Der Großteil des LinkedIn-Feed-Traffics wird seit 2025 von Sprachmodellen und Transformer-Modellen sortiert. Lange Verweildauer ist dabei ein eigenes Trainingssignal neben Likes, Kommentaren und Shares. Wie stark LinkedIn die Signale gewichtet, ist nicht öffentlich. Für B2B-Reichweite zählt daher Leseaufmerksamkeit, und austauschbare Inhalte werden gedrosselt.
Dieser Artikel unterscheidet drei Ebenen: was LinkedIn selbst veröffentlicht hat, was große Fremddatensätze beobachten, und was ohne Primärquelle zirkuliert. Jede Zahl steht mit ihrer Quelle. Wo Erhebungszeitraum und Stichprobe veröffentlicht sind, stehen sie dabei, und wo sie fehlen, steht auch das dabei. Das ist nötig, weil zum LinkedIn-Algorithmus viele Zahlen im Umlauf sind, die ungeprüft voneinander abgeschrieben werden.
Was LinkedIn veröffentlicht hat, und wann
Am 12. März 2026 hat LinkedIn zwei Dinge parallel publiziert. Tim Jurka beschreibt im Update zum Feed den Umbau auf „generative recommenders" und große Sprachmodelle. Reduziert werden laut dieser Ankündigung repetitive Beiträge mit geringer Substanz, Engagement-Bait nach dem Muster „Comment 'Yes' if you agree", Videos, die nicht zum Text passen, und wiederverwertete Thought-Leadership-Inhalte.
Wichtig für die zeitliche Einordnung: Dieser Beitrag fasst Änderungen des vergangenen Jahres zusammen und beschreibt einen laufenden Rollout. Er markiert keinen Stichtag. Das in arXiv 2602.12354 beschriebene Ranking-Modell Feed SR bediente bereits über drei Monate vor der Veröffentlichung im Februar 2026 den Großteil des Feed-Traffics. Wer von einem Umschaltdatum spricht, verkürzt einen Prozess, der über mehrere Quartale läuft.
Der Engineering-Blog von Hristo Danchev liefert am selben Tag die technische Begründung. Ein einheitliches LLM-Retrieval ersetzt dort mehrere getrennte Systeme, unter anderem Trending Posts, Collaborative Filtering und industriespezifische Trending-Quellen. Einen Tag später folgte das Paket gegen inauthentische Aktivität : Engagement-Pods werden entfernt, automatisierte Kommentare aus dem Bereich „Most Relevant" ausgeblendet, und über 100 Millionen Mitglieder tragen inzwischen eine Verifizierung.
Was in diesen Quellen fehlt, ist eine Gewichtung der Signale. LinkedIn beschreibt Architektur und Trainingsziele, veröffentlicht aber keine Angabe dazu, wie stark ein einzelnes Signal wirkt. Jede Prozentangabe zur Wirkung eines Rankingfaktors stammt daher aus Fremdmessungen.
- Okt. 2024 Verweildauer als justierbares Rankinggewicht Engineering-Blog beschreibt Verweildauer als passiven Konsum mit einstellbarem Gewicht, ausdrücklich ohne universelle Sekundenschwelle.
- Okt. 2025 Retrieval über Causal Language Models arXiv 2510.14223, für Empfehlungen außerhalb des eigenen Netzwerks: rund 2.000 Kandidaten, Latenzbudget wenige Millisekunden.
- ab ca. Nov. 2025 Feed SR bedient den Großteil des Traffics Laut Paper vom Februar 2026 lief das Modell zu diesem Zeitpunkt bereits über drei Monate in Produktion.
- Feb. 2026 Feed SR ersetzt den DCNv2-Ranker arXiv 2602.12354. Online-Test: plus 2,10 Prozent verbrachte Zeit, plus 3,52 Prozent Likes, Kommentare und Shares.
- 12. März 2026 Generative Recommender im Feed erläutert Produktankündigung und Engineering-Blog fassen den laufenden Rollout zusammen.
- 13. März 2026 Paket gegen inauthentische Aktivität Engagement-Pods werden entfernt, automatisierte Kommentare ausgeblendet, über 100 Millionen Verifizierungen.
- Mai 2026 Reichweitenbegrenzung für generische Inhalte Laura Lorenzetti bestätigt die Drosselung. LinkedIn nennt 94 Prozent Trefferquote in frühen Tests, ohne Angabe zur Fehlerquote.
- 2. Aug. 2026 EU AI Act, Artikel 50 Transparenzpflichten gelten ab diesem Datum, mit unterschiedlichen Pflichten für Anbieter und Anwender. Markierungspflicht für Altsysteme erst ab 2. Dezember 2026.
Quelle: LinkedIn News, LinkedIn Engineering Blog, arXiv 2510.14223 und 2602.12354, Europäische Kommission
Warum Verweildauer als Signal wichtig ist
Der belastbarste Satz zum Thema steht im Engineering-Blog von LinkedIn. Das Ranking-Modell trainiert auf „passive tasks (click, skip, long-dwell) and active tasks (like, comment, share)". Lange Verweildauer ist damit ein eigenes Trainingssignal und steht neben den aktiven Signalen.
Was daraus nicht folgt: eine Rangfolge. LinkedIn nennt die beiden Gruppen, veröffentlicht aber keine Gewichtung. Likes, Kommentare, Shares und Popularitätswerte bleiben ausdrücklich Modellmerkmale. Wer behauptet, Verweildauer habe Kommentare als wichtigstes Signal abgelöst, geht über die Quelle hinaus.
Passive Signale
- Click, der Aufruf eines Beitrags
- Skip, das Vorbeiscrollen
- Long-dwell, lange Verweildauer
Aktive Signale
- Like, die Reaktion
- Comment, der Kommentar
- Share, das Teilen
passive tasks (click, skip, long-dwell) and active tasks (like, comment, share)
LinkedIn Engineering, Engineering the next generation of LinkedIn's Feed, 12. März 2026
Quelle: LinkedIn Engineering Blog, 12. März 2026
Das Ranking-Modell Feed SR liefert im Online-Test 2,10 Prozent mehr verbrachte Zeit und 3,52 Prozent mehr Likes, Kommentare und Shares. Die Zeitangabe bezieht sich dabei auf die Gesamtzeit, die Mitglieder auf der Plattform verbringen. Über die Verweildauer je Beitrag sagt sie nichts.
Zwei Details der Messmethodik sind praktisch relevant. Erstens definierte LinkedIn die Feed-Verweildauer im Jahr 2020 so, dass die Messung beginnt, sobald mindestens die Hälfte eines Beitrags im Sichtfeld liegt. Ob das für das aktuelle Modell unverändert gilt, ist nicht veröffentlicht. Zweitens ist kein universeller Zielwert in Sekunden veröffentlicht. LinkedIn schreibt ausdrücklich , dass 30 Sekunden bei einem Bild als lang gelten können, bei einem Video aber nicht. Die Schwelle ist formatrelativ und intern.
Für die Praxis heißt das: Ein Beitrag braucht Leseaufmerksamkeit, bevor er Interaktion erzeugen kann. Wer schnell weiterscrollt, erzeugt ein Skip, und Skip ist eine der passiven Aufgaben, auf die das Modell trainiert wird. Ob und wie stark das negativ wirkt, ist nicht veröffentlicht.
Was die Formatdaten zeigen, und was sie nicht zeigen
Eine Vorbemerkung zur Belastbarkeit, die für alle folgenden Zahlen gilt. Es handelt sich um Beobachtungsdaten aus unkontrollierten Durchschnittsvergleichen. Die Erhebungszeiträume liegen überwiegend vor März 2026, und Socialinsider weist selbst darauf hin, dass die als 2026 ausgewiesenen Jahreswerte aus 2025 stammen. Diese Daten können den Rollout also nicht belegen. Sie sind mit der Lesart vereinbar, dass Formate mit hoher Leseaufmerksamkeit besser abschneiden, und tragen keine Aussage über Ursachen.
Der methodisch klarste Datensatz kommt von AuthoredUp : über drei Millionen Beiträge von Personenprofilen zwischen März 2025 und Februar 2026, ausgewiesen als Faktor gegen den Median des jeweiligen Profils. Diese Normierung vergleicht jedes Profil mit sich selbst, wodurch Größenunterschiede zwischen Konten herausfallen.
| Kategorie | Reichweite (Faktor) | Interaktion (Faktor) |
|---|---|---|
| Dokument | 1,39 | 1,30 |
| Bild | 1,20 | 1,33 |
| Umfrage | 1,78 | 0,37 |
| Text | 1,07 | 0,78 |
| Video | 0,86 | 0,93 |
| Artikel | 0,69 | 0,44 |
| Repost | 0,29 | 0,22 |
Quelle: AuthoredUp 2026, über 3 Mio. Beiträge von Personenprofilen, März 2025 bis Februar 2026 Werte als Faktor gegen den Median des jeweiligen Profils. 1,00 entspricht dem eigenen Median.
Die Umfrage verdient besondere Aufmerksamkeit. Sie erreicht mit Faktor 1,78 die höchste Reichweite aller Formate und liefert mit Faktor 0,37 die schwächste Interaktion. Nach Impressionen bewertet sieht das nach Erfolg aus. Zu beachten ist dabei, dass dieser Interaktionswert Reaktionen, Kommentare und Shares zusammenfasst und die Stimmabgabe selbst nicht enthält. Über den Gesprächswert einer Umfrage sagt er daher nur, dass sie im Durchschnitt weniger Interaktionen außerhalb der Stimmabgabe auslöst.
Bei Unternehmensseiten zeigt sich ein ähnliches Muster aus anderer Richtung. Socialinsider hat 1,3 Millionen Beiträge von 16.645 Unternehmensseiten zwischen Januar 2024 und Dezember 2025 ausgewertet. Wichtig für den Vergleich mit anderen Studien: Socialinsider definiert die Interaktionsrate als Interaktionen geteilt durch Impressionen. Zahlen aus Studien, die auf Follower oder auf Beiträge normieren, sind damit nicht vergleichbar.
| Kategorie | Wert |
|---|---|
| Native Dokumente | 7,00 % |
| Multi-Image | 6,45 % |
| Video | 6,00 % |
| Bild | 5,30 % |
| Text | 4,50 % |
| Umfrage | 4,20 % |
| Link-Beitrag | 3,25 % |
Quelle: Socialinsider 2026, 1,3 Mio. Beiträge von 16.645 Unternehmensseiten, Januar 2024 bis Dezember 2025
Beim Video zeigt derselbe Datensatz eine gegenläufige Bewegung, die man auseinanderhalten muss. Die durchschnittlichen Videoaufrufe sanken über alle Seitengrößen, bei Seiten mit 1.000 bis 5.000 Followern von 190 auf 155 und bei Seiten mit 100.000 bis einer Million Followern von 2.430 auf 1.380. Die Interaktionsrate von Video stieg im selben Zeitraum um 7 Prozent auf 6,00 Prozent. Weniger Menschen sehen ein Video, und die, die es sehen, reagieren häufiger.
Quelle: Socialinsider 2026, 1,3 Mio. Beiträge von 16.645 Unternehmensseiten, Januar 2024 bis Dezember 2025. Die als 2026 ausgewiesenen Werte stammen laut Anbieter aus 2025.
Eine Formatstrafe lässt sich daraus nicht ableiten, und ein Verzicht auf Video folgt daraus auch nicht. Eine mögliche Erklärung ist Sättigung: Laut Metricool ist Video bei Personenprofilen inzwischen das häufigste Format. Wenn mehr Video bei gleichbleibender Aufmerksamkeit veröffentlicht wird, sinken die Aufrufe je Beitrag. Geprüft ist diese Erklärung nicht, und die Formatanteile fallen im Datensatz von AuthoredUp anders aus, was zeigt, wie stark solche Aussagen von der Stichprobe abhängen. Die praktische Folgerung betrifft die Erwartung an Aufrufzahlen, weniger die Wahl des Formats.
Wie LinkedIn generische Inhalte abstuft
Zwei Dinge werden hier häufig vermischt. Ein pauschaler Malus für AI-Unterstützung ist nicht dokumentiert. Was LinkedIn benennt, ist die Drosselung austauschbarer Inhalte, und davon getrennt die Sanktionierung von Automatisierung.
Laura Lorenzetti, VP und Executive Editor bei LinkedIn, hat die Maßnahme im Mai 2026 gegenüber Entrepreneur begründet. Die Menge erstellter Inhalte sei im Jahresvergleich um 14 Prozent gestiegen: „AI can really help people unlock content creation. But it also means that a lot of people can produce a lot of very low-quality content." Laut The Next Web markierte das Erkennungssystem generische Inhalte in frühen Tests in 94 Prozent der Fälle korrekt. Eine Teststichprobe und den Anteil falsch markierter Beiträge hat LinkedIn nicht veröffentlicht, und ohne die Fehlerquote ist eine Treffergenauigkeit allein wenig aussagekräftig.
Die beschriebene Folge ist reduzierte Reichweite. Laut dem Interview bleibt die Sichtbarkeit markierter Beiträge häufig auf Kontakte ersten Grades begrenzt. Eine vollständige Entfernung aus allen Empfehlungen beschreibt die Quelle nicht, und der Rollout war im Mai 2026 noch nicht abgeschlossen. Wer wenig eigene Follower hat, verliert bei einer solchen Begrenzung entsprechend mehr Verteilung.
Wird gedrosselt
- Repetitive Beiträge mit geringer Substanz
- Engagement-Bait wie „Comment 'Yes' if you agree"
- Videos, die nicht zum Text des Beitrags passen
- Wiederverwertete Thought-Leadership-Inhalte
- Schablonenformulierungen, genannt wird „it's not X, it's Y"
- Automatisierte Kommentare aus Tools und Extensions
- Koordinierte Engagement-Pods
Bleibt zulässig
- AI als Unterstützung bei Recherche und Struktur
- AI beim Redigieren eines eigenen Textes
- Eigene Beobachtungen und eigene Zahlen
- Fachbegriffe und belegte Behauptungen
- Wiederkehrende Themen mit neuem Blickwinkel
Quelle: LinkedIn News 12. und 13. März 2026, Entrepreneur und The Next Web, Mai 2026
Was Artikel 50 des EU AI Act für Ihre Beiträge bedeutet
Ab dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 des EU AI Act. In der Marketingkommunikation wird daraus häufig eine Kennzeichnungspflicht für jeden AI-gestützten Beitrag. Das gibt die FAQ der Europäischen Kommission so nicht her.
Die Verordnung trennt zwei Rollen. Anbieter generativer Systeme müssen deren Ausgaben maschinenlesbar markieren, sodass sie als künstlich erzeugt erkennbar sind. Diese Pflicht trifft die Modellanbieter, nicht Sie als Verfasser eines Beitrags. Für Systeme, die vor dem 2. August 2026 auf dem Markt waren, greift diese Markierungspflicht laut Kommission erst ab dem 2. Dezember 2026.
Für Anwender greifen mehrere getrennte Offenlegungspflichten aus unterschiedlichen Absätzen mit jeweils eigenen Voraussetzungen. Nach Absatz 4 sind Deepfakes klar zu kennzeichnen, ebenso AI-erzeugte oder manipulierte Texte, die zur Information der Öffentlichkeit über Angelegenheiten von öffentlichem Interesse veröffentlicht werden. Nach Absatz 3 sind Personen darüber zu informieren, wenn Emotionserkennung oder biometrische Kategorisierung eingesetzt wird.
Für die Praxis entscheidend ist die Ausnahme für redaktionelle Kontrolle. Die Kommission formuliert sie klar: veröffentlichter Text, der einer menschlichen Prüfung oder redaktionellen Kontrolle unterlag, muss nicht gekennzeichnet werden. Rein formale oder verfahrensmäßige Prüfungen wie Rechtschreib- oder Grammatikkorrektur gelten dabei ausdrücklich nicht als redaktionelle Kontrolle. Ein fachlich geprüfter und verantwortet veröffentlichter B2B-Beitrag fällt damit im Regelfall nicht unter die Offenlegungspflicht für Anwender.
Der Bußgeldrahmen von bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes bezieht sich auf Verstöße gegen die Verordnung und richtet sich nach Rolle und Verstoß, mit ausdrücklicher Rücksicht auf die Größe kleiner und mittlerer Unternehmen. Er ist kein Preisschild für einen nicht gekennzeichneten LinkedIn-Beitrag. Inhalte, die vor dem 2. August 2026 erzeugt wurden, müssen laut Kommission nicht rückwirkend gekennzeichnet werden.
Diese Einordnung ist keine Rechtsberatung. Wenn Sie Deepfakes einsetzen oder zu Themen von öffentlichem Interesse publizieren, lassen Sie den konkreten Fall prüfen.
Was externe Links wirklich kosten
Zu keinem Thema widersprechen sich die Auswertungen so deutlich. Die Auflösung liegt darin, zwei Fragen zu trennen, die meist als eine behandelt werden.
Die erste Frage betrifft den Kontotyp. Metricool hat 673.658 Beiträge von 63.108 Konten in zwei Fenstern von Januar bis Februar 2025 und 2026 ausgewertet und findet für Links einen gegenläufigen Zusammenhang je nach Absender: Unternehmensseiten liegen mit Link 51 Prozent über den Impressionen und 41 Prozent über den Interaktionen, Personenprofile liegen 27 beziehungsweise 20 Prozent darunter.
Diese Gegenüberstellung hat eine Einschränkung, die in der Rezeption fast immer fehlt. Metricool erfasst bei Personenprofilen nach eigener Angabe nur Beiträge, die über Metricool veröffentlicht wurden, weil die LinkedIn-API nichts anderes zulässt. Für Unternehmensseiten gilt diese Beschränkung nicht. Die beiden Gruppen sind damit nicht gleich erhoben, und der Unterschied kann teilweise aus der Stichprobe stammen. Als Korrelation innerhalb dieses Datensatzes ist der Befund brauchbar. Als Regel über Kontotypen trägt er nicht.
Die zweite Frage betrifft die Anzahl der Links. Die verbreitete Beobachtung, dass die Reichweite ab drei Links wieder steigt, findet sich in zwei Berichten: 140 Prozent über 223.996 Beiträge bei Saywhat und 236 Prozent über 318.842 Beiträge im dritten Quartal 2025 bei Will McTighe und Chris Donnelly. Diese beiden Zahlen sind keine unabhängige Bestätigung. Will McTighe ist Geschäftsführer von Saywhat, beide Berichte stammen also aus derselben Quelle mit unterschiedlichen Erhebungen.
| Kategorie | Wert |
|---|---|
| Drei Links und mehr | +236 % |
| Drei Links und mehr | +140 % |
| Unternehmensseite, Impressionen | +51 % |
| Unternehmensseite, Interaktionen | +41 % |
| Ein Link im Text, Median-Reichweite | −18,8 % |
| Personenprofil, Interaktionen | −20 % |
| Personenprofil, Impressionen | −27 % |
Quelle: Metricool 2026, Saywhat und McTighe / Donnelly, Richard van der Blom Algorithm Insights 2026 Getrennte Studien mit unterschiedlichen Stichproben und Kennzahlendefinitionen. Die Werte sind nicht gegeneinander aufrechenbar.
Als Handlungsanweisung taugt das nicht. Beiträge mit drei oder mehr Links sind in der Regel Ressourcenlisten und damit eine andere Inhaltsgattung als der Beitrag mit einem Link auf eine Landingpage. Die plausibelste Lesart ist ein Auswahleffekt: gemessen wird der Unterschied zwischen Inhaltstypen. Das bleibt eine Hypothese, die zu den Daten passt.
Für die verbreitete Aussage, ein Link im ersten Kommentar koste bis zu 80 Prozent Sichtbarkeit, findet sich keine überprüfbare Primärquelle. Bemerkenswert ist im Vergleich, was die LinkPost-Auswertung über 438.413 Beiträge zu externen Links schreibt: „not measured here". Diese Offenheit findet sich in der Ratgeberliteratur selten.
Der Screenshot-Trick und wo er endet
Eine Taktik hat sich 2026 sichtbar verbreitet: Screenshots von Textnachrichten, Direktnachrichten oder Chatverläufen als Bildbeitrag. Zur Wirkung dieser Taktik gibt es weder eine Plattformaussage noch eine belastbare Studie. Was folgt, ist eine begründete Hypothese und ein Praxishinweis.
Die Hypothese lautet: Ein Screenshot muss gelesen werden, und Lesen erzeugt Verweildauer. Da lange Verweildauer ein eigenes Trainingssignal ist, könnte das Format davon profitieren. Dazu passt der Befund von AuthoredUp, dass Bildbeiträge mit Faktor 1,33 den höchsten Interaktionsmultiplikator aller Formate erreichen. Getestet ist dieser Zusammenhang nicht, und Bildbeiträge sind eine viel breitere Kategorie als Screenshots.
Die verbreitete Angabe, Screenshot-Beiträge lägen 85 Prozent über Video, Text und Carousel, stammt aus einem Reddit-Thread. Sie hat keine methodische Grundlage.
Zwei Einschränkungen gehören dazu. Erstens drosselt LinkedIn seit März 2026 ausdrücklich repetitive Beiträge mit geringer Substanz. Eine Taktik, die zur Masche wird, arbeitet gegen dieses Kriterium. Zweitens berührt die Veröffentlichung privater Nachrichten die DSGVO. Ein Screenshot mit identifizierbaren Angaben verarbeitet personenbezogene Daten, und Schwärzen von Namen und Profilbild stellt keine sichere Anonymisierung her, weil Kontext und Formulierung eine Person identifizierbar halten können. Belastbar ist nur der Weg über eine Einwilligung der betroffenen Person oder über eine vollständige Neuformulierung ohne Personenbezug. LinkedIn benachrichtigt niemanden über einen Screenshot, was zur Zulässigkeit nichts aussagt.
Dos und Don'ts für die Praxis
Jede Zeile hängt an einem Beleg aus den Abschnitten oben.
Tun | Warum, mit Beleg |
|---|---|
Leseaufmerksamkeit vor Interaktion planen | Long-dwell ist ein eigenes Trainingssignal des Ranking-Modells (LinkedIn Engineering, 12.03.2026) |
Dokumente und Bilder für Fachinhalte nutzen | Dokument 1,39x Reichweite, Bild 1,33x Interaktion gegen den eigenen Median (AuthoredUp, 3 Mio. Beiträge, 03/2025 bis 02/2026) |
Reichweite je Kontotyp selbst messen statt aus Studien übernehmen | Metricool misst 2,60 gegen 1,60 Prozent Interaktionsrate, erhebt Personenprofile aber selektiv (siehe Abschnitt zu Links) |
Die eigene Linkwirkung je Kontotyp selbst messen | Die Studienlage ist gegenläufig und bei Personenprofilen selektiv erhoben (Metricool, siehe Abschnitt zu Links) |
Die ersten 48 Stunden begleiten | 50 Prozent aller Impressionen fallen in dieses Fenster (Metricool-Studie 2026, 673.658 Beiträge) |
Eigene Beobachtungen und eigene Zahlen einbauen | Gedrosselt wird austauschbarer Inhalt, nicht AI-Nutzung (LinkedIn, Mai 2026) |
Fachliche Prüfung vor Veröffentlichung dokumentieren | Redaktionelle Kontrolle ist eine Ausnahme von der Offenlegungspflicht (Artikel 50 EU AI Act, FAQ der Kommission) |
Und die Gegenseite, ebenfalls belegt statt vermutet:
Lassen | Warum, mit Beleg |
|---|---|
Engagement-Bait und Kommentar-Aufforderungen als Reichweitentrick | Ausdrücklich als Reduktionsgrund benannt (LinkedIn, 12.03.2026) |
Engagement-Pods und Kommentar-Automatisierung | Werden entfernt, Konten können eingeschränkt werden (LinkedIn, 13.03.2026) |
Umfragen an Impressionen messen | 1,78x Reichweite bei 0,37x Interaktion außerhalb der Stimmabgabe (AuthoredUp, 3 Mio. Beiträge) |
Hohe Aufrufzahlen von Video erwarten | Durchschnittliche Aufrufe minus 36 Prozent im Jahresvergleich, bei gleichzeitig steigender Interaktionsrate (Socialinsider, 1,3 Mio. Beiträge) |
Schablonen wie „it's not X, it's Y" | Von LinkedIn als Zielmuster genannt (The Next Web, Mai 2026) |
Videos, die nicht zum Text passen | Ausdrücklich als Reduktionsgrund benannt (LinkedIn, 12.03.2026) |
Sekundenwerte als Ziel für Verweildauer verfolgen | Die Schwelle ist formatrelativ und unveröffentlicht (LinkedIn Engineering, 10/2024) |
Wie sich daraus ein belastbarer Rhythmus statt einer Sammlung von Einzeltaktiken bauen lässt, beschreiben wir im 4R-System . Für den Aufbau thematischer Autorität über längere Zeiträume ist unser Leitfaden zu Thought Leadership und Category Design der passendere Einstieg, für den einzelnen Beitrag im Vertriebskontext die Anleitung zum Social-Selling-Post .
Acht Angaben, die unbelegt oder nicht vergleichbar sind
Diese Angaben kursieren breit. Keine davon ist widerlegt, allen fehlt eine überprüfbare Grundlage oder die Vergleichbarkeit. Wir nennen die Fundstellen, weil eine Behauptung ohne Adresse nicht prüfbar ist.
„360Brew ist der Algorithmus 2026." Das zugehörige arXiv-Paper 2501.16450 bezeichnet das Modell selbst als „research pre-production model". Es beschreibt also keinen Produktivstand. Das Paper wurde zusätzlich von den arXiv-Administratoren zurückgezogen, weil der Einreichende zum Zeitpunkt der Einreichung nicht berechtigt war, der Lizenz zuzustimmen. Das ist ein Lizenzvorgang und kein inhaltlicher Widerruf. Die in Produktion belegten Systeme heißen Feed SR und Causal-LM-Retrieval. Kursiert bei dataslayer.ai, linkboost.co, expandi.io und falia.co.
Feste Sekundenschwellen für die Verweildauer. Im Umlauf sind „30 Sekunden gleich starkes Interesse", „ab 61 Sekunden 15,6 Prozent Interaktionsrate", „ab 15 Sekunden 3,2-fache Reichweite" und „Carousel gleich 42 Sekunden". Für keine dieser Angaben existiert eine Primärquelle, und LinkedIn beschreibt die Schwelle als formatrelativ. Kursiert bei viralbrain.ai, socialpilot.co, growwithghost.io, contentdrips.com, meet-lea.com und prospectory.ai.
„Kommentare zählen 15-mal so viel wie ein Like." Für diesen Faktor gibt es keine Quelle. LinkedIn veröffentlicht keine Signalgewichte, weshalb jede solche Zahl eine Schätzung ist. Konkurrierende Schätzungen reichen von etwa Faktor 2 bis Faktor 15. Keine von ihnen nennt eine nachvollziehbare Messung. Kursiert bei meet-lea.com und viralbrain.ai.
Der „Depth Score". Diese Metrik kommt in keiner LinkedIn-Veröffentlichung vor. Kursiert bei digitalapplied.com und socialboostdigital.com.
„Das Authenticity Update senkt die Reichweite von AI-Inhalten um bis zu 47 Prozent." LinkedIn hat zu Reichweiteneffekten keine Zahl genannt. Die Angabe hat keine belegte Grundlage. Kursiert bei futurefactors.ai.
„Die Interaktionsrate von Umfragen fiel auf 0,07 Prozent." Ohne Primärquelle, und Socialinsider misst im überlappenden Zeitraum 4,20 Prozent. Kursiert bei dataslayer.ai.
Carousel-Interaktionsraten von 21,77, 40,5 oder 49,52 Prozent. Diese Werte beruhen auf unterschiedlichen Kennzahlendefinitionen und Bezugsgrößen. Socialinsider normiert auf Impressionen, andere Auswertungen auf Follower oder Beiträge. Gegeneinander gestellt ergeben sie einen Widerspruch, der nur aus der Rechenweise stammt. Fundstellen: Buffer, influencia.net, dataslayer.ai.
„Ein Link im ersten Kommentar kostet bis zu 80 Prozent Sichtbarkeit." Keine überprüfbare Primärquelle. Kursiert bei contentdrips.com und bei Melanie Goodman auf Substack.
Ein Hinweis in eigener Sache gehört an diese Stelle. Eine frühere Fassung dieses Artikels hat selbst nicht belegbare Angaben verbreitet, darunter ein Zitat, das dem damaligen LinkedIn-CEO Ryan Roslansky zugeschrieben war, sowie Begriffe wie „Sustained Relevance Scoring" und „Topic Authority Score", die in keiner LinkedIn-Quelle vorkommen. Diese Passagen sind entfernt. Wir dokumentieren das, weil ein Artikel über die Drosselung austauschbarer Inhalte sonst schlecht beraten wäre.
Häufige Fragen zum LinkedIn-Algorithmus
Wie funktioniert der LinkedIn-Algorithmus 2026?
LinkedIn sortiert den Feed mit Sprachmodellen und Transformer-Modellen. Ein Paper zum Retrieval beschreibt für netzwerkfremde Vorschläge rund 2.000 Kandidaten. Ein zweites Paper beschreibt den Ranker Feed SR, der den Großteil des Feed-Traffics bedient und auf passive Signale wie Verweildauer sowie aktive Signale wie Likes und Kommentare trainiert ist. Wie beide Stufen zusammengesetzt sind, ist nicht veröffentlicht.
Wie wichtig ist die Verweildauer für die Reichweite?
Lange Verweildauer ist ein eigenes Trainingssignal des Ranking-Modells und steht neben Likes, Kommentaren und Shares. Das steht im Engineering-Blog von LinkedIn vom 12. März 2026. Eine Gewichtung zwischen den Signalgruppen hat LinkedIn nicht veröffentlicht.
Gibt es eine Sekundenzahl, ab der die Verweildauer zählt?
Kein öffentlich bekannter universeller Zielwert. LinkedIn beschreibt die Schwelle als formatrelativ und schreibt ausdrücklich, dass 30 Sekunden bei einem Bild als lang gelten können, bei einem Video aber nicht. Kursierende absolute Werte haben keine Primärquelle.
Bestraft LinkedIn Inhalte, die mit AI erstellt wurden?
Ein pauschaler Malus für AI-Unterstützung ist nicht dokumentiert. Gedrosselt wird generischer Inhalt, und getrennt davon wird Automatisierung sanktioniert. LinkedIn nennt für die Erkennung 94 Prozent Treffergenauigkeit in frühen Tests, ohne Angabe zur Fehlerquote. Die Sichtbarkeit markierter Beiträge bleibt laut Interview häufig auf Kontakte ersten Grades begrenzt. AI beim Recherchieren, Strukturieren und Redigieren bleibt zulässig.
Muss ich AI-Inhalte auf LinkedIn kennzeichnen?
Nach Artikel 50 des EU AI Act ab dem 2. August 2026 müssen Anbieter generativer Systeme deren Ausgaben maschinenlesbar markieren. Anwender müssen bei Deepfakes und bei Texten zu Angelegenheiten von öffentlichem Interesse offenlegen. Texte unter redaktioneller Kontrolle sind ausgenommen. Für einen fachlich geprüften B2B-Beitrag besteht im Regelfall keine Offenlegungspflicht. Das ist keine Rechtsberatung.
Kosten externe Links in Beiträgen Reichweite?
Die Datenlage ist gegenläufig. Metricool beobachtet für Unternehmensseiten 51 Prozent mehr Impressionen mit Link und für Personenprofile 27 Prozent weniger, erfasst bei Personenprofilen aber nur Beiträge, die über Metricool veröffentlicht wurden. Ein einzelner Link im Text geht bei van der Blom mit 18,8 Prozent geringerer Median-Reichweite einher. Alles Beobachtungsdaten ohne Kausalkontrolle, weshalb die eigene Messung vorgeht.
Warum steigt die Reichweite bei drei Links wieder an?
Zwei Berichte beobachten diesen Effekt, mit 140 und 236 Prozent. Beide stammen aus derselben Quelle, weil Will McTighe Geschäftsführer von Saywhat ist. Die plausibelste Erklärung liegt in der Inhaltsgattung: Beiträge mit mehreren Links sind meist kuratierte Ressourcenlisten mit eigenem Nutzen. Geprüft ist diese Erklärung nicht.
Welches Format hat 2026 die beste Reichweite auf LinkedIn?
In den vorliegenden Datensätzen liefern Dokumente die beste Kombination aus Reichweite und Interaktion, bei Personenprofilen mit Faktor 1,39 und 1,30 gegen den eigenen Median und auf Unternehmensseiten mit 7,00 Prozent Interaktionsrate je Impression. Die Erhebungen reichen bis Februar 2026, bei Socialinsider nur bis Dezember 2025. Sie taugen damit als Ausgangspunkt für eigene Tests, weniger als Rangliste für 2026.
Wenn Sie prüfen wollen, welche dieser Hebel für Ihr Unternehmen tragen, sehen wir uns Ihre letzten Beiträge gemeinsam an und ordnen die Zahlen ein. Ein Strategiegespräch dauert 30 Minuten und endet mit einer Einschätzung.