Niemand außerhalb von LinkedIn kennt die Ranking-Funktion. Ungewöhnlich an LinkedIn ist jedoch, dass das Engineering-Team Paper über die Technik dahinter veröffentlicht. Das gibt Ihnen eine Architektur, keine Formel, und die beiden werden oft verwechselt.
Die kurze Antwort: LinkedIn teilt das Problem in Retrieval (welche Beiträge überhaupt Kandidaten sind) und Ranking (in welcher Reihenfolge sie erscheinen), und Stand 2026 sind beide Stufen modellgetrieben statt regelgetrieben.
Wofür LinkedIn laut eigener Aussage optimiert
In „Engineering the next generation of LinkedIn’s Feed“, veröffentlicht am 12. März 2026, beschreibt LinkedIn Engineering, wie mehrere getrennte Retrieval-Quellen durch ein einziges semantisches Retrieval-System auf Basis eines Dual-Encoder-Sprachmodells ersetzt wurden, und wie die Ranking-Stufe durch einen sequenziellen Transformer ersetzt wurde, den das Unternehmen Generative Recommender nennt.
Die genannte Aufteilung, in LinkedIns eigener Formulierung: „Retrieval bestimmt, welche Beiträge die Ranking-Stufe erreichen, Ranking bestimmt, was ein Mitglied tatsächlich sieht.“
Das Ranking-Modell liest die Historie eines Mitglieds in Reihenfolge und verarbeitet über 1.000 vergangene Interaktionen mit kausaler Aufmerksamkeit, was bedeutet, dass es niemals vorausschaut. Bemerkenswert: LinkedIn gibt an, dass das Training auf Beiträge gefiltert wurde, die positives Engagement erhielten, und weggescrollte Elemente ausgeschlossen wurden.
Hinweis: Die Angaben hier wurden anhand des LinkedIn Engineering Blogbeitrags „Engineering the next generation of LinkedIn’s Feed“ (12. März 2026) und eines früheren Beitrags von LinkedIn Engineering zur Verweildauer im Feed mit Stand September 2026 überprüft. Plattformen ändern diese Werte ohne Vorankündigung.
Nach welchen Signalen rankt LinkedIn?
Geordnet nach der Gewichtung in LinkedIns eigenen Texten.
| Signalgruppe | Was LinkedIn nennt | Anmerkungen |
|---|---|---|
| Aktives Engagement | Likes, Kommentare, geteilte Beiträge, verlängerte Lesezeit | Die positiven Signale, mit denen das Ranking-Modell trainiert wird |
| Passives Verhalten | Verweildauer, Wegscrollen ohne Interaktion | LinkedIn Engineering hat ein eigenes Paper zur Verweildauer als Ranking-Input |
| Abfolge Ihrer Interaktionen | Über 1.000 vorherige Interaktionen, in Reihenfolge | Der zentrale Input für den Generative Recommender |
| Semantische Übereinstimmung | LLM-Embeddings von Mitglied und Beitrag, verglichen per Kosinus-Ähnlichkeit | Entscheidet über die Kandidatur, vor dem Ranking |
| Profilkontext | Branche, Fähigkeiten, geografische Lage | Wird als Merkmal verwendet |
| Engagement-Zahlen | Kodiert als Perzentil-Bereiche statt Rohzahlen | Schwächt den Vorteil sehr großer Konten ab |
| Aktualität | Explizite Aktualitäts-Signale | Vorhanden, aber nicht als dominant beschrieben |
Das Detail zu den Perzentil-Bereichen ist das nützlichste in dieser Liste. Es deutet darauf hin, dass LinkedIn absichtlich keine rohen Follower- oder Like-Zahlen ins Ranking einfließen lässt, was dem Gegenteil dessen entspricht, wie die meisten Menschen die Plattform beschreiben.
Was sich zuletzt am meisten geändert hat
Von LinkedIn genannt: der Umbau von Retrieval und Ranking, März 2026. Verweildauer als expliziter Ranking-Input, früher vom selben Team veröffentlicht.
Weithin berichtet, nicht bestätigt: die Behauptung, LinkedIn teste einen Beitrag an einem kleinen Ausschnitt Ihres Netzwerks und weite ihn von dort aus aus („die goldene Stunde“). LinkedIn Engineering beschreibt keinen gestuften Rollout in diesen Begriffen. Was beschrieben wird, ist eine Kandidaten-Generierungs- und Ranking-Pipeline, die pro Mitglied und pro Sitzung läuft. Frühes Engagement spielt plausibel eine Rolle, weil es verändert, was das Modell gesehen hat, aber die sauberen stündlichen Schwellenwerte, die häufig zitiert werden, sind nicht belegt.
Praktiker-Faustregel: der Glaube, dass externe Links die Reichweite unterdrücken. Siehe unten.
Mythen, die das widerlegt
„Der Algorithmus hasst Links.“ Das ist die am häufigsten wiederholte Behauptung über LinkedIn, und sie wurde nie von LinkedIn bestätigt. Es gibt keine veröffentlichte Aussage, dass ein Beitrag mit einer URL abgewertet wird. Was plausibel ist und mit LinkedIns eigener Beschreibung des Rankings nach Verweildauer und Engagement übereinstimmt, ist, dass ein Beitrag, der Menschen von der Plattform wegführt, weniger von beidem sammelt. Das ist ein Resultat, keine Strafe, und die Lösung ist, einen Beitrag zu schreiben, der für sich selbst lesenswert ist, statt den Link im Kommentar zu verstecken.
Shadowbans. Kein bestätigter Mechanismus. LinkedIn schränkt Konten ein und entfernt Inhalte nach eigenen Richtlinien, und es informiert Sie darüber, wenn das passiert. Ein unerklärter Reichweiteneinbruch liegt häufiger an einer Änderung dessen, was Sie gepostet haben. Siehe was ein Shadowban tatsächlich ist.
Engagement-Pods. Als Strategie unbelegt und direkt im Widerspruch zur veröffentlichten Architektur. Wenn Engagement-Zahlen als Perzentil-Bereiche ins Ranking einfließen, kauft Ihnen ein Pod bestenfalls eine Bereichsgrenze. Schlimmer noch: Pod-Engagement stammt von Menschen, deren Interaktionshistorie nicht zu Ihrer Zielgruppe passt, und genau das ist das Signal, aus dem ein Sequenzmodell lernt.
Die Posting-Zeit ist entscheidend. Übertrieben. Das Publikum von LinkedIn konzentriert sich auf Arbeitszeiten, daher gibt es eine reale Untergrenze, aber eine Verschiebung um eine Stunde ist nicht das, was einen viral gehenden Beitrag von einem unbemerkten unterscheidet. Unser Leitfaden Beste Zeit für LinkedIn Beiträge und das LinkedIn Posting-Zeit-Tool übernehmen die Zeitzonenrechnung. Die Häufigkeit spielt eine größere Rolle, behandelt in Wie oft auf LinkedIn posten.
Was die Verbreitung tatsächlich bewegt, nach Priorität
- Ob Menschen innehalten und lesen. Verweildauer ist ein dokumentierter Input. Die ersten beiden Zeilen vor dem „mehr anzeigen“-Umbruch entscheiden darüber.
- Kommentare mit Substanz. Sie sind aktive Signale und verlängern die Lebensdauer eines Beitrags.
- Thematische Klarheit. Semantisches Retrieval gleicht Bedeutung ab, daher lässt sich ein Beitrag über eine klare Sache leichter einordnen als einer über vier.
- Relevanz für die tatsächlichen Interessen Ihres Netzwerks. Das Modell wird aus der individuellen Interaktionsabfolge jeder betrachtenden Person aufgebaut.
- Wiederveröffentlichungen und geteilte Beiträge mit Kommentar.
- Konsistenz. Kein Ranking-Signal. Sie ist der Weg, um genug Datenpunkte zu bekommen, aus denen überhaupt etwas gelernt werden kann.
Was zu tun ist
Schreiben Sie den Beitrag so, dass die ersten beiden Zeilen den Klick auf „mehr anzeigen“ wert sind. Sagen Sie eine Sache. Beantworten Sie die Kommentare, denn Antworten sind aktives Engagement genau von dem Publikum, das das Modell beobachtet. Platzieren Sie den Link dort, wo er sich natürlich liest.
LinkedIn zusammen mit allem anderen planen
Die Häufigkeit ist der Teil davon, den Sie systematisieren können. BulkPublish plant persönliche LinkedIn-Profile und Unternehmensseiten aus demselben Kalender wie die anderen 14 Plattformen, mit einer Warteschlange pro Kanal, sodass ein LinkedIn-Beitrag keinem Instagram-Zeitplan folgen muss. Die Kalender-Funktionsseite zeigt das Layout.
Die Teile, die Sie kontrollieren
Format, Aufhänger, Konsistenz. LinkedIn hat mehr über seine Technik verraten als die meisten Plattformen, und die ehrliche Schlussfolgerung daraus ist, dass die Technik größtenteils einen Beitrag belohnt, bei dem Menschen tatsächlich innehalten. Das ist kein Trick, und es gibt keine Version davon, die man kaufen kann.