Seit Ende Juli hängt an jedem LinkedIn-Beitrag ein Menüpunkt, mit dem Leser einen Text als KI-Slop melden können. Auf dem Button steht: "Scheint ein KI-Slop zu sein". Mit dem Begriff "KI-Slop" meint man glatt formulierten Text ohne eigene Substanz, also genau das, was ein Sprachmodell ausspuckt, wenn niemand wenigsten ein bisschen nachlegt. Über eine Million Mal haben Nutzer diesen "Knopf" in den ersten drei Wochen gedrückt. Beiträge, die LinkedIn daraufhin als Slop einordnet, bekommen nach Angaben des Produktchefs rund 40 Prozent weniger Aufrufe.
In den Schlagzeilen wurde daraus „40 Prozent weniger KI-Slop“. Das klingt zwar griffig, trifft aber nicht das, was LinkedIn tatsächlich gesagt hat. Denn die 40 Prozent beziehen sich nicht darauf, dass es weniger KI-Slop gibt. Gemeint ist, dass Beiträge, die LinkedIn als Slop einstuft, deutlich weniger Reichweite bekommen. Und genau das sollte für jeden interessant sein, der auf LinkedIn Texte veröffentlicht.
Die 40 Prozent messen etwas anderes als die Schlagzeilen behaupten
LinkedIn hat nicht gemessen, wie viel KI-Text auf der Plattform landet. Gemessen wurde die Reichweite von Beiträgen, die das System bereits als Slop einsortiert hatte. Heise und it-daily weisen beide darauf hin, dass sich daraus kein Rückschluss auf die Menge der veröffentlichten KI-Texte ziehen lässt. Dieselben Nutzer können also weiter genauso viel generieren. Ihre Beiträge landen nur seltener in fremden Feeds.
Einen Eindruck von der Menge liefert die Analysefirma Pangram. Rund 41 Prozent der längeren LinkedIn-Beiträge stufte sie im Sommer als vollständig KI-generiert ein. LinkedIn selbst hat diese Entwicklung lange mit angeschoben. Die Plattform bot einen Knopf an, der Beiträge automatisch umschreiben ließ. Inzwischen ist dieser Knopf verschwunden. An seiner Stelle gibt es eine reine Korrekturhilfe, die weniger stark in den Text eingreift.
Die Richtung ist damit ziemlich klar. LinkedIn verbietet das Schreiben mit KI nicht. Die Reichweite leidet dort, wo ein Beitrag beim Leser den Eindruck hinterlässt, hier hat sich keiner mehr die Mühe gemacht.
Warum ausgerechnet LinkedIn so voll damit ist
Mich wundern die 41 Prozent nicht. Auf LinkedIn wird ein Ton belohnt, der sachlich klingt und dabei niemandem wehtut. Diesen Ton trifft ein Sprachmodell auf Anhieb, weil er aus Formulierungen besteht, die es tausendfach gesehen, gelesen und abgespeichert hat. Ein Beitrag über Führung oder Karriere braucht dort oft keine eigene Position. Eine saubere Oberfläche reicht.
Bei Blogartikeln und Newslettern läuft dasselbe Spiel. In vielen Texten über Zeitmanagement oder Kundengewinnung finden sich seit zwanzig Jahren dieselben Inhalte, die durch die Branche wandern. Ein Sprachmodell kennt diese einzelnen Elemente bestens und setzt sie fehlerfrei zusammen. Diese Glätte wird zum Problem. Ein Leser muss die KI dahinter gar nicht erkennen. Er merkt schon vorher, dass ihm nichts Eigenes erzählt wird.
Beim KI-Slop urteilt das Bauchgefühl
Ein Detektor rechnet mit Wahrscheinlichkeiten und liefert dir eine Prozentzahl. Beim Melde-Knopf läuft es anders. Da scrollt jemand über deinen Beitrag, denkt nach zwei Absätzen „Kenn ich schon“ und klickt. Dieser Klick zählt genauso viel wie ein sauber begründetes Urteil. Ob dein Text wirklich von einer KI kam, spielt für die Folgen keine Rolle mehr.
Hier hat sich etwas verschoben. Jahrelang haben sich Leute darüber gestritten, was KI-Detektoren tatsächlich leisten. Die kurze Antwort darauf bleibt: Sie liegen regelmäßig daneben und schlagen bei Texten Alarm, die nie eine KI gesehen haben. Bei LinkedIn reicht jetzt der Eindruck des Lesers. Herzlichen Glückwunsch.
Ein Detektor braucht den kompletten Text, um überhaupt rechnen zu können. Ein Leser braucht zwei Sätze und entscheidet danach, ob er weiterliest oder nicht. Diese Entscheidung fällt schneller als jede Analyse und bei jedem Leser neu. Aus tausend solcher Bauchentscheidungen entsteht auf einer Plattform ein Signal, das über deine Sichtbarkeit bestimmt.
Woran Leser KI-Slop festmachen
Der Verdacht beginnt meistens beim Klang. Ein Text gewichtet jede Aussage gleich, baut jeden Absatz ähnlich auf und fühlt sich dadurch nach Vorlage an. Leser können das häufig nicht benennen. Nach zwei Absätzen merken sie trotzdem, dass irgendwas nach Baukasten klingt und scrollen weiter oder klicken seit neustem auf dem Melde-Button.
Ein Muster fällt besonders schnell auf. Jeder Abschnitt startet mit einer Definition und endet mit einem Appell. Beim dritten Abschnitt weiß der Leser schon, was gleich kommt. Ab da liest er nur noch quer, weil die Form jede Überraschung rausgenommen hat. Beim freien Schreiben bekommen manche Punkte automatisch mehr Raum als andere.
Dann kommen die Kleinigkeiten, an denen sich inzwischen viele festbeißen. Aufzählungen bestehen auffällig oft aus genau drei Punkten, Übergänge klingen jedes Mal gleich und jede Behauptung wird im nächsten Halbsatz wieder eingeweicht. Ich habe zu diesen Signalen vor kurzem einen Artikel geschrieben. Dort zeige ich dir, wie du eine KI-Antwort erkennst, sogar in einer WhatsApp-Nachricht von einem Bekannten.
Deine Leser liegen mit diesem Urteil nicht immer richtig. Gut getarnter KI-Text rutscht durch und gleichzeitig bekommen Beiträge eine Meldung, die jemand Wort für Wort selbst getippt hat. Beides passiert täglich und beides kostet Reichweite.
Gegen eine Meldung kannst du dich nicht wehren
Bei einem Detektor kannst du gegenhalten. Du jagst denselben Text durch ein zweites Werkzeug, bekommst ein anderes Ergebnis und hast ein Argument in der Hand. Gegen den Klick eines Lesers gibt es dieses Argument nicht. Du erfährst bisher nicht einmal, ob jemand deinen Beitrag gemeldet hat. LinkedIn hat lediglich angekündigt, Autoren künftig vielleicht darüber zu informieren.
In den Kommentaren unter der Ankündigung des Produktchefs taucht der Einwand auf, der auf der Hand liegt. Nutzer melden nach Gefühl und treffen damit auch Leute, die jeden Satz selbst geschrieben haben. LinkedIn hält trotzdem an dem System fest, weil die Meldungen als weiteres Signal in die automatische Sortierung einfließen. Und dein Nachweis, dass du selbst geschrieben hast, hilft dir dabei kein Stück. Beim Leser zählt der Eindruck, den die ersten Absätze hinterlassen.
Wie viele Klicks es überhaupt braucht, bis die Reichweite einbricht, sagt LinkedIn nirgends. Ich finde keine offizielle Stelle und keine Übersicht, ab wann die viel zitierten 40 Prozent greifen. In deinen eigenen Beitragsstatistiken taucht die Zahl der Meldungen ebenfalls nicht auf, im besten Fall bekommst du einen vagen Hinweis in den Analysen zum Beitrag. Ich halte die Geheimniskrämerei für nachvollziehbar, weil LinkedIn damit koordiniertes Melden erschwert. Ein Grüppchen könnte sonst so lange gemeinsam klicken, bis ein unbequemer Beitrag aus den Feeds verschwindet. Für dich als Ersteller heißt das trotzdem, dass du im Dunkeln sitzt. Auf einen Grenzwert hinzuarbeiten, den niemand kennt, ergibt keinen Sinn. Übrig bleibt die Qualität deines Textes und die kannst du wenigstens selbst steuern.
Der Knopf ist nur die sichtbare Version eines alten Urteils
LinkedIn hat diesem Urteil nur einen Knopf gegeben. Leser haben Texte schon vorher aussortiert, du hast es nur später gemerkt.
Im Postfach kommt das Urteil als Abmeldung zurück. Niemand schreibt dir dazu, dass die letzte Mail nach Baukasten geklungen hat. Die Adresse verschwindet einfach aus der Liste. Auf deiner Website siehst du Besucher, die nach zwanzig Sekunden wieder draußen sind. Bei einem verschickten Angebot bleibt die Antwort aus und du erfährst nie, ob der Preis den Ausschlag gab oder der Ton des Textes.
Bei einem bezahlten Produkt landet dasselbe Urteil irgendwann in der Rezension. Der Käufer schreibt dort selten etwas über KI. Er vergibt drei Sterne und notiert, der Inhalt sei oberflächlich geblieben. Für deine Sichtbarkeit kann das denselben Effekt haben wie eine Meldung im Karrierenetzwerk.
Immerhin bekommst du auf LinkedIn ein sichtbares Signal. In anderen Kanälen kommt gar nichts zurück. Du siehst nur, dass etwas schlechter läuft als vorher und fängst an, am Preis oder am Design herumzuschrauben. Dabei kann der Grund die ganze Zeit im Text stecken.
Im Suchergebnis läuft diese Bewertung noch einmal automatisiert ab. Google straft KI-Text nicht als solchen ab, austauschbarer Text rutscht trotzdem nach hinten. Wie Google KI-Text bewertet, habe ich an anderer Stelle auseinandergenommen.
Was du daraus für deine eigenen Texte mitnimmst
Rohtext gehört nicht ungelesen nach draußen
Ein Text, der ohne Nachbearbeitung aus dem Modell direkt ins Veröffentlichungsfeld wandert, trägt den typischen Klang mit. Bei einem einzelnen Post kostet dich das ein paar Leser. Bei einem Text, unter dem dein Name als Fachperson steht, kostet es dich den Ruf, an dem du seit Jahren baust.
2023 habe ich das selbst erlebt, als ich meine erste Rohfassung aus ChatGPT gezogen habe. Formal war die Fassung ganz ok. Trotzdem habe ich sie nach zwei Kapiteln weggelegt, weil sie exakt so klang wie die eingekauften Manuskripte, die ich Jahre zuvor mühsam entschärft hatte. Seitdem geht bei mir kein Rohtext ungelesen raus.
Der Anfang entscheidet über den Rest
Im Feed sieht ein Leser zwei Zeilen, bevor er auf „Mehr anzeigen“ klickt. Ähnlich knapp fällt die Vorschau im Postfach aus. Beim Blogartikel entscheidet der erste Absatz. Ausgerechnet dort klingt KI-Rohtext oft am austauschbarsten, weil Einleitungen zu den am stärksten vorgeprägten Textsorten gehören. Eine KI hat Millionen davon gesehen und greift entsprechend schnell auf bekannte Muster zurück.
Falls dir für die Nacharbeitung nur wenig Zeit bleibt, steck sie in den Anfang. Den Rest sieht sowieso erst jemand, der sich fürs Weiterlesen entschieden hat. Diese Entscheidung fällt in den ersten Sekunden, auf den paar Zeilen, die jeder ohne weiteren Klick zu sehen bekommt.
Deine Erfahrung ist der Teil, den kein Modell liefert
Ein Sprachmodell kennt alles, was jemals irgendwo geschrieben wurde. Es kennt weder den Kunden, der dich letzten Dienstag angerufen hat, noch den Fehler, der dich vier Wochen deiner Zeit gekostet hat. Jedes Detail aus deinem eigenen Alltag macht den Text an dieser Stelle unverwechselbar.
Ja, das kostet Arbeit. Vor allem dort lohnt sich die Mühe, wo ein Text länger lebt als zwei Tage, etwa auf einer Verkaufsseite oder in einem Artikel, der noch in zwei Jahren Besucher bringt. Bei einem Post, der nach zwei Tagen aus dem Feed verschwindet, würde ich mir dieselbe Mühe deutlich genauer überlegen.
Die Regeln greifen vor dem Schreiben
Die meisten Leute versuchen, den KI-Klang hinterher aus dem Text zu bügeln. Das funktioniert, frisst aber schnell mehr Zeit als der eigentliche Schreibvorgang. Schneller wird es, wenn du dem Modell vorher klare Regeln gibst, welche Satzanfänge und welche Wörter bei dir rausfliegen.
So arbeite ich jeden Tag an meinen Texten. Ich habe mir ein Regelwerk gebaut, das festlegt, wie ein Satz beginnen darf und an welcher Stelle ein Text vom Erklären ins Leiern kippt. Der Rohtext kommt damit schon anders heraus und die Nacharbeitung schrumpft auf ein paar Stellen zusammen, statt zwei Abende mit einer öden Korrektur zu verschwenden.
Die Regeln findest du im KI-Klang-Handbuch. Darin stehen zwölf Regeln und fertige Vorlagen, mit denen du deinem Sprachmodell beibringst, wie ein Mensch schreibt. Nimm dir den nächsten Text, den du sowieso vor dir hast und lies ihn einmal laut. An der Stelle, an der du selbst hängen bleibst oder gähnst, steigt auch dein Leser aus. Und genau das ist LinkedIns neue Kurve: Nicht die KI entscheidet, ob dein Text weiterläuft, sondern der Leser, der nach zwei Sätzen weiterwischt.