Social Rocket
LinkedIn hat seine Erkennung generischer KI-Beiträge auf Posts ausgeweitet, die über das unmittelbare Kontaktnetz hinaus empfohlen werden. Engineering-Vizepräsident Tim Jurka nennt dafür am 8. Oktober 2026 eine Precision von 94 Prozent. Für B2B-Marketer ist vor allem relevant, welche Inhalte dadurch seltener neue Zielgruppen erreichen – und was die Zahl nicht beweist.
94 Prozent Precision sind keine Fehlerfreiheit
LinkedIn nutzt große Sprachmodelle als „Lehrer“, die neue Muster repetitiver Inhalte erfassen. Kleinere Modelle übernehmen die Prüfung in großem Maßstab. Zusätzlich arbeiten spezialisierte KI-Agenten mit inhaltlichen Regeln; unklare Fälle können an menschliche Prüfer eskaliert werden. Die Modelle werden laut Jurka unter anderem mit effizient anpassbaren LoRA-Verfahren aktualisiert.
Die 94 Prozent sind eine vom Unternehmen gemeldete Precision für das Erkennen von „AI Slop“ in Inhalten, die über das eigene Netzwerk hinaus verteilt werden. Precision beschreibt den Anteil zutreffender Treffer unter den als problematisch markierten Fällen. Sie sagt nicht, dass 94 Prozent aller KI-Posts erkannt werden; dazu bräuchte es Angaben zur Recall-Rate. Auch unabhängige Audits oder Fehlerquoten für bestimmte Sprachen nennt LinkedIn nicht.
Entscheidend ist Substanz, nicht das KI-Werkzeug
LinkedIn definiert „AI Slop“ als generische, repetitive oder substanzarme Beiträge ohne eigene Perspektive. Laut offiziellem Hilfecenter sind KI-gestützte Formulierungen ausdrücklich erlaubt, wenn Erfahrung, Meinung und fachlicher Mehrwert erkennbar bleiben. Niedrigwertiger Content wird eher in seiner Weiterverbreitung eingeschränkt, statt pauschal gelöscht.
Bereits im September meldete LinkedIn 40 Prozent weniger Aufrufe für Inhalte, die die Plattform selbst als „AI Slop“ klassifiziert. Mehr als eine Million Mitglieder hätten innerhalb der ersten zwei Wochen die neue Feedback-Funktion genutzt. Das sind LinkedIn-Angaben, keine kontrollierte Studie zum Erfolg des einzelnen Melde-Buttons. Der Unterschied zum schon dokumentierten Vorgehen gegen automatisiertes Engagement und Fake-Interaktionen ist wichtig: Diesmal erläutert die Plattform erstmals konkreter die technische Prüfung von Contentqualität.
Auch Anzeigen erhalten Slop-Feedback – mit anderer Folge
Nutzer können auf LinkedIn auch bei Feed-Anzeigen „Seems like AI slop“ auswählen. Das betrifft laut LinkedIn Marketing Solutions derzeit nicht die rechte Seitenspalte oder das Audience Network. Bei Anzeigen nutzt LinkedIn diese Rückmeldungen gegenwärtig nur für interne Produktverbesserungen. Werbetreibende erhalten weder eine Benachrichtigung noch eine entsprechende Kennzahl im Reporting. Aus dem Button darf daher keine automatische Abwertung einzelner Kampagnen abgeleitet werden.
Was B2B-Teams jetzt konkret prüfen sollten
Die praktischen Risiken liegen weniger im Einsatz von KI als in austauschbaren Textmustern: austauschbare Erfolgsversprechen, automatisierte Kommentarserien und Beiträge ohne eigene Beobachtungen. Ein guter Kontrollschritt vor dem Posting: Steht darin eine überprüfbare Zahl, ein belegtes Beispiel, eine fachliche Entscheidung oder eine eigenständige Perspektive?
Für die Performance-Auswertung lohnt es sich außerdem, Impressionen aus dem eigenen Netzwerk und darüber hinaus getrennt zu betrachten, soweit die verfügbaren Analytics dies zulassen. LinkedIns geplanter Network-Feed und der Wechsel vom KI-Umschreiber zum Proofreader passen in dieselbe Qualitätsstrategie. Im B2B-Kaufprozess können belastbare Fachstimmen wichtiger sein als ein hohes Postingvolumen.
Quellen: Tim Jurka / LinkedIn, 8.10.2026; LinkedIn News, 15.9.2026; LinkedIn-Hilfe für Werbetreibende; Social Media Today, 8.10.2026.
Bild: offizielles Titelmotiv zum Engineering-Beitrag, LinkedIn / Tim Jurka.