LinkedIn KI-Slop-Button: Warum jetzt Leser über deine Authentizität entscheiden
Im Drei-Punkte-Menü eines LinkedIn-Beitrags steht seit Ende Juli eine neue Option. Auf Deutsch heißt sie „Scheint ein KI-Slop zu sein", teils auch „Als KI-Slop melden". Ein Klick genügt, um einen Text als vermutlich maschinengeschrieben zu melden. Falls du die Option noch nicht siehst: LinkedIn schaltet sie schrittweise frei, in Deutschland ist sie bisher bei einem Teil der Mitglieder angekommen.
Was LinkedIn geändert hat
Angekündigt hat den Button Hari Srinivasan, Produktchef bei LinkedIn, am 30. Juli 2026. Mitglieder sollen dem Netzwerk sagen können, wenn ein Beitrag oder Kommentar für sie nach KI-Slop aussieht. Wer meldet, bekommt den Beitrag sofort aus dem eigenen Feed. Die Rückmeldung fließt in die Erkennungsmodelle der Plattform.
Eine zweite Änderung ging in der Berichterstattung fast unter, und sie sagt mehr über LinkedIns Haltung. Das hauseigene Schreibwerkzeug „Enhance your post" ist raus. Der Nachfolger korrigiert Rechtschreibung und Sprache, ohne die Stimme des Autors zu verändern. Srinivasan begründet die Konstruktion offen damit, dass sich Slop schwer definieren lässt und die Definition sich verschiebt. Deshalb sollen Menschen urteilen statt eines Detektors.
Die Zahl hinter der Entscheidung
Der Anlass steht in einer Untersuchung von Pangram. Über eine Browser-Erweiterung hat das Unternehmen seit dem 24. April 2026 gut eine Million Beiträge auf fünf Plattformen geprüft. Ergebnis für LinkedIn: über 40 Prozent der Beiträge ab 250 Wörtern lesen sich als vollständig KI-generiert. Das ist der höchste Wert im Vergleich. Bei X sind es 23,9 Prozent vollständig und weitere 22,9 Prozent maschinell unterstützt.
Die Zahl taugt als Größenordnung, nicht als Messwert. Erhoben hat sie ein Werkzeug bei Leuten, die sich eine Erkennungs-Erweiterung installiert haben, oft weil sie ohnehin Verdacht schöpften. Dazu beurteilt das Werkzeug Stil, nicht Herkunft. Es sieht Wortwahl und Satzrhythmus, nicht die Entstehung eines Textes.
Was LinkedIn ausdrücklich nicht sagt
Hier lohnt genaues Lesen, weil die meisten Berichte dazu ungenau sind. Eine Meldung führt laut LinkedIn nicht dazu, dass ein Beitrag entfernt oder bestraft wird. Der Button meldet keinen Regelverstoß. Er setzt ein Signal, dass ein Inhalt möglicherweise wenig nützlich oder wenig authentisch wirkt. Wirken soll das dort, wo LinkedIn Beiträge außerhalb deines Netzwerks empfiehlt.
Auf die direkte Frage, was eine Meldung für die Reichweite bedeutet, hat LinkedIn nicht geantwortet. Eine Schwelle nennt das Unternehmen nicht, eine Falsch-Positiv-Rate ebenso wenig. Einen Einspruchsweg beschreibt es bisher nirgends. Wie stark Nutzermeldungen gegenüber technischen Signalen zählen, bleibt ebenfalls offen.
Ein Punkt kursiert falsch durch die Fachpresse, auch ich hatte ihn zuerst so gelesen. Angekündigt ist, dass Autoren eine Meldung privat im eigenen Analytics-Bereich sehen, und getestet wird das ebenfalls. Live ist es nicht. LinkedIn prüft nach eigener Aussage noch, wie sich daraus konstruktives Feedback bauen lässt. Wer heute im Dashboard nachsieht, findet dort nichts.
Die 61 Prozent, die beim Thema stören
Jetzt entscheiden Leser, was nach Maschine klingt. Damit wandert ein Urteil zu Menschen, das Maschinen nachweislich schief gefällt haben.
Eine Untersuchung aus Stanford hat 2023 sieben damals verbreitete Erkennungswerkzeuge an Aufsätzen getestet. Bei Nicht-Muttersprachlern lag die Falsch-Positiv-Rate bei 61 Prozent, bei Muttersprachlern bei rund fünf. Der Wert selbst ist überholt, die geprüften Programme stammen aus einer früheren Modellgeneration. Tragfähig bleibt der Mechanismus dahinter, und der liegt in der Sprache: Wer in einer Fremdsprache schreibt, greift zu vorhersehbaren Satzmustern und einem gleichmäßigeren Wortschatz. Genau daran erkennen Detektoren angeblich die Maschine.
Menschen haben dieselbe Schwäche, nur ohne Messprotokoll. Ein Text fällt auf, wenn der Klang fremd wirkt, der Ton zu förmlich gerät oder die Sätze zu gleichmäßig laufen. Für den deutschen Markt heißt das konkret: Wer auf Englisch postet und dabei deutsch denkt, schreibt ziemlich genau so. Warum eine gefundene Markierung wenig über die Arbeit dahinter aussagt, habe ich schon am Wasserzeichen von Anthropic durchgespielt. Der Melde-Button dreht das Problem nur um: Statt einer Maschine urteilt eine Stichprobe aus dem Publikum.
Wie viel KI steckt wirklich im Feed
Die Antwort hängt davon ab, wen man fragt. Pangram kommt für lange Beiträge auf über 40 Prozent. Originality.ai hat im Juli 2026 rund 5.000 lange LinkedIn-Beiträge geprüft und 81,2 Prozent als wahrscheinlich maschinell eingestuft. Zwei Anbieter, dieselbe Plattform, rund 40 Punkte Abstand.
Beide Zahlen stammen von Detektoren, und Detektoren messen Stil. Genau deshalb liegen sie so weit auseinander. Wer daraus eine Quote für das eigene Team ableitet, baut auf Sand.
Bleibt eine Frage, die kein Werkzeug beantwortet: Steht in deinem Beitrag etwas, das nur aus deinem Haus kommen kann? Nach vielen Projekten ist das für mich der einzige Maßstab, der trägt. Bestraft wird am Ende nicht die Maschine, sondern der austauschbare Text.
Was ich in Projekten ändere
Wegen des Buttons habe ich in keinem Kundenprojekt etwas umgestellt. Ein Signal ohne veröffentlichte Schwelle taugt nicht als Grund für einen Umbau.
Geändert habe ich etwas anderes, und zwar schon vorher: die Reihenfolge. Bei vielen Teams liefert ein Prompt die Idee und den Rohtext, danach feilt die Redaktion an Formulierungen. Heraus kommt ein Beitrag, der zu jedem Wettbewerber derselben Branche passt. Ich drehe das um. Der Gedanke entsteht im Gespräch mit dem Fachbereich, oft als Stichwortliste aus einem Telefonat von zehn Minuten. Erst danach ordnet und kürzt die KI.
Ein Prompt löst den einzelnen Text, ein Redaktionssystem trägt die Serie. Wie dieser Umbau in einem Kundenprojekt lief, steht in einem eigenen Beitrag.
Dazu gehört ein Dokument mit den eigenen Positionen: Wofür steht das Haus, welche Zahlen dürfen nach außen, welche Themen kommen wieder. Diese Datei geht als Kontext in jedes Werkzeug. Sie ist der Grund, warum zwei Texte aus demselben System nach demselben Absender klingen.
Womit ich diese Woche anfangen würde
Nimm deine Beiträge der letzten 30 Tage und prüfe jeden auf eine Frage: Steht darin eine Einsicht, die nur jemand mit deiner Erfahrung schreiben konnte? Was ein Werkzeug über jedes beliebige Unternehmen der Branche hätte schreiben können, geht zurück in die Überarbeitung. Ich mache diesen Durchgang mit Kunden gemeinsam, weil die Antwort im Team ehrlicher ausfällt als allein am Bildschirm.
Parallel zwei Fragen an die Fachbereiche: Woran glauben wir, was die Branche anders sieht? Welche Zahl aus unserem Betrieb darf nach außen? Aus den Antworten entstehen genug Beiträge für einen Monat, die kein Detektor und keine Stichprobe aus dem Publikum in Verlegenheit bringt.
Wer ohnehin dokumentiert, wer einen Text freigegeben hat, hat den wichtigeren Teil schon erledigt. Diese Freigabe zählt seit August auch rechtlich, und zwar deutlich verbindlicher als ein Melde-Button auf einer Plattform.
