LinkedInLinkedIn

LinkedIn degradiert Beiträge, die nach KI klingen: Was als „generischer Inhalt“ gilt und wie man schreibt, ohne Reichweite zu verlieren

Team von AiToolsForAppsMit KI-Unterstützung verfasst15 Min. Lesezeit

Zusammenfassung

  • Seit dem 8. Oktober 2026 überprüft LinkedIn mit Klassifizierern jede Veröffentlichung, die über das unmittelbare Netzwerk des Autors hinaus verbreitet wird, so der VP Engineering, Tim Jurka (Social Media Today, 8-10-2026).
  • Die falsche Information, die kursiert: 94 % sind Präzision, nicht Vollständigkeit. Von 100 Beiträgen, die das System als slop kennzeichnet, sind etwa 94 es nach seinen Kriterien. LinkedIn hat nicht veröffentlicht, wie viele ihm entgehen.
  • Was LinkedIn bestraft, ist nicht die Nutzung von KI, sondern das „Generische und/oder Wiederholende, das keine echten Ideen beiträgt“ (wörtliche Definition von Jurka). KI als Korrektor ist ausdrücklich erlaubt.
  • Die Auswirkungen sind bereits messbar: Der als slop klassifizierte Inhalt verzeichnete 40 % weniger Ansichten, so der Chief Product Officer Hari Srinivasan (Social Media Today, 20-8-2026).
  • Was den Filter übersteht, ist konkret: echter Aufhänger in den ersten beiden Zeilen (vor dem Schnitt von „mehr anzeigen“), eine eigene Information oder ein eigener Fall und Kriterium in der ersten Person.

Graue identische Veröffentlichungsströme, die durch eine leuchtende Klappe gestoppt werden; nur einige Karten mit Grafiken und eigenen Daten passieren
Graue identische Veröffentlichungsströme, die durch eine leuchtende Klappe gestoppt werden; nur einige Karten mit Grafiken und eigenen Daten passieren

Wenn du auf LinkedIn veröffentlichst und bemerkst, dass korrekte, gut geschriebene und gut gestaltete Beiträge bei 200 Impressionen bleiben, liegt es wahrscheinlich nicht an der Veröffentlichungszeit. Es ist ein neuer Filter, er ist explizit, und sein Autor hat es öffentlich erklärt. Dieser Artikel erläutert, was dieser Filter betrachtet, was die Zahlen wirklich bedeuten, die dort falsch wiederholt werden, und wie man schreibt, ohne im Straßengraben zu landen. Bei AiToolsForApps unterstützen wir LinkedIn, eine Sammlung von KI-Tools für diejenigen, die im professionellen Netzwerk erstellen, verkaufen oder konkurrieren, und was folgt, ist der Kontext, der erklärt, warum wir Werkzeuge für Überschriften, Karussells und LinkedIn-Beiträge mit Zählern und Validierern anstelle eines „generiere mir einen Beitrag“-Buttons entwickelt haben.


Was genau ist „AI slop“ für LinkedIn

Für LinkedIn sind AI slop „generische und/oder wiederholende Beiträge, die keine echten Ideen beitragen“. Es ist die wörtliche Definition, die Tim Jurka, VP Engineering, am 8. Oktober 2026 gegeben hat. Achte darauf, was er nicht sagt: Er sagt nicht „geschrieben mit KI“. Das Kriterium ist das Fehlen von Substanz, nicht der Ursprung des Textes.

Diese Unterscheidung hat das Unternehmen von Anfang an wiederholt. Hari Srinivasan, Chief Product Officer, fasste es mit einem Satz zusammen, den man sich merken sollte: „KI und slop sind nicht dasselbe“. Und im Mai 2026 hatte Laura Lorenzetti, VP Global Editorial, bereits die Linie gezogen: „Es ist in Ordnung, KI zu verwenden, um dir beim Schreiben zu helfen, aber deine Beiträge und Kommentare müssen deine Stimme und deine Perspektiven widerspiegeln“ (Social Media Today, 21-5-2026).

Die praktische Konsequenz: Ein Beitrag, der mit einem Modell von zwei Personen geschrieben wurde, aber mit einer eigenen Information, einer Entscheidung, die du getroffen hast, und einer diskutierbaren Meinung, geht gut durch den Filter. Ein vollständig manuell verfasster Beitrag, aber mit drei Ratschlägen, die jeder hätte unterschreiben können, geht schlecht durch.

„Wenn KI missbraucht wird, insbesondere in großem Maßstab und automatisiert, verwässert sie die wertvollen Ideen, die aus echten menschlichen Gesprächen entstehen können.“ — Laura Lorenzetti, VP Global Editorial von LinkedIn, 21. Mai 2026.

Was die 94 % Präzision bedeuten (und was nicht)

94 % sind Präzision, nicht Vollständigkeit. Das bedeutet, dass von 100 Veröffentlichungen, die der Klassifizierer als slop kennzeichnet, etwa 94 den Kriterien von LinkedIn entsprechen. Es bedeutet nicht, dass 94 % der mit KI geschriebenen Beiträge erkannt werden: LinkedIn hat seine Rückholquote (recall) nicht veröffentlicht, sodass unklar ist, wie viele ihm entgehen.

Der Unterschied ist kein akademischer Streit: Er verändert völlig, was du aus der Zahl ableiten kannst.

Was man so liestWas LinkedIn gesagt hatWas man daraus schließen kann
„LinkedIn erkennt 94 % der mit KI erstellten Beiträge“94 % Präzision beim Markieren von slopNichts darüber, wie viele übersehen werden
„94 % der Beiträge mit KI verlieren Reichweite“Die markierten Beiträge verlieren VerbreitungBetrifft nur das Markierte, nicht alles, was mit KI erstellt wurde
„Es gibt einen Spielraum von 6 %, der mich schützt“~6 von 100 markierten wären falsch positivDer Spielraum spielt gegen dich, nicht zu deinen Gunsten: Wenn du markiert wirst, ist es sehr wahrscheinlich, dass sie richtig liegen

Zwei weitere Nuancen, die wichtig sind, um zu entscheiden, was zu tun ist:

  • Die Reichweite, die gekürzt wird, ist die der Empfehlung, über den ersten Grad hinaus. Der markierte Inhalt wird nicht gelöscht und bleibt für diejenigen sichtbar, die dir direkt folgen.
  • Der Filter wird am Verteilungspunkt angewendet: Jede Veröffentlichung, die außerhalb des unmittelbaren Netzwerks des Autors verbreitet werden soll, wird überprüft. Das heißt, die Filterung erfolgt genau bevor der Beitrag die Chance hat, zu wachsen.

Woher das System kommt: eine Chronologie von 2026

LinkedIn hat diesen Filter nicht über Nacht aktiviert. Es gibt eine Abfolge von sechs Monaten, und jeder Schritt erklärt den nächsten.

DatumWas passierteQuelle
21. Mai 2026LinkedIn kündigt an, die Reichweite von KI-Inhalten ohne klare menschliche Perspektive zu reduzieren, automatisierte Kommentare zu begrenzen und Filter für verifiziertes Profil hinzuzufügenSocial Media Today
Ende Juli / August 2026Im Drei-Punkte-Menü jedes Posts erscheint die Option, ihn als „scheint KI-Müll zu sein“ zu meldenSocial Media Today
August 2026LinkedIn entfernt seine eigene Funktion „Enhance your post“ (vollständige Umschreibung des Entwurfs) und ersetzt sie durch einen Korrektor, der, laut Srinivasan, „deine Worte korrigiert, aber deine Stimme nicht verändert“IBTimes UK
20. August 2026Mehr als 1 Million Menschen haben den Button in weniger als drei Wochen genutzt; als Müll eingestufte Inhalte erhalten 40 % weniger AufrufeSocial Media Today
8. Oktober 2026Jurka beschreibt die Architektur und bestätigt, dass das Screening alle Veröffentlichungen abdeckt, die aus dem unmittelbaren Netzwerk stammen, mit 94 % GenauigkeitSocial Media Today

Das aufschlussreichste Detail dieser Tabelle ist nicht die 94 %: Es ist, dass die Million Meldungen im August zum Trainingssatz der Klassifizierer im Oktober wurde. Der Filter kodiert nicht die Meinung eines Produktteams darüber, was ein guter Post ist; er kodiert, was eine Million Fachleute als Füllmaterial markiert haben.


Wie der Klassifizierer von innen funktioniert

LinkedIn verwendet ein Lehrer-Schüler-Schema: große Modelle, die mit den neuen Mustern von Müll Schritt halten, erzeugen das Material, mit dem kleinere Modelle trainiert werden, und es sind diese kleinen, die in großem Maßstab klassifizieren. Darüber hinaus gibt es Agenten mit konkreten Richtlinien und menschlichen Prüfern für zweifelhafte Fälle.

Schema von drei Stufen: eine große Kugel, die vier kleine Würfel speist und diese eine Lupe, mit Rückführungslinien, die den Zyklus schließen
Schema von drei Stufen: eine große Kugel, die vier kleine Würfel speist und diese eine Lupe, mit Rückführungslinien, die den Zyklus schließen

In Jurkas Worten: „Wir verwenden das, was als Lehrer-Schüler-Konfiguration bekannt ist. Die größeren "Lehrer"-Modelle sind darauf ausgelegt, mit den neuen Mustern von KI-Müll Schritt zu halten und diese präzise zu identifizieren“. Und zu den Agenten: „Jeder Agent wird von einer spezifischen Richtlinie geleitet, die die Kriterien definiert, nach denen er den Inhalt bewertet: zum Beispiel, ob ein Beitrag werblich ist, ob er einen Erfolg feiert oder ob er aktuell ist“.

Drei praktische Implikationen dieser Architektur:

  1. Die Worte zu ändern, reicht nicht aus. Das System bewertet Muster und Zweck, nicht den Wortschatz. Den gleichen leeren Post mit verschiedenen Synonymen umzuschreiben, rettet ihn nicht.
  2. Die Muster werden aktualisiert. Der Teil „Lehrer“ existiert gerade, um neue Formeln zu verfolgen. Die Hook-Vorlage, die diesen Monat funktioniert, ist ein Kandidat dafür, im nächsten erfasst zu werden.
  3. Es gibt eine Kategoriesignal. Dass ein Agent bewertet, ob der Post „werblich“ ist oder „einen Erfolg feiert“, bedeutet, dass der gleiche Text je nach Verwendungszweck unterschiedlich bewertet werden kann.

Die Signale, die einen leeren Post verraten

Ein Post fällt auf die schlechte Seite des Filters, wenn er nichts enthält, was nur du hättest schreiben können: keine datierten Fakten, keine gemessenen Zahlen, keine benannten Personen oder Werkzeuge, keine Meinung, die jemand widerlegen könnte. Die Formatzeichen sind nur das Symptom; die Ursache ist das Fehlen von Substanz.

Vergleich zwischen einer leeren und rissigen Karte mit drei identischen Punkten und einer soliden Karte mit einem Balkendiagramm und einer hervorgehobenen Zahl
Vergleich zwischen einer leeren und rissigen Karte mit drei identischen Punkten und einer soliden Karte mit einem Balkendiagramm und einer hervorgehobenen Zahl

Dies sind die Signale, die sich im markierten Inhalt wiederholen, wie sie in den Analysen des Phänomens erfasst werden:

  • Vorlagenöffnung. Der Beginn, der eine Szene aufbaut („Gestern, in einem Meeting…“), ohne etwas zu behaupten.
  • Listen ohne ein einziges eigenes Datum. Drei Tipps, drei Fehler, drei Schlüssel: makellose Struktur, austauschbarer Inhalt mit dem eines anderen Autors der Branche.
  • Die Formel „es ist nicht X, es ist Y“. Die rhetorische Wendung, die wie eine Offenbarung klingt und keine neuen Informationen liefert.
  • Interaktionsköder. Sätze, deren einziges Ziel es ist, einen Kommentar oder ein „Ja“ hervorzurufen („Klingt das bekannt? Kommentiere JA“).
  • Abschluss mit einer allgemeinen Frage. „Und was denkst du?“ als Schlussfolgerung, ohne eine konkrete Frage zu etwas Konkretem.
  • Saubere Lektion am Ende. Der Moralpaaragraf, der alles mit einer Schleife schließt und nichts offen lässt.
  • Chat-ähnliches Format. Sternchen, Überschriften und Aufzählungen, die eins zu eins von einem Konversationswerkzeug kopiert wurden: der buchstäblichste Abdruck von allen.

Keines dieser Signale ist illegal oder schließt dich von der Plattform aus. Aber ihre Ansammlung ist genau das Muster, das eine Million Meldungen dem Klassifizierer beigebracht hat.


Was übersteht den Filter: Hook, Daten und Kriterien

Übersteht der Post, der in seinen ersten beiden Zeilen etwas Konkretes und Verifizierbares sagt; der im Text eine Zahl, einen Fall oder eine eigene Entscheidung liefert; und der in der ersten Person Stellung bezieht. Die drei Elemente sind kumulativ: Mit dem Hook erreichst du nur den Klick auf "mehr anzeigen", und ohne eigene Daten hat der Klassifizierer nichts zu unterscheiden.

Veröffentlichungskarte mit den ersten beiden Zeilen hervorgehoben über einer gestrichelten Linie und dem restlichen Text verwischt
Veröffentlichungskarte mit den ersten beiden Zeilen hervorgehoben über einer gestrichelten Linie und dem restlichen Text verwischt

1. Der Hook lebt vor dem Schnitt von "mehr anzeigen"

Das Limit eines Beitrags auf LinkedIn beträgt 3.000 Zeichen, aber der Leser sieht nur die ersten zwei oder drei Zeilen vor dem Schnitt. Dieser Platz variiert je nach Gerät und ob der Post ein Bild enthält: Auf Mobilgeräten liegt es bei etwa 140 Zeichen und auf Desktop etwas mehr, und die Branchenrichtlinien setzen den praktischen Schnitt bei etwa 210 Zeichen (Commenti, Zeichenlimits 2026). Dort ist kein erzählerisches Drumherum und eine These möglich: es passt eines von beiden.

Der Grund, warum das Gewicht hat, ist die Verweildauer (dwell time): Wenn niemand den Post aufklappt, bleibt die Verweildauer unter einer Sekunde und die Verteilung erlischt. Wichtig: Was durch Branchenquellen dokumentiert ist, ist die Rolle der dwell time als Signal des Algorithmus; LinkedIn hat das genaue Gewicht, das es zuweist, oder die Schwellenwerte nicht veröffentlicht. Betrachte es als das, was es ist, eine vernünftige Heuristik, nicht als eine offizielle Zahl.

2. Eine Zahl oder ein Fall, der dir gehört

Das ist es, was wirklich unterscheidet. Was als Substanz zählt:

Art der SubstanzBeispiel für das, was zähltWas nicht zählt
Datierter Fakt„In der Woche vom 3. November haben wir den Betreff der Follow-up-E-Mail geändert“„In letzter Zeit probieren wir Dinge aus“
Gemessene Zahl„Die Antwortrate stieg von 11 % auf 19 % bei 40 Sendungen“„Die Ergebnisse haben sich erheblich verbessert“
Person oder benanntes Werkzeug„Das hat Marta beim Überprüfen des CRM festgestellt“„Ein Teammitglied hat es bemerkt“
Widerlegbare Meinung„Die Qualifizierung nach Budget beim ersten Anruf hat uns zwei Kunden gekostet“„Es ist wichtig, dem Kunden zuzuhören“
Eigene Methode„Was wir getan haben, in welcher Reihenfolge und warum es funktioniert hat“„Die Schlüssel zum Erfolg im Vertrieb“

Der Test ist einfach: Wenn dein Post wörtlich von jemand anderem aus deiner Branche veröffentlicht werden könnte, indem nur der Name geändert wird, hat er keine eigene Substanz.

3. Kriterium in der ersten Person

„In meiner Erfahrung funktioniert das nicht und ich erzähle dir warum“ ist eine Aussage, die jemand diskutieren kann. „Es ist wichtig, Wert zu bieten“ ist es nicht. Das Diskutierbare ist in der Praxis der verlässlichste Indikator dafür, dass ein menschliches Kriterium dahintersteht, und es ist auch das, was die Kommentare generiert, die kein Köder sind.


Zwei verschiedene Schichten: Was sich verschlechtert und wem es gezeigt wird

Der Anti-slop-Filter und das Ranking nach Profilrelevanz sind verschiedene Schichten des gleichen Trichters, und sie zu verwechseln führt dazu, dass das, was nicht optimiert werden sollte, optimiert wird. Der slop-Filter wirkt vor der Verteilung: Er entscheidet, ob dein Beitrag es wert ist, über dein unmittelbares Netzwerk hinaus verteilt zu werden. Das Ranking nach Profilrelevanz wirkt während der Verteilung: Es entscheidet wer das sieht, was bereits den ersten Schnitt überstanden hat.

Anti-slop-FilterProfilrelevanz
Was entscheidet?Ob der Post außerhalb des ersten Grades verteilt wirdWem es gezeigt wird
Wann wirkt es?Vor der VerteilungBei der Zuweisung der Zielgruppe
Wovon hängt es ab?Von der Substanz des Textes dieses PostsVom Fit zwischen deinem Profil und dem Interesse des Lesers
Was löst das Problem?Neu schreiben mit Daten und KriterienAn der Kohärenz des Profils und der Nische arbeiten

Die Reihenfolge der Prioritäten ist also: Zuerst sicherstellen, dass du den Filter bestehst, denn ein makelloses Profil verteilt keinen Post, der nicht verbreitet wird. Und danach an der Passgenauigkeit arbeiten, denn ein ausgezeichneter Post, der der falschen Zielgruppe gezeigt wird, erzielt ebenfalls keine Ergebnisse. Wir haben einen spezifischen Artikel über das Ranking nach Profilrelevanz in diesem Blog; dieser Abschnitt platziert nur die beiden Schichten, ohne deren Inhalt zu wiederholen.


60-Sekunden-Checkliste vor der Veröffentlichung

Gehe jeden Entwurf durch diese sieben Überprüfungen. Wenn du bei drei oder mehr scheiterst, veröffentliche nicht: schreibe neu.

  1. Behaupten die ersten beiden Zeilen etwas, oder schaffen sie nur eine Szene?
  2. Gibt es mindestens eine Zahl, ein Datum oder einen Eigennamen im Text?
  3. Gibt es einen Satz, den jemand mit Argumenten widerlegen könnte?
  4. Habe ich jeden Satz entfernt, dessen einziges Ziel es ist, einen Kommentar zu provozieren?
  5. Öffnet der Schluss etwas, oder schließt er mit einer Schleife und „Was denkst du?“?
  6. Gibt es kopiertes Format von einem Konversationstool (Sternchen, Überschriften, automatische Aufzählungen)?
  7. Könnte dieser Text von einer anderen Person aus meiner Branche veröffentlicht werden, indem nur der Name geändert wird?

Dieser letzte Punkt ist die Zusammenfassung aller anderen. Und es ist wahrscheinlich der beste hausgemachte Ansatz, um zu verstehen, was der Klassifizierer tut.


Häufig gestellte Fragen

Bestraft LinkedIn Beiträge, die mit KI geschrieben wurden?

Nicht nur weil sie mit KI geschrieben sind. Was LinkedIn abwertet, ist generischer und/oder sich wiederholender Inhalt, der keine wirkliche Idee beiträgt, laut der Definition seines VP für Ingenieurwesen Tim Jurka vom 8. Oktober 2026. Das Unternehmen selbst hat einen integrierten KI-Korrektor und sein CPO hat erklärt, dass „KI und Slop nicht dasselbe sind“.

Was bedeutet es, dass LinkedIn AI Slop mit 94 % Genauigkeit erkennt?

Es bedeutet, dass von 100 Beiträgen, die das System als Slop markiert, etwa 94 seinen Kriterien entsprechen. Es bedeutet nicht, dass es 94 % der mit KI generierten Beiträge erkennt: LinkedIn hat nicht veröffentlicht, wie viele ihm entgehen, sodass die tatsächliche Abdeckung des Filters unbekannt ist.

Verschwindet ein Beitrag von LinkedIn, wenn er markiert wird?

Nein. Der markierte Inhalt verliert die Verbreitung in Empfehlungen über deine direkten Kontakte hinaus, wird jedoch nicht gelöscht und bleibt für diejenigen sichtbar, die dir direkt folgen. Es ist ein Verlust an Reichweite, keine Entfernung.

Wie viel Reichweite geht verloren, wenn du als AI Slop markiert wirst?

Die öffentliche Angabe ist, dass Inhalte, die als Slop eingestuft werden, 40 % weniger Ansichten als einige Wochen zuvor haben, so erklärte der Chief Product Officer Hari Srinivasan am 20. August 2026. Es handelt sich um eine aggregierte Zahl der Plattform, keine feste Strafe pro Beitrag, und LinkedIn hat die Verteilung von Fall zu Fall nicht veröffentlicht.

Wie viele Zeichen werden vor dem „mehr anzeigen“ auf LinkedIn angezeigt?

Das hängt vom Gerät und davon ab, ob der Beitrag ein Bild enthält: Es werden nur die ersten zwei oder drei Zeilen angezeigt, etwa 140 Zeichen auf Mobilgeräten und etwas mehr auf Desktop, mit einem praktischen Schnitt, den die Branchenrichtlinien bei etwa 210 Zeichen ansetzen, bei einem Gesamtmaximum von 3.000. Deshalb muss die These oben stehen, nicht im dritten Absatz.

Was passiert, wenn jemand meinen Beitrag als AI Slop meldet?

Eine individuelle Meldung betrifft hauptsächlich das, was diese Person in ihrem eigenen Feed sieht; LinkedIn hat die Funktion als informativ und nicht bestrafend beschrieben und nicht als einen Weg für Verstöße gegen Richtlinien. Der Effekt auf die Verbreitung tritt auf, wenn viele Leute dasselbe markieren, denn diese Meldungen füttern das Training der Klassifizierer.

Kann ich KI verwenden, um meine LinkedIn-Beiträge zu schreiben, ohne Reichweite zu verlieren?

Ja, solange das Ergebnis etwas enthält, das nur du beitragen kannst: eine eigene Information, einen konkreten Fall, eine Entscheidung und eine diskutierbare Meinung. KI zur Strukturierung, Kürzung oder Korrektur zu verwenden, ist mit dem Filter kompatibel; das Kriterium ihr zu überlassen, ist es, was den Filter aktiviert.

Verhindert das Umschreiben eines Beitrags mit anderen Worten den Filter?

Es ist nicht zuverlässig. Das System bewertet Zweck und Muster mehr als den Wortschatz, sodass das Ändern von Synonymen ohne Hinzufügen von Perspektive die Bewertung nicht ändert. Die Master-Schüler-Architektur existiert genau, um den neuen Formeln zu folgen, sobald sie erscheinen.

Wie sich deine Schreibweise von nun an ändert

Das Screening von LinkedIn ist kein KI-Detektor: Es ist ein Detektor für Leere. Das ist in Wirklichkeit eine gute Nachricht für jeden, der etwas zu erzählen hat, denn die Kosten für das Veröffentlichen von Füllmaterial sind gerade gestiegen, die für das Veröffentlichen einer eigenen Zahl nicht. Das Einzige, was obligatorisch wird, ist ein Schritt, der zuvor optional war: den Entwurf zu überprüfen, um zu sehen, was darin ist, das niemand anderes geschrieben haben könnte.

Dieser Schritt ist das, was wir in LinkedIn mechanisch machen möchten, die KI-Tool-App von AiToolsForApps für diejenigen, die im professionellen Netzwerk kreieren, verkaufen oder konkurrieren: Zeichenanzähler mit der Linie des Schnitts des „mehr anzeigen“ markiert, Überschrift- und „Über mich“-Formeln, Generierung von Karussells im PDF-Format und von Beiträgen mit ihren alternativen Hooks sowie ein Reiniger, der warnt, wenn er einen Interaktionsköder erkennt und ihn entfernt. Wenn du es angewendet sehen möchtest, hier sind die KI-Tools für Titel, Überschrift, Karussell und LinkedIn-Beiträge, ohne vorherige Registrierung.

Schreibe deinen nächsten Beitrag mit dem Schnitt des „mehr anzeigen“ im Blick, der präzisen Überschrift und dem Interaktionsköder außen vor: Teste die KI-Tools für LinkedIn, ohne Registrierung.

Schreibe deinen nächsten Beitrag mit dem Schnitt des „mehr anzeigen“ im Blick, der präzisen Überschrift und dem Interaktionsköder außen vor: Teste die KI-Tools für LinkedIn, ohne Registrierung.

↑ Nach oben