Aufnahme und was sie dir sagen:

Und jetzt der Teil, für den sich der Aufwand lohnt. Vier Fragen an deine eigene Aufnahme:

• Stehen in der Suchzeile Marken, die du nicht genannt hast? Dann hatte ChatGPT diese Kandidatenmenge schon im Kopf, bevor es irgendetwas gesucht hat. Das ist dein Wettbewerbsumfeld aus Sicht des Modells. Es steht da schwarz auf weiß.
• Steht im letzten Feld deine echte Domain? Steht dort eine alte oder eine falsche oder gar keine, läuft die gezielte Prüfung deiner Marke ins Leere.
• Steht überhaupt eine Zahl da? Bei mir nicht. Dann läuft deine Kategorie ohne Aktualitätswunsch. Der Pflegezyklus ist damit eine Frage deiner Nutzer statt dieses Parameters.
• Welches Modell hat geantwortet? Notiere den Slug mit dem Datum. Beim nächsten Mal siehst du, ob sich etwas geändert hat oder nur das Modell.

1. Das Datum sichtbar machen und die Änderung echt. Konitznys Messung vergleicht Erstveröffentlichungsdaten und keine Aktualisierungen. Ob ChatGPT ein „Zuletzt aktualisiert“ liest, ist offen. Was ich trotzdem tun würde: das Datum im sichtbaren Text und in den strukturierten Daten führen und es nur ändern, wenn sich Inhalt geändert hat. Eine Datumsänderung ohne Textänderung ist die Sorte Signal, die ein Suchsystem irgendwann ignoriert. Das ist meine Einschätzung und keine Regel aus einer der Quellen.

2. Die 30-Tage-Seiten kennen. Preise und Vergleiche und Funktionsübersichten sind die Seiten mit dem 30-Tage-Fenster in Suganthans Capture. Wenn du solche Seiten hast, gehört ihr Pflegezyklus unter einen Monat. Ein Vergleich, der seit Frühjahr unverändert steht, konkurriert nach Konitznys Daten aus dem letzten Drittel der Treffer heraus und nicht aus der Unsichtbarkeit.

3. Den Domain-Slot prüfen. ChatGPT füllt die Domain hinter der Suchzeile aus dem eigenen Gedächtnis. Suganthan hat gesehen, wie eine Suche auf profound.ai zielte, obwohl der Anbieter auf tryprofound.com läuft. Die Suche kam mit null Seiten zurück. Die Marke überlebte nur dank einer breiten Suche. Nach einem Rebrand oder einer Migration oder mit Länderdomains ist genau das die Stelle, die kippt. Frag ChatGPT nach deiner Kategorie und sieh nach, welche Domain es für dich einträgt.

4. Den Antwortsatz nach vorn. Die length-Zeile spricht dafür, dass ChatGPT pro Treffer einen begrenzten Auszug holt und nicht die ganze Seite. Wenn das stimmt, muss der Satz, der die Frage beantwortet, dort stehen, wo ein Auszug anfängt. Also am Absatzanfang oder unter einer Zwischenüberschrift und nicht nach drei Sätzen Hinführung. Für Googles Query Fan-Out habe ich dasselbe im Beitrag zum AI Mode beschrieben. Die Grundlage dazu steht im GEO-Beitrag.

5. Die Search Console lesen. Lily Ray hat im August dokumentiert, dass site:-Anfragen aus Fan-outs in der Search Console auftauchen, eine davon mit rund 197.000 Impressionen und genau einem Klick. Prüfen kannst du das mit ihrem Filter direkt in der Search Console. Im Leistungsbericht auf Abfragen filtern · benutzerdefiniert · regulärer Ausdruck. Dort (?i)(site:.*official|official.*site:) eintragen. Zeigt dein Impressionsverlauf solche Ausreißer, ist das eher Maschinenverkehr als Nachfrage. Wie du solche Muster von Datenfehlern trennst, steht im Beitrag zum GSC-Impressionen-Bug. Was Google inzwischen an eigenen KI-Daten liefert, steht im Beitrag zu den GenAI-Berichten.

6. Wenn du Produkte verkaufst, spielst du auf zwei Feldern. Der Call-Typ product fragt keinen Text ab, sondern einen Produktkatalog. Suganthan hat ihn bei Staubsaugern und Matratzen gesehen. Bei keiner einzigen Software-Frage. Seine Folgerung teile ich: Wer physische Ware verkauft, muss zusätzlich in diesem Katalog vorkommen. Daran ändert die beste Produktseite nichts. Der Test dafür ist simpel. Frag ChatGPT nach deiner Produktkategorie. Kommen deine Artikel als Karte mit Preis und Händlernamen zurück oder nur als Erwähnung im Fließtext? Nur die Karte heißt, dass der Katalog dich kennt.

Was an der neuen Syntax für mich zählt, ist nicht die Syntax. Es ist der Umstand, dass die Suchanfrage nur noch ein Teil der Anweisung ist. ChatGPT sagt seinem Suchsystem inzwischen, welche Art Abruf es will · welches Zeitfenster · welche Domain. Die Frage „wie komme ich in ChatGPT vor“ hat damit drei neue Variablen und keine davon steht in einer Dokumentation.

Die Daten, die es gibt, reichen für eine Arbeitsregel und sind für eine Garantie zu dünn. Ein Fenster, das zu zwei Dritteln hält, ist eine Präferenz. Für eine Preisseite, die seit Monaten unverändert ist, ist es trotzdem der Unterschied zwischen dem ersten und dem letzten Drittel der Treffer. Das ist Grund genug, den Pflegezyklus dieser Seiten zu kennen. Es ist kein Grund, Datumsangaben ohne Änderung hochzuzählen.

Quellen

Was im Text verlinkt ist, steht hier noch einmal mit Datum und Rolle.

• Primäranalysen: Suganthan Mohanadasan: ChatGPT Rebuilt Its Search Tool. I Read the New Language It Speaks. vom 21.08.2026 (Syntax · Fenster · Verticals · Domain-Slot · eigene Aufnahme aus einem Plus-Konto) · David Konitzny (Peec AI): Inside ChatGPT’s New Search Language: How Fresh Does Content Need to Be? vom 01.09.2026 (Anbieteranalyse · rund 250.000 Chats)
• OpenAI: Web search · Responses API · abgerufen am 04.09.2026 (dokumentierte Parameter des Suchwerkzeugs · Herstellerdoku)
• Search Engine Journal: Zweitveröffentlichung von Suganthans Analyse vom 25.08.2026
• SEO Südwest: ChatGPT sucht jetzt anders: zeilenbasiert und mit Freshness Windows vom 23.08.2026 · Wie die neuen Freshness Windows bei Fanout Queries funktionieren vom 02.09.2026 (deutschsprachige Einordnung)
• Search Engine Land: Inside ChatGPT Search: how web.run and fan-out queries shape AI visibility vom 14.05.2026 (zitierte Domains je Antwort nach dem Modellwechsel · Daten von Meteoria)
• Nectiv: ChatGPT Tripled Its Fan-Out Queries vom 13.08.2026 (Anbieteranalyse · rund 4.000 Prompts)
• dejan.ai: Our OpenAI fanout data shows no rise in site: operator use vom 25.08.2026 (Gegenmessung über 196.692 Fan-out-Anfragen der OpenAI-API)
• Lily Ray: What We Can Learn from Evolving ChatGPT Fan-Out Queries vom 17.08.2026 (site:-Anfragen in der Search Console)