LinkedIn verkauft kein soziales Netzwerk im klassischen Sinn. Die Plattform verkauft berufliche Glaubwürdigkeit: Namen, Lebensläufe, Arbeitgeber, Karriereschritte, Fachsprache, Branchenkontakte. Genau daraus entsteht der ökonomische Wert. Wenn ein Beitrag dort erscheint, trägt er mehr institutionelles Gewicht als derselbe Text auf einer beliebigen offenen Plattform.
Darum ist die Zahl aus der Pangram-Untersuchung mehr als ein Kuriosum aus der KI-Debatte. 41 Prozent der langen LinkedIn-Beiträge mit mehr als 250 Wörtern wurden demnach als vollständig KI-generiert eingestuft. Pangram, ein Unternehmen für KI-Erkennung, analysierte über zwei Monate etwa eine Million Beiträge auf LinkedIn, X, Reddit, Substack und Medium mithilfe einer Chrome-Erweiterung. LinkedIn wurde dabei als am stärksten mit KI gesättigte Plattform beschrieben; Beiträge von dort machten fast zwei Drittel aller erkannten KI-Inhalte aus.
Die These ist nüchtern: LinkedIn hat kein reines Content-Problem. Es hat ein Signalproblem. Wenn immer mehr berufliche Kommunikation synthetisch wirkt, sinkt der Informationswert der Plattform. Und wenn der Informationswert sinkt, geraten Engagement, Vertrauen und die Verwertbarkeit der Daten unter Druck.
Der Marktwert von LinkedIn liegt im Signal
Bei LinkedIn ist Content nie nur Unterhaltung. Ein Beitrag kann Kundengewinnung sein, Recruiting, Selbstvermarktung, Investor Relations im Kleinen, interne Politik mit öffentlicher Bühne oder ein Versuch, Expertise zu markieren. Die Plattform funktioniert, weil Nutzer davon ausgehen, dass hinter den Texten reale berufliche Erfahrung steht.
Genau diese Annahme wird schwächer, wenn lange Beiträge zunehmend wie austauschbare Textbausteine erscheinen. Die Originality.AI-Studie aus dem Jahr 2025 kommt in eine ähnliche Richtung: Bei 3.368 Beiträgen von 99 einflussreichen Profilen wurden 53,7 Prozent der langen LinkedIn-Posts als wahrscheinlich KI-generiert klassifiziert. Solche Erkennungssysteme sind nicht unfehlbar. Sie liefern keine gerichtsverwertbare Wahrheit über jeden einzelnen Text. Für Plattformökonomie reicht aber oft schon die Wahrnehmung. Wenn Nutzer davon ausgehen, dass viele Beiträge nicht aus eigener Erfahrung stammen, verändern sie ihr Verhalten.
Der Unterschied zu früherem Ghostwriting ist die Skalierung. Unternehmen, Gründer, Berater und Angestellte konnten schon immer Texte schreiben lassen. Neu ist die nahezu kostenlose Vervielfachung eines professionellen Tonfalls. Der typische LinkedIn-Post — persönliche Lektion, Karriereeinsicht, Managementvokabular, weiche Pointe — lässt sich besonders gut standardisieren. Ausgerechnet die Formate, die Nähe und Reflexion simulieren, sind maschinell leicht zu reproduzieren.
Engagement ist kein harter Vermögenswert
Für Marketingteams wirkt LinkedIn oft wie ein messbarer Kanal: Impressionen, Reaktionen, Kommentare, Follower-Wachstum. Das Problem ist, dass diese Kennzahlen an Aussagekraft verlieren, wenn der sichtbare Strom der Beiträge immer stärker automatisiert oder halbautomatisiert entsteht. Engagement misst dann nicht mehr zwingend Relevanz, sondern die Fähigkeit, sich in ein bereits synthetisches Umfeld einzupassen.
Die verfügbaren Zahlen deuten allerdings nicht darauf hin, dass KI-Texte automatisch besser abschneiden. Laut den vorliegenden Angaben erhielten KI-generierte LinkedIn-Posts 45 Prozent weniger Engagement als von Menschen verfasste Inhalte. Das ist ein wichtiger Punkt, weil er die gängige Annahme korrigiert, mehr Automatisierung führe zwangsläufig zu mehr Reichweite. Offenbar erkennen Nutzer zumindest einen Teil der Glätte, Wiederholung und inhaltlichen Leere. Vielleicht nicht technisch, aber sozial.
Für LinkedIn ist das unangenehm. Sinkendes Engagement bei erkennbar synthetischen Texten wäre auf den ersten Blick ein Selbstreinigungsmechanismus. Auf den zweiten Blick bleibt der Schaden: Nutzer müssen mehr Material filtern, um belastbare Informationen zu finden. Pangram-CEO Max Spero bezeichnete KI-Inhalte als eine Steuer auf die Zeit der Leser und sprach davon, die gemessenen Werte könnten eine untere Grenze darstellen. Diese Formulierung trifft den ökonomischen Kern. Die Kosten entstehen nicht beim Ersteller des Textes, sondern beim Publikum.
Vertrauen wird zur knappen Ressource
Die Plattform kann mit viel schwachem Content leben, solange die Nutzer trotzdem wiederkommen. Schwieriger wird es, wenn Vertrauen als Grundannahme erodiert. 62 Prozent der Social-Media-Nutzer geben an, Inhalten weniger zu vertrauen, wenn sie als KI-generiert bekannt sind. Für LinkedIn ist diese Skepsis heikler als für Unterhaltungsplattformen. Dort kann ein synthetischer Clip trotzdem funktionieren, wenn er unterhält. Auf LinkedIn hängt der Wert stärker daran, ob ein Beitrag als beruflich authentisch wahrgenommen wird.
Das betrifft auch Arbeitgeber und Personalabteilungen. Wer LinkedIn-Signale nutzt, um Kompetenz, Branchenpräsenz oder Kommunikationsfähigkeit einzuschätzen, muss vorsichtiger werden. Ein sauber formulierter langer Beitrag ist kein starkes Indiz mehr für Expertise. Er kann weiterhin von einer kompetenten Person stammen. Er kann aber auch aus einem Werkzeug stammen, das aus wenigen Stichpunkten eine glaubwürdige Managerstimme erzeugt.
Für einzelne Nutzer entsteht damit ein paradoxes Umfeld. Wer wirklich etwas zu sagen hat, konkurriert nicht nur mit anderen Fachleuten, sondern mit industriell erzeugter Plausibilität. Der Wettbewerb verschiebt sich von Erkenntnis zu Wiedererkennbarkeit. Die Gewinner sind nicht zwingend die lautesten Profile, sondern diejenigen, denen man konkrete Erfahrung abnimmt: durch Details, Reibung, Fehler, präzise Beobachtungen, operative Nähe.
KI-Suche verstärkt den Effekt
Besonders relevant ist LinkedIns Rolle außerhalb der eigenen Plattform. LinkedIn ist laut den vorliegenden Angaben die am zweithäufigsten zitierte Domain in KI-Suchmaschinen wie ChatGPT Search, Google AI Mode und Perplexity. Damit wird LinkedIn nicht nur von Menschen gelesen, sondern zunehmend von Systemen ausgewertet, die Antworten generieren.
Das verändert die Risikorechnung. Wenn viele LinkedIn-Texte synthetisch sind und KI-Suchsysteme LinkedIn stark heranziehen, entsteht ein Rückkopplungskanal: Maschinen erzeugen Beiträge, Plattformen verteilen sie, andere Maschinen verdichten sie zu Antworten. Nicht jeder einzelne Vorgang ist problematisch. In Summe steigt aber das Risiko, dass professionell klingende Durchschnittssätze als Branchenwissen recycelt werden.
Für Unternehmen ist das keine Aufforderung, KI-Werkzeuge grundsätzlich zu meiden. Der Einsatz als Entwurfshilfe, Strukturgeber oder Korrekturwerkzeug ist nicht der entscheidende Punkt. Entscheidend ist, ob der veröffentlichte Text noch belastbare Eigenleistung enthält. Wer nur generische Positionspapiere, Karrierereflexionen oder Marktkommentare in Umlauf bringt, zahlt auf ein Umfeld ein, das für alle weniger brauchbar wird.
Die Verlierer sitzen im Mittelfeld
Die naheliegenden Gewinner sind Anbieter von KI-Erkennung wie Pangram oder Originality.AI. Je stärker Plattformen und Unternehmen Authentizität prüfen wollen, desto größer wird ihr Markt. Auch Profile mit nachweisbarer fachlicher Substanz können profitieren, weil der Kontrast zu generischem Material sichtbarer wird.
Die Verlierer sitzen vor allem im professionellen Mittelfeld: Marketingabteilungen, die LinkedIn mit günstiger Textproduktion bespielen; Beraterprofile, die austauschbare Autorität simulieren; Arbeitgeber, die weiche Plattformmetriken zu ernst nehmen. Auch LinkedIn selbst trägt das Risiko. Die Plattform kann kurzfristig von mehr Aktivität leben. Langfristig ist sie darauf angewiesen, dass Aktivität als beruflich relevant gilt.
Das ist der Punkt, an dem die KI-Quote zur Kapitalmarktfrage wird. Nicht weil ein einzelner Prozentwert alles erklärt. Sondern weil er zeigt, dass ein zentraler immaterieller Vermögenswert belastet wird: Vertrauen in das Signal. LinkedIn kann viel Rauschen absorbieren. Aber wenn Nutzer den Eindruck gewinnen, dass ein großer Teil der beruflichen Bühne nur noch automatisierte Selbstdarstellung ist, verliert die Plattform genau das, was sie von anderen sozialen Netzwerken unterscheidet.
