Prof. Dr. Simon Nestler

Möchtest du diesen Artikel als KI-Slop melden?

Möchtest du diesen Artikel als KI-Slop melden?

von Prof. Dr. Simon Nestler

Sieben Texte.

Ein Thema.

Und irgendwo darunter: ein Mensch.

Die Juroren wussten nicht, welcher Text von ihm stammt.

Sie wussten nicht einmal, dass einer dabei ist.

Am Ende hat der Mensch gewonnen. Und verloren. Beides zugleich.

Aus den KI-Richtlinien des Spiegel wurde Ende Juni ein Wort gestrichen. Ein einziges: maßgeblich.

Vorher durfte die KI Artikel nicht maßgeblich schreiben oder umschreiben. Jetzt gar nicht mehr. Chefredakteur Dirk Kurbjuweit hat das in einem Essay begründet. Sein Haus will „ein Fest von Menschen für Menschen" bleiben. Ein Menschenmedium.

Die Begründung ist keine Abwehr, sondern eine Wette. Die Maschine sei ein Ansporn, auf das zu setzen, was sie nicht kann: rausgehen, mit Menschen reden, sich selbst zeigen, Vertrauen schaffen. Journalismus über Persönlichkeit.

Merk dir das Wort. Es kommt zurück.

Fünf Wochen später baut LinkedIn einen Meldeknopf ein. Wer einen Beitrag für KI-Brei hält, für Slop, kann ihn markieren. Der Spiegel berichtet darüber. Von einem Menschen geschrieben, versteht sich.

Zwei Antworten auf dieselbe Flut.

Verbieten. Melden.

Mich interessiert die dritte: beibringen.

Auf einem Holztisch liegen ausgedruckte Textseiten, eine Hand hält einen roten Stift und hat mehrere Zeilen durchgestrichen und an den Rand geschrieben. Daneben ein Espresso, seitliches Lampenlicht, sonst niemand im Bild.
Sieben Artikel, ein Thema, ein Auftrag. Sechs stammen von der Maschine. Von außen sieht man es keinem an.

Fünf Wege zu einer Stimme

Auf meinem Rechner liegen fünf Markdown-Dateien. Fünf Versuche, einer KI beizubringen, wie ein Mensch zu schreiben. Genauer: wie ich.

Das Interview. 100 Fragen, die mir die KI gestellt hat, beantwortet per Diktat. Überzeugungen, Formulierungen, ästhetische Abneigungen. Aus dem Transkript wird ein Stimmprofil.

Die Buchanalyse. Alle 287 Seiten von „Menschzentrierte Digitalisierung", ausgewertet zu einem Stil-Dossier. Satzbau, Metaphern, Humor, Haltung, mit wörtlichen Belegen.

Zwei Anti-KI-Regelwerke. Eines für die Formulierung, Merkformel: Konkreter. Mutiger. Mündlicher. Eines für die Struktur: Zurückhalten. Offenlassen. Zutrauen. Beide generisch. Mit mir haben sie nichts zu tun.

Der Leitfaden. Alles zusammen, verdichtet zu einem Steuerungsdokument mit Arbeitsablauf und Prüfprotokoll.

Eines dieser fünf Dokumente hat den Artikel geschrieben, den du gerade liest.

Welches, sage ich am Schluss.

Dazu eine sechste Bedingung, die wichtigste: gar kein Dokument.

Ohne die nackte KI im Feld weißt du nicht, ob die Dokumente überhaupt etwas bewirken.

Sechs Mal derselbe Auftrag: ein Artikel über LinkedIns neuen Meldeknopf, etwa 450 Wörter.

Jede Sitzung bekam genau zwei Dinge: den Auftrag und ihr Dokument. Keine wusste von den anderen. Keine wusste vom Experiment. Recherchieren durfte jede selbst, und sie landeten unabhängig voneinander bei denselben Quellen: dem Bericht von TechCrunch, der Pangram-Labs-Studie über gut eine Million Posts, den Zahlen von Originality.ai. Die Prozentwerte im Anhang sind recherchiert, nicht halluziniert.

Nebenbei, weil es mich gefreut hat: Slop heißt im Englischen Schweinefutter. Der Brei im Trog. Zwei der sechs Sitzungen haben das von sich aus nachgeschlagen und in ihren Text geschrieben. Gefragt hatte ich nicht danach.

Dann die Bewertung. Drei weitere Sitzungen, blind, jede mit einer anderen Lesereihenfolge, damit nicht die Position im Stapel das Urteil macht. Zwei Skalen: KI oder Mensch? Und: austauschbar oder unverwechselbar? In den Stapel ging, unmarkiert, ein siebter Text: das Spiegel-Original.

Ich habe ihr nicht geglaubt

Ich habe lange überlegt, ob dieser Abschnitt hier hingehört. Er handelt von mir und nicht vom Ergebnis. Er bleibt trotzdem drin, weil das Ergebnis ohne ihn nichts wert wäre.

Die KI meldete Vollzug. Zehn getrennte Sitzungen, blind, keine mit Wissen von der anderen.

Ich habe zurückgeschrieben: „Ich glaube dir das noch nicht."

Der unwissenschaftlichste Satz des ganzen Projekts. Und der ehrlichste. Ein Werkzeug behauptet etwas über seine eigene Sauberkeit, und der einzige Beleg dafür ist die Behauptung.

Was dann kam, hätte ich selbst nicht strenger verlangen können. Die Bewertung lief noch einmal von vorn: neue, zufällige Kennungen für jeden Text, die Texte direkt im Prompt statt als Datei, pro Juror nachweislich null Datei- und Werkzeugzugriffe. Wer nichts öffnen kann, kann auch nicht nachsehen.

Und sie legte von sich aus eine Schwäche offen. Im ersten Durchlauf lag die Datei mit der geheimen Zuordnung in einem Nachbarordner, den die Juroren hätten erreichen können.

Angerührt hat sie niemand. Sauber war es trotzdem nicht.

Sechs Juroren, zwei Durchläufe, eine Rangfolge. Ohne eine einzige Vertauschung.

Die Zahlen ab hier stammen aus dem strengeren Durchlauf.

Die Landkarte

Die Landkarte: sieben Texte auf zwei Achsen. Waagerecht von KI zu Mensch, senkrecht von austauschbar zu unverwechselbar.

Sieben Texte, zwei Achsen. Schreibt ihr ein Mensch? Und: Wie viel Persönlichkeit zeigt der Text?

Waagerecht läuft es von KI zu Mensch, senkrecht von austauschbar zu unverwechselbar.

Bedingung Mensch Unverwechselbar
Spiegel-Original (Mensch)7347
Anti-KI-Formulierung5871
Anti-KI-Struktur5253
Buchanalyse4366
Leitfaden (kombiniert)3756
Interview-Profil3545
Ohne Stildokument3233

Mittelwerte aus drei Blindbewertungen, Skala 0 bis 100. Die Einzelwerte jedes Jurors stehen im Anhang.

Die nackte KI: letzter Platz, beide Achsen. 32 und 33 von 100.

Fehlerfrei. Gefällig. Niemand.

Der Spiegel-Text: 73 auf der Mensch-Achse. Der beste KI-Text kommt auf 58. Die Juroren haben den einzigen Menschen im Feld herausgehoben, ohne zu wissen, dass es ihn gibt. An der reporterhaften Kleinteiligkeit. An den Unebenheiten, die man nicht simuliert.

Kurbjuweits Wette trägt.

Und dann die zweite Achse.

Der Spiegel landet bei 47. Mittelfeld.

Drei KI-Texte ziehen vorbei. Der beste erreicht 71.

Kurbjuweit setzt auf Persönlichkeit. Auf der Achse, die genau das misst, kommt sein Haus nicht über das Mittelfeld hinaus.

Das widerlegt ihn nicht. Es präzisiert ihn: Der Nachrichtentext holt seine Menschlichkeit aus dem Handwerk, nicht aus einer hörbaren Stimme.

Nach Mensch klingen und unverwechselbar klingen sind zwei verschiedene Fähigkeiten. Die Debatte behandelt beides als dasselbe. Gemessen werden zwei Achsen. Und auf jeder gewinnt ein anderer.

Jetzt der Haken an dem Text, den ich gerade gelobt habe.

Der menschlichste Text des Feldes enthält Maschine. Spiegel-Autor Matthias Kaufmann hat sich von einem Sprachmodell einen parodistischen LinkedIn-Post schreiben lassen und rahmt seinen Artikel damit. Auch der Schlussabsatz stammt aus der KI.

Die Juroren nannten ausgerechnet diesen Kunstgriff den einzigen unverwechselbaren Autorenzug des Textes.

Erkannt wurde der Mensch also nicht daran, dass er die Maschine meidet. Sondern daran, wie souverän er sie einsetzt.

Das Menschenmedium zitiert die Maschine, um menschlich zu wirken. Und es funktioniert.

Die Rangliste

Welches Dokument hat den besten KI-Text geliefert?

Nicht das Interview über meine Überzeugungen. Nicht die 287 Seiten Buchanalyse. Nicht der große Leitfaden.

Das generische Formulierungs-Regelwerk. Ausgerechnet das Dokument, das mit mir nichts zu tun hat: 58 und 71.

Als Beleg für Menschlichkeit zitierten die Juroren Sätze wie: „So schrieben Menschen. Freiwillig."

Wirke wie hingeworfen, nicht generiert.

Du willst einwenden: Ohne Persönlichkeitsdokument entsteht doch gar keine bestimmte Stimme. Stimmt. Es entsteht trotzdem eine. Nur keine, die mir gehört.

Das Interview kommt auf 35 und 45 und liegt damit kaum über der nackten KI. Hundert diktierte Antworten über meine Überzeugungen liefern Material. Sprache werden sie erst durch Handwerksregeln. Wer sich von einer KI interviewen lässt und danach ein Stimmprofil in Händen hält, hat noch keinen einzigen Satz gewonnen.

Und die Buchanalyse? Lieferte den Text mit der auffälligsten Signatur, eine komplett durchgezogene Kantinen-Metapher inklusive. Und zugleich den wackeligsten Wert auf der Mensch-Achse: je nach Juror zwischen 25 und 45. Ein Juror nannte die perfekt durchgehaltene Bildwelt „maschinelle Eleganz".

Zu sauber sitzende Stilmuster werden selbst zum Verdachtsmoment.

Zu viel Ich sieht aus wie Maschine.

Bleibt der Leitfaden. Das Dokument, in das alles eingegangen ist: Interview, Buchanalyse, beide Regelwerke, dazu Arbeitsablauf und Prüfprotokoll. Die Vollausstattung.

37 und 56.

Deutlich vor der nackten KI. Und deutlich hinter seinem eigenen besten Baustein.

Mehr Regeln ergeben nicht mehr Mensch. Oder genauer: Mehr Regeln ergeben mehr Kontrolle, und Kontrolle ist das Gegenteil von Handschrift. Das Prüfprotokoll fängt jeden Fehler ab, und mit den Fehlern verschwindet das Riskante. Übrig bleibt Sorgfalt. Sorgfalt klingt nach niemandem.

Beide Regelwerke und der Leitfaden liegen offen: auf GitHub, unter CC BY 4.0.

Wie du sie in deine KI bekommst, steht im Anhang.

Was das Experiment nicht kann

Bewertet hat dasselbe KI-Modell, das sechs der sieben Texte geschrieben hat. Ein befangener Richter, auch wenn er blind geurteilt hat. Der Spiegel-Text ist eine Nachricht, die sechs KI-Texte sind Meinungsstücke: Ein Teil seines Vorsprungs ist Genre, nicht Handwerk. Und ein Text pro Bedingung, ein Thema, ein Modell. Indizien, keine Statistik.

Ob ein fremdes Modell genauso urteilt? Ob Leserinnen und Leser genauso urteilen wie die Maschine?

Weiß ich nicht.

Das wäre das nächste Experiment.

Melden oder nicht?

Die sechs KI-Texte stehen unten im Anhang, das Spiegel-Original ist dort verlinkt. Lies sie. Und melde ehrlich: Welchen hättest du als Slop markiert?

Zwei der sechs stellen unaufgefordert dieselbe Frage: Wen trifft der Knopf eigentlich?

Gemeldet wird, was nach KI klingt. Und so klingt auf LinkedIn seit Jahren auch das, was Menschen selbst tippen.

Der Knopf erkennt vielleicht die Maschine. Den Menschen, der wie eine Maschine schreibt, meldet er gleich mit.

Verdächtig macht nicht die Herkunft. Verdächtig macht die Glätte.

Ein Umstand noch, bevor du urteilst.

Auch dieser Artikel hier ist so entstanden. Nach Dokument fünf. Dem Leitfaden.

Dem Dokument, das im Experiment auf 37 kam.

Hättest du ihn gemeldet?

Anhang: Die sechs Texte aus dem Experiment

Alle sechs Texte entstanden aus dem identischen Auftrag (ganz unten), in getrennten Sitzungen, ohne Wissen vom Experiment. Umfangsvorgabe: etwa 450 Wörter. Die Werte in Klammern: Mensch / unverwechselbar, Mittelwerte aus drei unabhängigen Blindbewertungen. Der siebte Text des Experiments ist der Original-Artikel von Matthias Kaufmann im SPIEGEL (73 / 47).

Text 1: Ohne Stildokument – die Baseline (32 / 33)
„Wirkt wie KI-Slop": LinkedIn lässt Nutzer generische KI-Beiträge melden
LinkedIn zieht die Notbremse: Wer im Feed über einen Beitrag stolpert, der nach seelenloser Maschinenprosa klingt, kann ihn künftig direkt als „KI-Slop" melden. Die Plattform reagiert damit auf ein Problem, das sie selbst mit großgezogen hat.

Die neue Meldeoption ist Teil eines größeren Pakets, das LinkedIn Ende Juli angekündigt hat (via TechCrunch). Neben dem Melden durch Nutzer setzt das Unternehmen auf automatische Klassifikatoren, die minderwertige KI-Inhalte aus den Empfehlungen filtern sollen – und die durch die eingehenden Meldungen trainiert werden. Schon jetzt blockiere man Hunderttausende automatisierter Kommentare pro Tag, sagt Produktchef Hari Srinivasan: „KI-Slop hat für uns alle höchste Priorität." Bemerkenswert ist auch die Kehrtwende bei den hauseigenen Schreibhilfen: Die Funktion, die Beiträge komplett umschrieb, wird eingestellt. Stattdessen soll ein Werkzeug nur noch Korrektur lesen – die „Stimme" der Schreibenden, ihre typische Ausdrucksweise, soll erhalten bleiben.

Wie groß das Problem ist, zeigen aktuelle Studien. Pangram Labs analysierte über eine Million Beiträge auf fünf Plattformen: Bei kürzeren Posts ab 50 Wörtern waren plattformübergreifend knapp 14 Prozent KI-generiert, bei längeren Texten ab 250 Wörtern bereits ein Viertel – auf LinkedIn sogar mehr als 40 Prozent. Obwohl LinkedIn nur rund ein Drittel des untersuchten Materials stellte, entfielen 62 Prozent aller KI-Treffer auf die Plattform. Der Detektor-Anbieter Originality.ai kommt mit weicheren Kriterien auf noch drastischere Werte: 81 Prozent der untersuchten längeren Beiträge (ab 100 Wörtern) seien „wahrscheinlich KI" – Ende 2024 war es etwa die Hälfte. Kurz gesagt: Je länger der Post, desto wahrscheinlicher hat ihn eine Maschine geschrieben.

Man erkennt diese Texte am Tonfall. Etwa so (Parodie):

*„Ich bin unglaublich demütig und dankbar, verkünden zu dürfen: Unser Team hat wieder einmal Großartiges geleistet. Das ist kein Erfolg – das ist eine Reise. 🚀"*

Oder so:

*„Gestern hat mir mein fünfjähriger Sohn eine Frage gestellt, die mein Verständnis von Leadership für immer verändert hat. Ein Thread. 🧵"*

Ehrlicherweise muss man sagen: Diesen Ton gab es auf LinkedIn schon, bevor ChatGPT das Licht der Welt erblickte. Die Plattform klang immer schon nach Pressemitteilung und Selbstbeweihräucherung, nach „gerne teile ich meine Learnings". Die generative KI hat diese Floskelmaschine nicht erfunden – sie hat sie nur perfekt imitiert und ins Unendliche skaliert. Vielleicht fiel es deshalb so lange kaum auf.

Und LinkedIn ist kein Einzelfall. Ob X, Medium, Substack oder Facebook: Praktisch alle sozialen Netzwerke werden inzwischen mit synthetischen Inhalten geflutet; auf X fand Pangram Labs bei fast der Hälfte der längeren Beiträge KI-Beteiligung. Das Netz füllt sich mit Texten, die niemand geschrieben hat – für Leser, die es womöglich bald auch nicht mehr gibt.

Bleibt die Frage, ob ein Melde-Button und bessere Filter gegen diese Flut ausrichten können, was Millionen von Nutzern mit einem Klick auf „Generieren" täglich anrichten. Die Antwort steht aus.

Text 2: Anti-KI-Formulierung (58 / 71)
„Wirkt wie KI-Brei": LinkedIn baut einen Melde-Knopf ein
Seit Ende Juli können LinkedIn-Nutzer Beiträge melden, die nach Maschine klingen. Ausgerechnet die Plattform, auf der Textautomaten am fleißigsten posten, zieht damit die Notbremse.

Der Knopf sitzt im Drei-Punkte-Menü jedes Beitrags und heißt wörtlich „Seems like AI slop", zu Deutsch etwa: wirkt wie KI-Brei. Wer ihn drückt, füttert LinkedIns Erkennungssysteme. Die Meldungen trainieren Klassifikatoren, die minderwertige KI-Texte künftig automatisch erkennen und aus den Empfehlungen drängen sollen. Schon heute blockiert die Plattform nach eigenen Angaben täglich Hunderttausende automatisierte Kommentarversuche. „KI-Slop hat für uns alle oberste Priorität", sagte Produktchef Hari Srinivasan gegenüber TechCrunch.

Der zweite Schritt überrascht mehr: LinkedIn stutzt die eigenen Schreibhilfen. Die Funktion „Enhance your post", die aus jedem Zweizeiler eine Motivationsrede machte, verschwindet. An ihre Stelle tritt ein Korrekturwerkzeug, das Tippfehler glättet und die Ausdrucksweise der Schreibenden stehen lässt. Die eigene Stimme soll hörbar bleiben. Und das von der Firma, die jahrelang KI-Textbausteine in jedes Eingabefeld gedrückt hat.

Wie viel Maschine steckt schon im Feed? Kommt auf die Länge an. Pangram Labs hat zwischen April und Juni 2026 gut eine Million Posts von fünf Plattformen durch einen Detektor geschickt. Kurze Beiträge stammen demnach meist noch von Menschen; ab etwa 250 Wörtern kippt es. Auf LinkedIn stufte der Detektor über 40 Prozent der langen Posts als komplett KI-geschrieben ein, rund doppelt so viel wie im Schnitt aller untersuchten Plattformen. Originality.ai kommt für Beiträge ab 100 Wörtern sogar auf 81 Prozent „wahrscheinlich KI" – Ende 2024 war es dort noch etwa die Hälfte. Über die exakte Zahl streiten die Detektoren. Über die Richtung nicht: je länger der Post, desto wahrscheinlicher die Maschine.

Nur: Der Ton war vorher schon da. LinkedIn klang lange vor ChatGPT nach Pressemitteilung und Eigenlob. Sätze wie diese, hier als Parodie, versteht sich:

*„Zutiefst demütig und dankbar darf ich verkünden, dass meine Reise in ein neues Kapitel geht."*

*„In der heutigen schnelllebigen Arbeitswelt ist Authentizität nicht nur ein Buzzword, sondern ein echter Gamechanger."*

*„Was mich das Scheitern unseres Produktlaunches über Leadership gelehrt hat? Alles."*

So schrieben Menschen. Freiwillig. Die Sprachmodelle haben diesen Ton bloß eingeatmet und geben ihn jetzt in Serie wieder aus. Der Melde-Knopf bekämpft also ein Symptom, dessen Erreger die Plattformkultur selbst gezüchtet hat.

LinkedIn ist obendrein kein Sonderfall. Auf X fand Pangram rund 24 Prozent komplett KI-generierte Beiträge, auf Medium und Substack sieht es kaum besser aus; vergleichsweise verschont bleibt bislang Reddit mit gut vier Prozent. Die Flut steigt überall, LinkedIn ist nur der nasseste Keller.

Bleibt die Frage, ob ein Knopf dagegen ankommt. Gemeldet wird, was nach KI klingt – und danach klingt auf LinkedIn seit Jahren auch vieles, das Menschen selbst tippen. Ob die Klassifikatoren diesen Unterschied je lernen? Ich bin skeptisch. Abwarten.

Text 3: Anti-KI-Struktur (52 / 53)
„Wirkt wie KI-Slop": LinkedIn lässt seine Nutzer jetzt melden
**LinkedIn führt einen Melde-Button für KI-generierte Billigtexte ein und zähmt zugleich die eigenen Schreibhilfen. Die Zahlen hinter der Entscheidung sind drastisch – und der Ton, um den es geht, ist älter, als man denkt.**

*„Ich bin zutiefst demütig und unglaublich stolz, verkünden zu dürfen: Unsere Reise beginnt gerade erst. Denn am Ende geht es nicht um Tools – es geht um Menschen. 🚀"* – so ungefähr klingt er, der Beitrag, den man auf LinkedIn ab sofort melden kann. Die neue Option im Beitragsmenü heißt wörtlich „Seems like AI slop", wirkt wie KI-Müll, und wurde Ende Juli ausgerollt, wie zuerst TechCrunch berichtete.

Die Meldungen landen nicht nur bei Moderatoren, sie füttern LinkedIns automatische Erkennungssysteme. Produktchef Hari Srinivasan begründet das gegenüber Fortune damit, dass sich Slop schwer definieren lasse und die Definition sich ständig verschiebe – die Meldungen sollen die Modelle nachjustieren. Schon jetzt blockiert die Plattform nach eigenen Angaben Hunderttausende automatisierte Kommentarversuche pro Tag, dazu in den letzten Monaten Milliarden weiterer Automatisierungsversuche.

Sie ahnen vermutlich, wo der Haken liegt: Die Werkzeuge, die solche Texte produzieren, bot LinkedIn bislang selbst an. Die Funktion „Enhance your post", die Beiträge auf Hochglanz polierte, wird eingestellt. An ihre Stelle tritt ein Korrekturwerkzeug, das Rechtschreibung und Grammatik prüft, die typische Ausdrucksweise der Schreibenden aber stehen lässt – ihre „Stimme", wie es bei LinkedIn heißt.

Wie viel auf der Plattform überhaupt noch von Menschen stammt, haben zwei Untersuchungen taxiert. Pangram Labs analysierte gut eine Million Social-Media-Beiträge: Rund 40 Prozent der längeren LinkedIn-Posts stuft die Firma als vollständig KI-generiert ein, bei kurzen sind es etwa 30 Prozent. Originality.ai kommt bei Posts über 100 Wörtern sogar auf 81 Prozent „wahrscheinlich KI" – Ende 2024 war es noch rund die Hälfte. Je länger der Text, desto seltener der Mensch. Wobei: Wie treffsicher KI-Detektoren selbst urteilen, ist umstritten; ob die 81 Prozent stimmen, kann ich nicht beurteilen.

*„Das ist nicht nur ein Meilenstein. Das ist ein Gamechanger. Und das Beste? Wir fangen gerade erst an."* Falls Ihnen auch dieser – erfundene – Satz vertraut vorkommt, obwohl Sie ihn genauso schon 2017 hätten lesen können: eben. Der floskelhafte LinkedIn-Ton, dieses Gemisch aus PR-Sprech, Selbstbeweihräucherung und „humbled to announce", ist älter als die generative KI. Die Modelle haben ihn nicht erfunden. Sie haben ihn gelernt – und skaliert.

LinkedIn ist dabei nur der sichtbarste Fall. Pangram zufolge sind auf X rund ein Viertel der längeren Beiträge komplett KI-generiert, auf Medium etwa ein Drittel der Texte KI-geschrieben oder KI-gestützt, auf Substack gut ein Fünftel. Nur Reddit fällt mit wenigen Prozent aus der Reihe. Geflutet werden sie alle.

Bleibt die Frage, ob ein Melde-Button gegen eine Flut hilft, die jeden Tag nachproduziert wird – schneller, als irgendjemand melden kann.

Text 4: Interview-Profil (35 / 45)
LinkedIn bekommt einen Slop-Button
**LinkedIn lässt seine Mitglieder jetzt Beiträge melden, die nach KI klingen und nichts sagen. Die Erkennungssysteme sollen aus den Meldungen lernen. Doch das eigentliche Problem ist älter als die generative KI.**

Wenige Plattformen klingen so austauschbar wie LinkedIn. Jetzt zieht das Netzwerk eine Konsequenz: „Seems like AI slop" heißt die neue Meldeoption, über die TechCrunch berichtet. Wer einen Beitrag für KI-generiert und minderwertig hält, kann ihn markieren. Die Meldungen trainieren automatische Erkennungssysteme, und als Slop erkannte Beiträge werden außerhalb des eigenen Netzwerks seltener ausgespielt. Milliarden automatisierter Kommentarversuche hat die Plattform laut Fortune in den vergangenen Monaten ohnehin schon blockiert.

Bemerkenswert ist der zweite Teil der Ankündigung: LinkedIn nimmt seine eigenen KI-Schreibhilfen zurück. Die Funktion, die Beiträge komplett umformulierte, verschwindet. Übrig bleibt eine Korrekturhilfe für Rechtschreibung und Grammatik. Die Begründung: Die Stimme der Schreibenden soll erkennbar bleiben. Die Plattform, die jahrelang KI-Texte anbot, entdeckt den Wert des Eigenen.

Wie groß das Problem ist, zeigen zwei Untersuchungen. Originality.ai stufte im Juli 81 Prozent von 5.000 untersuchten längeren Posts (ab 100 Wörtern) als vermutlich KI-generiert ein: Ende 2024 war es noch etwa die Hälfte. Pangram Labs kommt nach der Analyse von über einer Million Beiträgen zu vorsichtigeren Werten: Gut 40 Prozent der langen LinkedIn-Posts sind demnach vollständig KI-generiert. Über alle Längen und Plattformen hinweg waren es nur knapp 14 Prozent. Das bedeutet: Je kürzer der Beitrag, desto wahrscheinlicher hat ihn ein Mensch geschrieben. Wer auf LinkedIn lange Texte liest, liest vermutlich eine Maschine.

Der Ton, den der Button treffen soll, klingt in etwa so:

*„Ich bin unglaublich demütig und dankbar, heute etwas sehr Persönliches teilen zu dürfen."*

*„Das hat mich nachdenklich gemacht. Denn am Ende geht es nicht um KI. Es geht um Menschen. 🚀"*

*„Agree? Teilen Sie diesen Beitrag, wenn auch Sie an die Kraft echter Innovation glauben."*

Nur: Dieser Ton ist älter als ChatGPT. LinkedIn klang schon nach PR und Selbstbeweihräucherung, als noch Menschen die Floskeln tippten. Die KI hat diesen Stil nicht erfunden. Sie hat ihn gelernt: aus Millionen menschlicher Vorlagen. Genau das macht die Erkennung so schwer. Wo der Originalton bereits maschinell klingt, fehlt der Kontrast.

LinkedIn ist dabei kein Sonderfall, sondern der Extremfall. Pangram Labs fand auf X rund 24 Prozent vollständig KI-generierte Langform-Posts, auf Medium ein Drittel mit KI-Beteiligung, auf Substack gut ein Fünftel. Praktisch jede Plattform wird geflutet. Die Meldefunktion ist der erste Versuch einer großen Plattform, die eigene Community dagegen zu mobilisieren.

Ob solche Maßnahmen wirken, ist offen. Ein Button erkennt vielleicht die Maschine. Aber erkennt er auch den Menschen, der wie eine Maschine schreibt? Und wen melden wir dann?

Text 5: Buchanalyse-Dossier (43 / 66)
Alles Pampe. Alles meldbar?
LinkedIn führt einen Meldeknopf für minderwertige KI-Beiträge ein – und nimmt zugleich die eigenen Schreibhilfen an die kurze Leine. Ein Blick auf eine Plattform, die im eigenen Einheitsbrei zu versinken droht.

Stellen Sie sich eine Kantine vor, in der immer mehr Gerichte aus demselben großen Topf geschöpft werden. Alles ist warm, alles sättigt – und alles schmeckt gleich. Wer wie wir aus beruflichen Gründen täglich durch diesen Speisesaal namens LinkedIn geht, kennt das Gefühl. Die Plattform nennt das Kind nun selbst beim Namen: *Slop* – auf Deutsch etwa Pampe (ursprünglich: Schweinefutter). Nutzer\*innen können Beiträge künftig direkt im Beitragsmenü melden, wenn diese wie KI-Pampe wirken (im Original: *Seems like AI slop*). Die Meldungen füttern – diese Ironie muss erlaubt sein – wiederum eine KI: Klassifikatoren, die minderwertige Inhalte automatisch erkennen und seltener außerhalb des eigenen Netzwerks ausspielen sollen, wie TechCrunch berichtet. Hunderttausende automatisierte Kommentare blockiert die Plattform nach eigenen Angaben schon heute – täglich.

Bemerkenswerter ist der zweite Teil der Ankündigung: LinkedIn stutzt die eigenen Werkzeuge. Die Funktion „Enhance your post" – frei übersetzt: „Lassen Sie Ihren Beitrag glattschleifen" – verschwindet. An ihre Stelle tritt ein Korrekturwerkzeug, das Fehler behebt, die typische Ausdrucksweise der Schreibenden – ihre Stimme – aber hörbar lassen soll. Warum dieser Rückzieher? Aus unserer Sicht ist die Antwort unbequem: Die Plattform hat den Einheitsbrei kräftig mitgekocht.

Wie groß ist das Problem? Groß. Pangram Labs hat rund eine Million Beiträge plattformübergreifend analysiert: Knapp 14 Prozent waren demnach KI-generiert; bei längeren Texten ab 250 Wörtern rund ein Viertel – auf LinkedIn sogar 41 Prozent. Originality.AI kommt für lange LinkedIn-Beiträge inzwischen auf über 80 Prozent „wahrscheinlich KI". Kurze, beiläufige Wortmeldungen stammen dagegen weit überwiegend von Menschen. Zur Ehrlichkeit gehört: Solche Detektoren liefern Wahrscheinlichkeiten, keine Beweise – die Größenordnung aber ist eindeutig.

Zur Wahrheit gehört auch: Die Pampe ist älter als die generative KI. LinkedIn klang schon nach PR und Selbstbeweihräucherung, als noch Menschen jede Floskel eigenhändig tippten – dieses *„Ich bin demütig und stolz zugleich, diese Auszeichnung entgegennehmen zu dürfen"*, dieses *„Was mir ein Barista heute Morgen über Führung beigebracht hat? Mehr als jedes Seminar"*, dieses *„Unsere Reise hat gerade erst begonnen"*. (Alle drei Zitate sind erfunden – aber Sie haben sie so ähnlich schon gelesen.) Die generative KI hat diesen Ton nicht erfunden – sie hat ihn gelernt. Von uns.

Und LinkedIn ist kein Einzelfall: X, Facebook, Medium, Substack – praktisch alle sozialen Plattformen werden derzeit mit KI-Inhalten geflutet. Nur die Kommentare auf Reddit gelten in der Pangram-Studie noch zu 98 Prozent als menschlich.

Bleibt die entscheidende Frage: Wirkt so ein Knopf? Ein Beschwerdekasten neben dem Buffet ändert noch keine Küche – solange das Schöpfen aus dem großen Topf so viel billiger ist als das Kochen. Vielleicht wird die Pampe künftig schlicht und ergreifend unauffälliger gewürzt. Vielleicht beginnt hier tatsächlich ein Umdenken. Wir wissen es nicht – und melden erst einmal fleißig.

Text 6: Der Leitfaden – alles kombiniert (37 / 56)
Ein Knopf gegen den Brei
LinkedIn lässt seine Mitglieder jetzt Beiträge melden, die sie für KI-Brei halten. Die Erkennungssysteme sollen von diesen Meldungen lernen. Offen ist, was genau sie lernen.

*„Ich bin zutiefst dankbar und demütig, heute etwas Persönliches mit euch teilen zu dürfen: Scheitern ist kein Rückschlag. Scheitern ist ein Geschenk. 🚀"*

Beiträge wie diesen können Sie auf LinkedIn seit vergangenem Donnerstag melden. „Seems like AI slop" heißt die neue Option, die Produktchef Hari Srinivasan am 30. Juli vorgestellt hat, wie unter anderem TechCrunch berichtet. Slop: das englische Wort für Schweinefutter, für den Brei im Trog. Die Meldungen sollen Klassifikatoren füttern, die minderwertige KI-Inhalte automatisch aussortieren; schon heute blockiert LinkedIn nach eigenen Angaben täglich Hunderttausende maschinell erzeugte Kommentare. Am weitesten geht die dritte Maßnahme: Die hauseigene Schreibhilfe „Enhance your post" verschwindet. Künftig liest die KI nur noch Korrektur, damit die Stimme der Schreibenden erkennbar bleibt. Aus unserer Sicht ist das die ehrlichste der drei Maßnahmen: LinkedIn behandelt sich selbst als Teil des Problems.

Wie viel Brei liegt im Trog? Eine Menge. Pangram Labs hat zwischen April und Juni 2026 gut eine Million öffentliche Social-Media-Posts analysiert: Knapp 14 Prozent waren vollständig KI-generiert. Bei längeren LinkedIn-Beiträgen ab 250 Wörtern lag der Anteil über 40 Prozent – deutlich vor X, Substack und Medium. Originality.ai kommt für Juli 2026 sogar auf 81 Prozent, gemessen an 5.000 Posts ab 100 Wörtern. Falls Sie jetzt einwenden, dass sich 40 und 81 schlecht vertragen: stimmt. KI-Detektoren messen Wahrscheinlichkeiten, keine Wahrheiten. Die Richtung aber ist in beiden Studien dieselbe: steil nach oben, und je länger der Post, desto maschineller.

Wichtiger noch: Der Ton war zuerst da. Lange bevor das erste Sprachmodell den ersten Meilenstein feierte, klang LinkedIn so:

*„Wir freuen uns, verkünden zu dürfen, dass wir gemeinsam mit unserem großartigen Team das nächste Kapitel unserer Wachstumsstory aufgeschlagen haben."*

Unsere Behauptung ist: Die KI hat den LinkedIn-Ton nicht erfunden, sie hat ihn gelernt. Und zwar deshalb so mühelos, weil er schon vorher maschinenhaft war: PR-Prosa, Selbstlob im Demutsgewand, Erfolgsgeschichten nach Schablone. Eine Plattform, deren Algorithmen diesen Ton jahrelang mit Reichweite belohnt haben, stellt jetzt einen Meldeknopf daneben.

LinkedIn ist nur der sichtbarste Fall. Nach den Pangram-Daten stammten zwar 62 Prozent aller KI-markierten Inhalte von dort; der Brei schwappt aber längst über alle Tröge: X, Facebook, Medium, Substack, Reddit.

Bleibt die Frage, ob Melden hilft. Der Knopf heißt „Seems like" – ein Eindruck, mehr nicht. Ob die Meldenden treffsicherer urteilen als die Detektoren? Wir wissen es nicht. Und wer einen unbequemen Beitrag loswerden will, hat jetzt einen Knopf mehr. Vielleicht machen die Meldungen die Erkennung besser. Vielleicht machen sie nur unser Misstrauen größer. Ob dieser Knopf den Brei aus dem Trog holt oder ihn bloß umrührt: Wir können es heute nicht beurteilen.

Die Auswertung im Detail

Sieben Texte gingen unter zufälligen Kennungen in die Bewertung, sechs davon von der KI, einer vom Spiegel. Bewertet wurde auf zwei Skalen von 0 bis 100: Mensch („Wie sicher würdest du wetten, dass diesen Text ein Mensch ohne KI geschrieben hat?") und unverwechselbar („Spricht hier eine konkrete Person mit eigener Haltung und wiedererkennbarer Ausdrucksweise?"). Geurteilt haben drei unabhängige Juroren-Sitzungen, jede mit einer anderen Textreihenfolge im Prompt, damit die Position im Stapel nichts entscheidet. Die Texte standen vollständig im Prompt; Datei- oder Werkzeugzugriff hatten die Juroren nicht, die Protokolle weisen null Zugriffe aus. Und keiner von ihnen wusste, dass ein menschlicher Text im Feld ist.

Die Einzelwerte der drei Juroren

Bedingung Mensch Unverwechselbar
Spiegel-Original (Mensch)75 · 80 · 6545 · 55 · 42
Anti-KI-Formulierung55 · 60 · 5870 · 70 · 72
Anti-KI-Struktur55 · 50 · 5250 · 55 · 55
Buchanalyse38 · 45 · 4562 · 68 · 68
Leitfaden (kombiniert)35 · 38 · 3855 · 60 · 52
Interview-Profil30 · 40 · 3545 · 52 · 38
Ohne Stildokument32 · 35 · 3035 · 35 · 30

Reihenfolge der Werte: Juror 1 · Juror 2 · Juror 3.

Was über alle drei Juroren stabil war

  • Der Spiegel-Text ist bei jedem einzelnen Juror der klar menschlichste Text. Sein niedrigster Einzelwert (65) liegt über dem höchsten Einzelwert, den irgendein KI-Text von irgendeinem Juror bekommen hat (60).
  • Die Baseline ohne Stildokument landet bei jedem Juror auf beiden Achsen auf dem letzten oder vorletzten Platz.
  • Die Anti-KI-Formulierung führt auf der Achse unverwechselbar bei jedem Juror das ganze Feld an: Ihr niedrigster Einzelwert (70) übertrifft den höchsten des Spiegel (55). Auf der Mensch-Achse ist sie bei zwei Juroren der beste KI-Text, beim dritten liegt sie mit der Anti-KI-Struktur gleichauf.
  • Auf der Achse unverwechselbar liegt bei jedem Juror die Formulierung auf Platz eins, die Buchanalyse auf Platz zwei und die Baseline auf dem letzten Platz. Die Mitte des Feldes bewegt sich: Leitfaden und Struktur tauschen bei einem Juror die Plätze, Spiegel und Interview liegen bei einem Juror gleichauf.

Wo die Juroren auseinanderlagen

Am stärksten streut der Mensch-Wert des Spiegel-Textes, zwischen 65 und 80, und der des Interview-Profils, zwischen 30 und 40. Die Absolutwerte solcher Skalen liest du besser mit Vorsicht: Belastbar sind die Abstände und die Reihenfolge, nicht die einzelne Zahl.

Die Prompts

Der Auftrag
Identisch für alle sechs Bedingungen. Nur das Stildokument war verschieden.
Schreibe einen Artikel: LinkedIn lässt seine Nutzer jetzt Beiträge melden, die sie für KI-generiert und minderwertig halten – für sogenannten „KI-Slop".

- LinkedIn geht gegen die Flut KI-generierter Inhalte vor: Meldefunktion plus automatische Erkennungssysteme, die durch die Meldungen besser werden sollen
- LinkedIns eigene KI-Schreibhilfen greifen künftig zurückhaltender ein – die typische Ausdrucksweise der Schreibenden, ihre „Stimme", soll erkennbar bleiben
- Sammle Informationen über den Anteil KI-geschriebener Posts; unterscheide dabei zwischen kürzeren und längeren Posts
- Mache deutlich: Der floskelhafte LinkedIn-Ton ist älter als die generative KI – die Plattform klang schon vorher nach PR und Selbstbeweihräucherung
- Weise auf das Gesamtproblem hin: Praktisch alle Social-Media-Plattformen werden inzwischen mit KI-Inhalten geflutet

Baue zwei bis drei kurze Beispielpassagen im typischen LinkedIn-KI-Ton ein – klar als parodierende Zitate markiert (kursiv), nicht als Teil des eigentlichen Artikeltextes.

Der Artikel endet offen: mit der Frage, ob solche Maßnahmen wirken.

Damit kannst du das Experiment mit jedem eigenen Thema wiederholen: Auftrag festhalten, einmal ohne und einmal mit Stildokument ausführen lassen, blind vergleichen.

Die Regelwerke und der Leitfaden (frei, CC BY 4.0)

Die beiden Anti-KI-Regelwerke und der kombinierte Leitfaden liegen als Skills im Verzeichnis skills. Drei Wege hinein:

Für KI-Agenten wie Claude Code, Cursor oder Codex genügt ein Befehl im Projektordner. Danach stehen alle drei Dokumente zur Verfügung, und du rufst im Gespräch das auf, mit dem du arbeiten willst:

npx skills add simon-nestler/schreibstil-skills

Für die Claude-App legst du den Inhalt eines Skills als Projektanweisung oder als Datei im Projektwissen ab. Ein Projekt pro Regelwerk hält die Wirkungen sauber getrennt.

Für alle anderen KIs, also ChatGPT, Gemini oder Copilot, kopierst du den Text der jeweiligen Markdown-Datei in die benutzerdefinierten Anweisungen oder an den Anfang des Gesprächs. Die Regelwerke sind pures Markdown und brauchen keine Laufzeitumgebung.

Nimm für den Anfang immer nur eines der Regelwerke auf einmal.

Der Interview-Prompt

Im Experiment lief die lange Fassung mit 100 Fragen. Veröffentlicht habe ich eine gekürzte: stil-interview, 30 Fragen, für Diktat optimiert. Vergleichbare Interview-Prompts kursieren inzwischen in vielen Varianten; dieser hier ist meiner.

Die drei Persönlichkeits-Dokumente aus dem Experiment veröffentliche ich nicht. Nicht aus Geheimniskrämerei: Ein fremdes Stimmprofil nützt dir nichts. Deines entsteht in einem Nachmittag. Das Interview ist der Anfang.

Disclaimer

Und nun noch eine Sache zur Transparenz:

Dieser Artikel wurde mit Unterstützung von KI geschrieben.


Was das konkret bedeutet:

KI half bei Satzbau, Wortwahl und Tempo.

Sie schlug Formulierungen vor.

Strukturierte Absätze. Glättete Übergänge.


Was das nicht bedeutet:

Keine Fakten stammen von der KI.

Keine Quelle.

Keine Schlussfolgerung.

Kein Argument.


Jede These stammt von mir.

Jede Konsequenz.

Jede Position.

Ich verantworte den Text vollständig, ohne Einschränkung.


Der Prozess dahinter: Iteration. Ich schreibe. Die KI schlägt Alternativen vor. Ich verwerfe die meisten. Was bleibt, wurde geprüft, korrigiert, wieder geschliffen. Mehrere Durchgänge, bis der Text meine Stimme trägt. Eine Anmerkung zur Meta-Ebene: Ich erforsche selbst, wie KI-Systeme denken. Ob ihre sichtbaren Begründungen echt sind oder nachträglich konstruiert. Es wäre inkonsequent, von KI-Systemen Transparenz zu fordern und sie selbst nicht zu leben.

Werkzeuggestütztes Schreiben ist nicht neu. Lektorat, Rechtschreibprüfung, Ghostwriting erfüllten immer schon eine ähnliche Funktion. KI ist eine neue Stufe dieser Unterstützung. Kein neues Prinzip. Warum ich das offenlege, obwohl niemand es verlangt: Vertrauen ist ein Wert, keine Pflicht. Freiwillige Transparenz wiegt mehr als vorgeschriebene.


Am Ende zählt eine Frage:

Liefert Ihnen dieser Text einen Mehrwert?

Nicht, wie genau er entstanden ist.

Erfahrungsberichte

5000+

Lernende sind begeistert.

30+

Semester voller Wissen.

100+

Unternehmen verrtrauen mir.

50+

Keynotes zu Digitalisierung.

Keynote Impression
Keynote Impression Keynote Impression
Suchen Sie Orientierung für Ihre Veranstaltung?

Lassen Sie uns eine passende Keynote für Ihre Veranstaltung finden

Meine Keynotes passe ich individuell an Ihre Veranstaltung und Ihr Publikum an. Lassen Sie uns gemeinsam besprechen, wie ich Ihre Veranstaltung bereichern kann.

Jetzt Keynote planen