Mehr als 40 Prozent der LinkedIn-Posts sind KI-generiert: Was das für B2B-Kommunikation bedeutet

Was die 40-Prozent-Zahl auf LinkedIn wirklich sagt

Die auffällige Zahl ist stark genug für eine Schlagzeile: Laut einem von t3n aufgegriffenen Bericht auf Basis einer Pangram-Analyse wurden mehr als 40 Prozent der LinkedIn-Beiträge mit mehr als 250 Wörtern als vollständig erstellt eingestuft. Wichtig ist aber die saubere Einordnung: Das ist ein externer Analysebefund, keine offizielle LinkedIn-Plattformstatistik. Genau dieser Unterschied entscheidet darüber, ob man die Meldung als Signal oder als gesicherten Marktwert liest.

Für B2B-Teams ist die eigentliche Aussage trotzdem relevant. Wenn ein großer Teil längerer Posts zumindest verdächtig nah an Standard-KI-Sprache liegt, verändert das nicht nur die Produktionsgeschwindigkeit, sondern auch den Wettbewerb um Aufmerksamkeit. Sichtbarkeit entsteht dann nicht mehr bloß durch Regelmäßigkeit, sondern stärker durch erkennbare Perspektive, belastbare Beispiele und glaubwürdige Absender.

Kurz gesagt: Die Nachricht ist nicht "LinkedIn ist kaputt". Die wichtigere Lesart ist: KI hat Social Publishing auf einer Business-Plattform schon tief verändert, und damit steigen die Anforderungen an Qualität, Herkunft und redaktionelle Kontrolle.

erstellt heißt nicht automatisch KI-ersetzt

In der Praxis wird zu viel in einen Topf geworfen. Ein vollständig von einem Sprachmodell erzeugter Post ist etwas anderes als ein Entwurf, den ein Mensch auf Basis eigener Erfahrungen überarbeitet. Und wieder etwas anderes ist ein Text, bei dem KI nur Gliederung, Kürzung oder sprachliche Glättung übernimmt.

Gerade für Unternehmen ist diese Unterscheidung entscheidend. Denn das Risiko entsteht nicht schon dadurch, dass KI irgendwo im Workflow vorkommt. Problematisch wird es, wenn Teams generische Texte in hoher Taktung veröffentlichen, ohne eigene Daten, echte Beobachtungen oder klare Haltung nachzuliefern. Dann sinkt nicht nur die Originalität. Es sinkt auch die Chance, dass ein Post als glaubwürdiger Erfahrungsbeitrag wahrgenommen wird.

Das passt auch zu LinkedIns eigener Linie: Die Plattform beschreibt KI nicht pauschal als Problem, betont aber, dass Inhalte trotz KI-Hilfe nützlich, vertrauenswürdig und originell bleiben sollen. Für B2B-Kommunikation heißt das praktisch: KI darf den Rohbau beschleunigen, aber nicht die Verantwortung für Aussage, Beleg und Tonalität übernehmen.

Was LinkedIn bei KI-Content verlangt

LinkedIn selbst formuliert keine einfache Alles-oder-nichts-Regel nach dem Motto "KI verboten" oder "KI immer kennzeichnen". Stattdessen ist der Plattformrahmen näher an einer Sorgfaltspflicht: Wer Inhalte mit Hilfe von KI erstellt oder deutlich verändert, soll verantwortungsvoll damit umgehen, Transparenz mitdenken und irreführende Wirkung vermeiden. Dazu passt auch, dass LinkedIn falsche oder irreführende Inhalte ausdrücklich begrenzt und mit Content Credentials an Herkunfts- und Authentizitätssignalen arbeitet.

Für Unternehmen ist das mehr als eine Formalie. Denn damit verschiebt sich die Frage von "Dürfen wir KI für LinkedIn nutzen?" zu "Wo müssen wir den Einsatz kenntlich machen, menschlich absichern oder bewusst begrenzen?" Besonders heikel sind Posts, die persönliche Erfahrung behaupten, sensible Zahlen einordnen, Compliance-nahe Aussagen treffen oder stark meinungsgetriebenes Thought Leadership beanspruchen.

Hinzu kommt ein zweiter, oft übersehener Punkt: LinkedIn kommuniziert in seinen Marketing- und AI-Search-Inhalten, dass klare Fragen, konkrete Antworten und strukturierte Aussagen für Auffindbarkeit wichtiger werden. Das ist kein Widerspruch zur Kritik an generischem KI-Text. Im Gegenteil: Formal saubere Struktur kann helfen, aber ohne Substanz wird daraus schnell nur besser verpackte Austauschbarkeit.

Wer den Transparenztrend plattformübergreifend betrachten will, findet einen ähnlichen Governance-Gedanken auch in unserem Stück Google macht KI-Werbung sichtbarer – aber nicht transparenter genug.

Was das für B2B-Content und Markenvertrauen bedeutet

Für Marketing-, Employer-Branding- und Sales-Teams ist mehr KI auf LinkedIn nicht automatisch schlecht. Im Alltag kann sie Entwürfe beschleunigen, Varianten erzeugen, Texte kürzen oder Rohideen strukturieren. Das spart Zeit an Stellen, an denen vorher oft gar nichts veröffentlicht wurde.

Aber genau hier kippt der Vorteil schnell. Wenn viele Unternehmen dieselben Prompts, dieselben Sprachmuster und dieselben Pseudo-Erkenntnisse nutzen, wird LinkedIn voller formal glatter Beiträge, die kaum noch unterscheidbar sind. Dann gewinnt nicht derjenige mit dem saubersten Satzbau, sondern der mit der klarsten eigenen Beobachtung. Ein Praxisbeispiel, eine echte Fehlentscheidung, eine Zahl aus dem eigenen Funnel oder eine nachvollziehbare Einschätzung aus dem Projektalltag schlagen dann zehn sterile Listenposts.

Für B2B-Marken wird Vertrauen damit knapper. Wer sichtbar bleiben will, muss erkennbar bleiben. Das betrifft nicht nur Thought Leadership. Auch Recruiting-Posts, Kundenbeispiele und Sales-nahe Inhalte verlieren an Wirkung, wenn sie austauschbar wirken oder Erfahrungen simulieren, die intern niemand wirklich gemacht hat.

Genau deshalb ist die sinnvollste Reaktion nicht ein pauschales Anti-KI-Reflexverbot. Besser ist eine saubere Trennung: KI für Beschleunigung ja, KI als Ersatz für Perspektive nein. Wer diese Linie schärfer ausarbeiten will, findet dazu praxisnahen Kontext in KI im Social-Media-Alltag: Wo sie wirklich hilft – und wo sie nervt.

Woran Teams ihren LinkedIn-Workflow prüfen sollten

Wer aus der Meldung etwas Praktisches mitnehmen will, sollte nicht zuerst über Tools diskutieren, sondern über den Workflow.

Erstens: Ist intern klar definiert, was als KI-assistiert gilt und was als inhaltlich eigenständiger Menschenbeitrag gelten soll? Ohne diese Trennlinie werden Freigaben beliebig.

Zweitens: Gibt es Inhaltsarten, bei denen KI nur vorbereiten darf, aber nicht final formulieren? Das betrifft meist persönliche Erfahrungsberichte, sensible Zahlen, Branchenmeinungen und alles, was nach echter Naherfahrung klingt.

Drittens: Wird Originalität aktiv erzwungen? Ein einfacher Test reicht oft: Würde derselbe Post auch von zehn anderen Unternehmen derselben Branche glaubwürdig kommen? Wenn ja, fehlt wahrscheinlich der eigentliche Mehrwert.

Viertens: Ist Transparenz als Reputationsfrage verstanden oder nur als Formalie? Die Plattform fordert keine simple Schablone für jeden Satz, aber sie erwartet verantwortungsvollen Umgang. Gerade wenn KI die Aussage stark geprägt hat oder der Ursprung sonst missverständlich wäre, sollte das Team bewusst entscheiden, ob und wie Offenheit sinnvoll ist.

Fünftens: Ist Publishing als laufende Governance-Aufgabe organisiert? Genau diese Logik steckt auch hinter größeren Compliance-Themen: Kontrolle funktioniert nicht als Einzelprüfung kurz vor Veröffentlichung, sondern als Betriebsmodell. Dazu passt unser Hintergrundstück Warum Compliance-Automation jetzt vom Audit-Problem zum Betriebsmodell wird.

Welche Fragen offen bleiben

Die Pangram-Zahl bleibt ein starkes Signal, aber kein Endpunkt der Debatte. Offen ist weiterhin, wie groß die Stichprobe war, wie robust die Erkennung zwischen Vollgenerierung und Assistenz trennt und ob bestimmte Branchen oder Post-Typen den Wert überproportional treiben.

Für Unternehmen reicht die Aussage trotzdem aus, um die richtige Frage zu stellen: Nicht ob KI aus LinkedIn verschwindet, sondern ob der eigene Content trotz KI-Einsatz noch als erkennbar, belegbar und vertrauenswürdig wahrgenommen wird. Genau daran wird sich B2B-Kommunikation auf der Plattform zunehmend messen lassen.