
Naïlé Titah
Seit 2026 kostet Sie jede von vier bestimmten schablonenhaften Formulierungen Reichweite auf LinkedIn. Wir haben es an 56.005 englischen Posts gemessen, die seit Januar 2026 veröffentlicht wurden, und dabei jeden Post mit den anderen Posts desselben Autors verglichen, sodass die Größe der Zielgruppe aus der Rechnung herausfällt. Die Form selbst trägt jetzt eine messbare Strafe, die es vorher schlicht nicht gab:
„"Stop X, start Y" / "the key is"" (das generische Ratschlag-Muster): rund -6,7 %, die zuverlässigste der vier
die Eröffnungen „"Here's what / Here's how / what nobody tells you"": rund -4,3 %
die dramatische Überleitung „"The result?"": rund -4,8 %
die Kontrastformel „"It's not X, it's Y"": rund -4,9 %
Das ist ein echter Umbruch. Machen Sie denselben Test mit Posts aus 2025 und die Strafe verschwindet: auf Englisch war sie statistisch nicht von null zu unterscheiden. Der Verlust zeigt sich nur bei Posts, die nach LinkedIns Vorstoß gegen KI-anmutende Inhalte Anfang 2026 veröffentlicht wurden. Damit dreht der oft wiederholte Trost, „97 % der KI-Posts lesen sich noch immer menschlich, also spielt die Formulierung keine Rolle", die Lehre genau um. Die Posts, die gewinnen, lesen sich gerade deshalb menschlich, weil sie die schablonenhafte Form ablegen. Das ist die Kernaussage dieser Studie: streichen Sie diese vier Wendungen.
Eine Warnung vor den Daten. Dies ist beobachtend und zweitrangig. Reichweite wird nach wie vor überwältigend von Ihrer Zielgruppe und Ihrem Thema getragen; diese Formulierungen zu bereinigen gewinnt am Rand ein paar Prozent zurück, nicht eine andere Liga. Es ist eine Korrelation, die 2026 erstmals auftaucht, kein Beweis, und wir werden Ihnen nie sagen, dass sie Ihre Reichweite verdoppelt. Aber die vier Wendungen sind konkret, benennbar und messbar teuer, was genau der Grund ist, sie zu entfernen.
Wir haben die Analyse an 287.120 Posts von 6.000 Autoren durchgeführt und berichten hier die englischen Ergebnisse. Im Folgenden: was jede Formulierung kostet, die Belege innerhalb einzelner Autoren und die drei Gewohnheiten, die Sie niemals streichen dürfen.
TL;DR: Naiv gemessen sehen KI-klingende Posts so aus, als brächten sie halb so viel Engagement, doch das ist überwiegend die Zielgruppe, nicht das Schreiben. Bei konstanter Zielgruppe war der Reichweitenverlust von KI-Formulierungen auf Englisch 2025 statistisch null und zeigt sich 2026 klar: vier schablonenhafte Wendungen ziehen einen englischen Post jeweils rund 4 % bis 7 % unter die eigene Norm des Autors (das generische Ratschlag-Muster rund -6,7 %, dazu die „here's how"-Eröffnung, die „The result?"-Überleitung und der Kontrast „it's not X, it's Y"). Drei Muster, die fälschlich für KI-Marker gehalten werden, heben die Reichweite tatsächlich (echte Aufrichtigkeit, der P.S.-Abschluss, eine Schlussfrage).
Die Kurzfassung
Vier schablonenhafte Formulierungen kosten 2026 Reichweite. Das generische Ratschlag-Muster, die „here's how"-Eröffnung, die „The result?"-Überleitung und die Kontrastformel „it's not X, it's Y" verlieren innerhalb desselben Autors jeweils Reichweite, ein Effekt, der vor 2026 statistisch abwesend war.
Die Strafe ist neu. Bei Posts, die seit Januar 2026 veröffentlicht wurden, zeigt sich der Effekt auf Englisch klar, wo er 2025 statistisch null war. Die am stärksten schablonenhaften Posts (die obersten 5 % nach KI-Score) verlieren jetzt rund 3 % bis 4 % ihrer Reichweite gegenüber der Norm desselben Autors.
Drei Gewohnheiten helfen der Reichweite. Rühren Sie sie nie an. Echte Aufrichtigkeit (+4,6 %), der P.S./CTA-Abschluss (+7,5 %) und eine Schlussfrage (neutral, nie negativ) liegen alle auf der sicheren Seite. Ein plumper „KI-Score" würde Ihnen raten, genau das zu löschen, was funktioniert.
Es bleibt ein Hebel zweiter Ordnung. Reichweite wird von Ihrer Zielgruppe getragen, nicht von Ihrer Formulierung. Die teuren Wendungen zu beheben gewinnt ein paar Prozent zurück, nicht eine andere Liga.
Der Befund: die Strafe tauchte 2026 auf
LinkedIn begann Anfang 2026 gegen KI-anmutende Inhalte vorzugehen. Unsere Daten zeigen genau den Abdruck, den man erwarten würde, wenn das real wäre: der Reichweitenverlust von KI-Formulierungen war vor 2026 abwesend und taucht danach auf.
Ein Störfaktor muss zuerst ausgeräumt werden, denn er ist die Quelle der erschreckenden Zahlen vom Typ „KI-Posts bringen halb so viel Engagement". Reiht man einen Stapel Posts danach auf, wie KI sie sich lesen, bringen die KI-Posts tatsächlich rund 57 % weniger Likes, aber diese Lücke ist überwiegend Zielgruppe, nicht Schreiben. Die größten Creator schreiben in einer persönlicheren, weniger schablonenhaften Stimme; Einsteiger, die nach einer viralen Formel greifen, schreiben in der schablonenhaftesten. Um das Schreiben selbst zu messen, muss man den Autor konstant halten und die KI-klingenden Posts jeder Person mit ihren eigenen menschlich klingenden Posts vergleichen. Genau das tut jede Zahl in dieser Studie, und das erlaubt uns, die Form zu isolieren.
Wir haben die sauberste mögliche Version dieses Tests durchgeführt: ein natürliches Experiment, das die Daten am 1. Januar 2026 trennt und jeden Post nur mit den anderen Posts desselben Autors im selben Zeitraum vergleicht, sodass weder die Größe der Zielgruppe noch ihr Wachstum über die Trennung hinweg durchsickern kann. Wir haben es an der gesamten infrage kommenden Kohorte durchgeführt, nicht an einer Stichprobe: 56.005 englische Posts von 2.201 Autoren, veröffentlicht 2026.

Reichweite der obersten 5 % schablonenhaftesten (vs. die Norm des Autors) | 2025 | 2026 |
Englisch | -2,5 % | -3,4 % |
Der Gradient erzählt dieselbe Geschichte. Auf Englisch lag die Korrelation zwischen KI-Score und Reichweite bei -0,005 im Jahr 2025, statistisch nicht von null zu unterscheiden (ihr Konfidenzintervall schloss noch positive Werte ein) und bei -0,028 im Jahr 2026, klar negativ. Was auch immer der genaue Mechanismus ist (eine Algorithmusänderung, Lesermüdigkeit gegenüber schablonenhaftem Schreiben oder beides), der Zeitpunkt passt zu LinkedIns Schritt 2026, und der Effekt auf die Reichweite ist jetzt real. Was die Plattform selbst zu KI-Inhalten gesagt hat, lesen Sie in unserem separaten Beitrag darüber, ob LinkedIn KI-Inhalte abstraft.
Zwei Signale außerhalb unseres eigenen Datensatzes weisen in dieselbe Richtung. Unser Benchmark vom Mai 2026 über 18.784 Posts zeigt, dass die mediane Impressionszahl von Monat zu Monat in den meisten Follower-Stufen zweistellig fällt, am steilsten bei mittelgroßen Accounts (25.000 bis 50.000 Follower verloren 25 % bis 43 %). Und die Creator, die den Feed in großem Maßstab verfolgen, benennen die Ursache: Pierre Hérubel, der einen Account mit 170.000 Followern und eine Agentur betreibt, die über 500 B2B-Posts pro Monat veröffentlicht, nennt es die „AI Slop Trap" und bietet einen Einzeiler-Test an, „könnte eine kompetente KI in 30 Sekunden etwas zu 90 % so Gutes erzeugen, bei meinem Thema?". Das ist eine Klartext-Fassung genau dessen, was unser Scorer weiter unten misst.
Welche Formulierungen Sie wirklich Reichweite kosten
Den Autor konstant zu halten erlaubt uns zu fragen, abzüglich alles anderen, was jedes Formulierungsmuster bewirkt. Die „KI-Marker" teilen sich in zwei Gruppen, die in entgegengesetzte Richtungen weisen. Manches schablonenhafte Gerüst kostet Reichweite; manche Gewohnheiten, die man für KI-Marker hält, helfen tatsächlich.
In unseren englischen Daten, jeden Autor mit den eigenen Posts verglichen, führt das generische Ratschlag-Muster („the best leaders always...") mit -6,7 % und die „here's what"-Eröffnung mit -4,3 %, während die Rahmung echter Aufrichtigkeit mit +4,6 % hilft:

Die Formulierungen, die sich zu entfernen lohnen, sind das schablonenhafte Gerüst, die Eröffnung und die Formel, die signalisieren „diesen exakten Post habe ich hundertmal gelesen". Die, die man behalten sollte, sind die menschlichen Gewohnheiten: Verletzlichkeit, ein Postskriptum, eine Schlussfrage. Ein plumper „KI-Score" würde Ihnen raten, das zu löschen, was funktioniert, was genau der Grund ist, warum er das falsche Werkzeug zum Redigieren ist.
Die vier Formulierungen, die Reichweite kosten: ein Spickzettel
Hier sind die vier Wendungen, Englisch zuerst, jede mit einem paraphrasierten Beispiel aus echten Posts von 2026 in unserem Korpus und der Umformulierung, die die Reichweite zurückholt. Jede verweist auf ihre vollständige Aufschlüsselung.
1. Das generische Ratschlag-Muster: „"Stop X, start Y" / "the key is"". Rund -6,7 % innerhalb eines Autors in unseren englischen Daten, der einzelne zuverlässigste Reichweitenkiller der vier. Es klingt wie „Hör auf, Likes zu jagen, fang an, Probleme zu lösen" oder „Hör auf, zu viel zu planen, fang an, zu befähigen". Die Symmetrie aus Verneinen und Vorschreiben liest sich in dem Moment als Schablone, in dem sie landet. Schreiben Sie sie als konkrete, themenspezifische Handlung um: statt „hör auf, das Tool zu beschreiben, fang an, das Ergebnis zu verantworten", sagen Sie, wie es für Ihren Leser tatsächlich aussieht, das Ergebnis zu verantworten. (Siehe wie man einen KI-geschriebenen LinkedIn-Post erkennt.)
2. Die „"here's what / here's how""-Eröffnung. Rund -4,3 % in unseren englischen Daten. Es klingt wie „Das sagt Ihnen niemand, wenn Sie ein Vertriebsteam leiten" oder „Das hat für die Teams, mit denen ich arbeite, alles verändert". Die Ankündigung fügt nichts hinzu; sie verzögert nur den Inhalt. Steigen Sie direkt mit dem Inhalt ein und lassen Sie die „here's what"-Rahmung ganz weg.
3. Die „"The result?""-Überleitung. Rund -4,8 % in unseren englischen Daten. Es klingt wie „Sie nähen Workflows aus fünf verschiedenen Apps zusammen. Das Ergebnis? Die Frontlinie ist verloren" oder „Unternehmen holen es zu früh ins Haus. Das Ergebnis? Sie underperformen". Die dramatische Ein-Wort-Frage ist reines Gerüst. Verketten Sie die Folge direkt: „...sodass die Frontlinie verloren ist."
4. Die Kontrastformel „"it's not X, it's Y"". Rund -4,9 % innerhalb eines Autors in unseren englischen Daten. Es klingt wie „Das ist keine Branding-Frage, das ist eine System-Frage" oder „Das ist kein Einstellungsproblem, es ist ein Prozessproblem". Sagen Sie den Punkt direkt („Das ist eine System-Frage") ohne die Drehung aus Verneinen und Umdeuten.
Der stärkste Beleg: derselbe Autor, zwei Regime
Die aggregierten Zahlen neutralisieren die Zielgruppe über Tausende Autoren hinweg. Der schärfste Weg, den Effekt zu sehen, ist, in einen Autor nach dem anderen hineinzuzoomen und seine markierten Posts mit seinen eigenen sauberen zu vergleichen. Die Zielgruppe ist per Konstruktion konstant, der Creator ist dieselbe Person, die über dieselbe Art Thema schreibt, und die Lücke ist trotzdem da.
Creator (anonymisiert) | Posts | Markierte Posts | Saubere Posts | Lücke |
Ein SaaS-Gründer | 15 | -1,0 % | +39,7 % | 41 pp |
Ein Recruiter | 15 | -18,1 % | +18,1 % | 36 pp |
Ein B2B-Berater | 14 | -2,0 % | +19,8 % | 22 pp |
Ein Coach | 18 | -7,8 % | +10,3 % | 18 pp |
Beim SaaS-Gründer landeten die Posts, die sich auf die Kontrastformel stützen (eine Zeile in der Form „das ist keine Branding-Frage, das ist eine System-Frage"), etwa bei ihrem Durchschnitt, während seine sauberen Posts fast 40 % darüber liefen. Die „The result?"-Posts des Recruiters lagen 18 % unter seiner eigenen Basislinie, seine saubereren Posts 18 % darüber, ein Ausschlag von 36 Punkten innerhalb eines Accounts. Über die Fallstudien hinweg laufen Posts, die eine der vier Killer-Formulierungen tragen, 18 bis 41 Punkte unter den sauberen Posts desselben Autors.
Das ist korrelational auf Autorenebene (Thema und Format variieren von Post zu Post, also ist es für sich allein kein Beweis), aber es weist in dieselbe Richtung wie die kontrollierte Schätzung und macht den Mechanismus greifbar: wenn ein starker Creator zur Schablone greift, unterbietet genau dieser Post seine eigene Norm.
Was der Reichweite HILFT: streichen Sie das nicht
Der Grund, warum ein roher „KI-Detektor" das falsche Werkzeug zum Redigieren ist: drei der Gewohnheiten, die er als „LinkedIn-klingend" markiert, heben die Reichweite tatsächlich. Es sind Engagement-Praktiken, keine KI, an die Sie gebunden sind, und sie zu streichen kostet Sie den Gewinn:
Echte Aufrichtigkeit und Verletzlichkeit: +4,6 % innerhalb eines Autors. Ein echtes, ungeschöntes Eingeständnis („Diesen Monat habe ich 40.000 Umsatz erreicht, und heute Morgen wurde mir klar, dass ich niemanden habe, mit dem ich feiern kann") gewinnt Reichweite, es verliert sie nicht. Behalten Sie es.
Eine Schlussfrage: neutral für die Reichweite, und sie zieht Kommentare. Mit der Frage zu enden, der Ihr Leser ausgewichen ist („Bin ich auf dem richtigen Weg?"), lädt zu dem Kommentar ein, der die Reichweite nährt.
Der P.S./CTA-Abschluss: reichweitenpositiv. Ein klarer Abschluss vom Typ „hier geht es als Nächstes weiter" hilft; er liest sich nicht als KI-Unterwerfung.
Wenn ein Redigierdurchgang Sie auffordert, das im Namen von „weniger nach KI klingen" plattzubügeln, ignorieren Sie ihn. Bereinigen Sie die vier schablonenhaften Wendungen oben; lassen Sie die drei menschlichen in Ruhe.
Sie wollen das Tempo der KI ohne die Muster, die Sie etwas kosten? Genau dafür ist der KI-Post-Generator von MagicPost gebaut. Er entwirft aus Ihren Ideen, dann schreibt sein Humanizer das schablonenhafte Gerüst um, das diese Studie als teuer markiert (die „here's how"-Eröffnung, die Kontrastformel, das generische Ratschlag-Muster), und behält dabei Ihre Stimme und die Gewohnheiten, die wirklich Engagement bringen. Sie bekommen den Entwurf in Sekunden, ohne in dem Teil der Kurve zu landen, der jetzt Reichweite verliert.
Was das bedeutet und was nicht
Was es bedeutet. Seit 2026 hat es einen echten, messbaren Reichweitenverlust, sich auf schablonenhafte KI-Formulierungen zu stützen, und wir können die Wendungen benennen, die ihn tragen. Für alle, die jeden Post mit „here's how" eröffnen oder zur Kontrastformel greifen, lohnt sich das Aufräumen um einen spürbaren Teil der Reichweite. Die zu behebenden Muster sind konkret und wenige.
Was es nicht bedeutet. Es bedeutet nicht, dass KI-Schreiben Ihre Reichweite halbiert (die erschreckende „Hälfte des Engagements"-Zahl war überwiegend die Zielgruppenlücke, nicht das Schreiben). Es bedeutet nicht, dass die Formulierung der Haupthebel ist: Reichweite wird von Ihrer Zielgruppe und Ihrem Thema dominiert, und die Formulierung ist eine Feinjustierung zweiter Ordnung, die am Rand ein paar Prozent zurückgewinnt. Und weil dies beobachtend ist, mag ein Teil des Verlusts eher am Aufwand liegen als an der Textur, denn ein Post aus reiner Formel hat oft eine dünnere Idee darunter. Den Autor konstant zu halten und jedes Muster zu isolieren macht die Formulierungserklärung am wahrscheinlichsten, beweist aber die Ursache nicht. So oder so ist der Schritt derselbe: lassen Sie das schablonenhafte Gerüst weg, setzen Sie eine echte Sichtweise zurück, und der Verlust geht mit. (Zu den Mustern selbst siehe wie man einen KI-geschriebenen LinkedIn-Post erkennt; zu ihrer Herkunft KI-Schreiben auf LinkedIn: der Stand der Dinge.)
Woher diese Daten stammen
Alles hier ist MagicPosts eigene Forschung, reproduzierbar aus dem Skript dahinter. Die Analyse umfasst unsere englischen LinkedIn-Posts (Text und Bild, 40 bis 400 Wörter, stabile Impressionen): 143.515 Posts über 3.000 Autoren für die Kosten pro Muster, und die gesamte infrage kommende englische Kohorte für den zeitlichen Verlauf, 56.005 Posts in 2026 und 253.284 in 2025. Reichweite ist `ln(impressions)`, zentriert auf den eigenen Mittelwert jedes Autors, sodass die Größe der Zielgruppe per Konstruktion entfernt ist. Der Befund von 2026 nutzt ein natürliches Experiment, das am 1. Januar 2026 trennt und jeden Post innerhalb seines Autors und Zeitraums neu zentriert, sodass weder die Zielgruppe noch ihr Wachstum über die Trennung sickert. Die Effekte pro Muster stammen aus einer Regression aller Wendungsfamilien zusammen, mit Kontrollen für Länge, Format und Post-Alter, und Konfidenzintervallen aus Bootstrap-Resamples auf Autorenebene. Der KI-Scorer ist unser eigenes `ai_likelihood_v2`, validiert gegen eine Stichprobe von 800 LLM-bewerteten Posts mit einer Rangkorrelation von 0,82. Ehrlicher Vorbehalt: dies ist eine Intra-Autor-Korrelation, kein Experiment; sie entfernt den Zielgruppen-Störfaktor, aber nicht einen verbleibenden Aufwands-Störfaktor. Zahlen mit Stand Juni 2026, mit den Daten aktualisiert.
Häufige Fragen
Bekommen KI-geschriebene Posts auf LinkedIn weniger Engagement?
Seit 2026 ja, wenn auch weniger, als die erschreckenden Zahlen nahelegen. Naiv gemessen sehen KI-klingende Posts so aus, als brächten sie rund die Hälfte des Engagements, doch der Großteil dieser Lücke ist die Größe der Zielgruppe, nicht das Schreiben. Vergleicht man jeden Autor mit sich selbst, war der Reichweitenverlust von KI-Formulierungen auf Englisch 2025 statistisch null und zeigt sich 2026 klar: die am stärksten schablonenhaften Posts verlieren jetzt rund 3 % bis 4 % ihrer Reichweite gegenüber der Norm desselben Autors, und jede teure Wendung läuft rund 4 % bis 7 % darunter.
Hat sich 2026 etwas geändert?
Ja, und das ist die Schlagzeile. Bei englischen Posts, die seit Januar 2026 veröffentlicht wurden (Zielgruppe neutralisiert), ist die Verbindung zwischen KI-Formulierung und Reichweite klar negativ, wo sie 2025 nicht von null zu unterscheiden war. Der Zeitpunkt passt zu LinkedIns Vorstoß Anfang 2026 gegen KI-anmutende Inhalte. Ob die Ursache der Algorithmus, Lesermüdigkeit oder beides ist, der Reichweitenverlust ist jetzt messbar, wo er es vorher nicht war.
Welche KI-Formulierungen kosten am meisten Reichweite?
Schablonenhaftes Gerüst, nicht jede „KI-klingende" Gewohnheit. In unseren englischen Daten sind die teuersten das generische Ratschlag-Muster („Stop X, start Y", rund -6,7 %), die Kontrastformel „it's not X, it's Y" (-4,9 %), die „The result?"-Überleitung (-4,8 %) und die „here's what / here's how"-Eröffnung (-4,3 %), jede innerhalb eines einzelnen Autors gemessen. Drei Muster, die oft fälschlich für KI-Marker gehalten werden, heben tatsächlich die Reichweite und sind zu behalten: die Rahmung echter Aufrichtigkeit, der P.S.-Abschluss und eine Schlussfrage.
Beweist das, dass KI Ihren Posts schadet?
Kein Beweis, eine starke und konkrete Korrelation, die 2026 erstmals auftaucht. Jeden Autor konstant zu halten schließt die Größe der Zielgruppe aus, und jedes Muster zu isolieren zeigt, welche Formulierungen den Verlust tragen. Was sich nicht vollständig trennen lässt, ist der Aufwand: Posts aus reiner Formel haben oft dünnere Ideen darunter. Die praktische Korrektur ist so oder so dieselbe: lassen Sie das schablonenhafte Gerüst weg, behalten Sie Ihre echte Sichtweise, und die Reichweite erholt sich am Rand.
> Verwalten Sie Ihre gesamte LinkedIn-Präsenz an einem Ort. Mit MagicPost schreiben, planen und analysieren Sie jeden Post in einem Workspace, sodass Sie Ihre Stimme behalten, die wenigen Formulierungen beheben, die jetzt Reichweite kosten, und über die Zeit verfolgen können, was jede Änderung mit Ihren Zahlen macht.
11 Muster, an denen Sie einen von KI geschriebenen LinkedIn-Beitrag im Jahr 2026 erkennen
Wir haben 46.000 LinkedIn-Posts analysiert, um die 11 Muster zu finden, die einen Post 2026 nach KI klingen lassen, mit echten Beispielen von Top-Creatorn und der Korrektur für jedes.
Bestraft LinkedIn KI-Inhalte? Was die Daten sagen (2026)
Bestraft LinkedIn KI-Inhalte? Nicht direkt: Es stuft generische Beiträge herab, nicht KI an sich. Seit den strengeren Maßnahmen im Jahr 2026 kosten schablonenhafte KI-Formulierungen echte Reichweite.
KI-Schreiben auf LinkedIn 2026: die Muster, und woher sie wirklich kommen
Die KI hat LinkedIn einen Hausstil verpasst. Hier sind die Muster, die 2026 mittlerweile nach KI klingen, und die unbequeme Wahrheit darüber, woher sie tatsächlich stammen.
„It's not X, it's Y": die LinkedIn-Formel, die jetzt jeder als KI liest
„"It's not X, it's Y"" ist die am häufigsten als KI markierte Formel auf LinkedIn. Jeder Top-Creator nutzt sie, warum sie zum Tell wurde und wie viel Reichweite sie 2026 kostet (around -9% in French).
Ist der Geviertstrich ein Zeichen für KI auf LinkedIn? Ja, und er hat einen größeren Cousin
Ist der Geviertstrich ein KI-Zeichen auf LinkedIn? Ja. Seine Nutzung sprang mit ChatGPT von unter 2 % der Posts auf über 15 %. Die Daten, und was Sie stattdessen nutzen sollten.
„Hier ist wie“ und „Hier ist was“: KI-Einstiege, die Reichweite kosten
„"Here's how"" ist LinkedIns häufigste KI-Überleitung. Sie stieg mit ChatGPT von unter 3 % der Beiträge auf über 16 %. Warum sie nach KI klingt, und wie Sie sie variieren.
KI-Wörter, die Sie auf LinkedIn vermeiden sollten: Wir haben 129.000 Beiträge analysiert (2026)
Die berühmten zu vermeidenden KI-Wörter (delve, tapestry) sind auf LinkedIn längst tot. Wir haben 129.000 Beiträge geprüft. Das echte Erkennungsmerkmal ist vom Vokabular zur Struktur gewandert.
How the LinkedIn Algorithm Works in 2026: What 1.2M Posts Reveal
How the LinkedIn algorithm works in 2026, measured on 1.2M posts: the levers ranked, from post length (+147%) to AI-sounding text (-57%).
The Best LinkedIn Post Format in 2026 (We Measured 1.2 Million Posts)
The best LinkedIn post format in 2026, measured on 1.2M posts: image and carousel lead at 34 median likes, video is rising, polls are last. Full data.
Wie lang sollte ein LinkedIn-Beitrag sein?
Erfahren Sie, was die ideale Länge eines LinkedIn-Beitrags ist, um mehr Sichtbarkeit und Eindrücke zu erhalten. Entdecken Sie Tipps zur Optimierung der Reichweite und zur Steigerung des Engagements.












