Generische Thought Leadership Posts, Engagement Bait mit Aufforderungen wie „Comment Yes“ oder immer wieder recycelte Karrieretipps dominieren die Timeline vieler User auf LinkedIn. Damit soll jetzt Schluss sein. LinkedIn reagiert darauf mit mehreren Änderungen am Algorithmus. Die Business-Plattform will mit einem neuen Ranking-System gegen Posts, die Interaktionen künstlich erzwingen zu versuchen, vorgehen. Gleichzeitig testet LinkedIn eine neue Funktion für den Einstieg: Neue Nutzer:innen sollen ihre Interessen künftig schon beim Sign-up auswählen können, damit ihnen von Anfang an passendere Inhalte im Feed angezeigt werden.

Highlights für Sie:
Neues LinkedIn Widget für Power User

LinkedIn setzt stärker auf Relevanz statt Viral-Tricks

LinkedIn erreicht nach eigenen Angaben weltweit über 1,3 Milliarden Mitglieder und gehört damit zu den größten Empfehlungssystemen der Branche. Für viele User ist die Plattform zentraler Ort für Networking, Job-Suche, Branchen-News und Personal Branding. Entsprechend wichtig ist es für LinkedIn, Nutzer:innen relevante Beiträge zu zeigen. Deshalb will die Business-Plattform Inhalte künftig stärker nach Relevanz statt nach reiner Popularität ausspielen. Posts, die viele schnelle Kommentare oder Reaktionen auslösen, sollen nicht automatisch mehr Reichweite erhalten.

Zu den Formaten, die künftig seltener auftauchen könnten, gehören typische Engagement Bait Posts mit Aufforderungen wie „Comment Yes if you agree“. Auch repetitive Thought Leadership Posts oder wiederverwertete Inhalte sollen laut LinkedIn im Ranking künftig niedriger bewertet werden. Darüber berichtete auch der Social-Media-Experte Matt Navarra nach einem Journalist:innen-Briefing mit LinkedIn.

Hinter der Änderung steht ein neues Ranking-System. Im LinkedIn Engineering Blog erklärt Entwickler Hristo Danchev, dass LinkedIn inzwischen ein LLM-basiertes Empfehlungssystem einsetzt.

Das System, das auf LinkedIn-Algorithmen und GPUs basiert, analysiert nicht nur Interaktionen, sondern auch Profilinformationen, Interessen und das Nutzungsverhalten über längere Zeiträume. Dazu gehören etwa gelesene Beiträge, Likes, Kommentare oder Inhalte, an denen Nutzer:innen ohne Interaktion vorbeiscrollen. Dabei erkennt das System auch thematische Zusammenhänge zwischen Inhalten und bewertet nicht nur einzelne Keywords. Wer sich beispielsweise häufig mit erneuerbaren Energien beschäftigt, könnte auch Beiträge über Stromnetze oder Energieinfrastruktur sehen.

Im Hintergrund bewertet das Empfehlungssystem Millionen Beiträge gleichzeitig und kombiniert die oben genannten Signale. Dadurch könnten künftig häufiger Inhalte von Expert:innen außerhalb des eigenen Netzwerks erscheinen, wenn sie thematisch relevant sind. Eine vereinfachte Darstellung des Systems aus dem LinkedIn Engineering Blog zeigt, wie Interaktionsdaten, Embeddings und ein zweistufiges Ranking zusammenarbeiten, um passende Inhalte für Nutzer:innen auszuwählen.

Neues Feature soll Content Discovery für LinkedIn Newbies verbessern

Zudem möchte LinkedIn Interessen neuer Nutzer:innen schon bei der Anmeldung besser einschätzen können. Dafür testet die Plattform einen Interest Picker im Registrierungsprozess, worauf erneut Matt Navarra in einem weiteren Post auf Threads hinweist.

Mit diesem Picker wählen Nutzer:innen Themen aus, die sie interessieren, etwa Künstliche Intelligenz, Cybersecurity, Leadership oder Startups. LinkedIn nutzt diese Angaben, um den Algorithmus bereits früh zu personalisieren – noch bevor genügend Interaktionsdaten vorhanden sind.

Gerade bei einem Cold Start ist LinkedIns neues Vorgehen wertvoll.  Zu Beginn fehlen Likes, Kommentare oder Follows, aus denen sich Interessen ableiten lassen. Der Interest Picker soll diese Lücke schließen und schneller relevante Inhalte liefern. Neue Mitglieder könnten dadurch früher Beiträge sehen, die zu ihren beruflichen Interessen passen, und sich schneller an relevanten Diskussionen beteiligen.

---

LinkedIn:
Bezahlter Beitrags-Boost für Creator in Deutschland sorgt für Diskussion

Die Preisentwicklung im Lebensmittelhandel finden viele Kunden nicht mehr zum Lachen. Lidl veranstaltete trotzdem mit Bülent Ceylan in einer Filiale die Lidl Comedy Night. Der Auftritt soll zur Preiskampagne im Gag-Format werden. Damit springt der Discounter auf einen Content-Trend auf, der im aktuellen Krisenklima Konjunktur hat.

Das Social-Media-Team von Lidl gehört zu den experimentierfreudigeren Markenteams in Deutschland, aber die aktuelle Aktion war auch für den Discounter eine absolute Premiere. Erstmals veranstaltete Lidl eine Comedy Night in einer Lidl-Filiale. Star des Abends war Komiker Bülent Ceylan, der nicht nur zu den bekanntesten Comedy-Stars Deutschlands gehört, sondern aktuell mit einem neuen Programm auf Tour ist.

Du kannst Claude einfach bitten, eine Visualisierung zu erstellen, manchmal schlägt die KI aber auch eine passende grafische Darstellung vor. So lassen sich etwa interaktive Zinseszinskurven, Marketing Funnel, klickbare Produktvergleiche oder wissenschaftliche Diagramme erstellen. Die Funktion geht auf Imagine with Claude zurück, eine experimentelle Visualisierungsfunktion, die Anthropic im Herbst 2025 erstmals vorgestellt hatte. Neu ist die Integration direkt im Chat statt in einem separaten Artifact Panel.

Das Feature erscheint wenige Wochen nach dem Modell-Update Claude Sonnet 4.6, das Anthropic im Februar vorgestellt hat. Das Modell bringt laut Unternehmen ein Kontextfenster von bis zu einer Million Tokens, stärkere Agent-Funktionen und verbesserte Coding Skills.

1 Million Tokens und stärkere Agents:
Anthropic stellt Claude Sonnet 4.6 vor

So nutzt du Claude für Charts und Datenanalysen

Statt eines statischen Diagramms erstellt Claude jetzt eine kleine Anwendung. Nutzer:innen können Elemente anklicken, Daten verändern und Zusammenhänge direkt im Chart erkunden. Im Hintergrund entstehen vollständige Interfaces mit Interaktionslogik und Visualisierungskomponenten. Die Anwendungen erscheinen direkt im Chat und lassen sich anschließend iterativ weiterentwickeln.

Anthropic demonstriert die Funktion anhand eines Anatomie-Explorers. Nutzer:innen können zwischen Ganzkörper- und Gehirnansichten wechseln, einzelne Strukturen anklicken und zusätzliche Informationen abrufen. Im Explorer lassen sich rund 40 anatomische Strukturen mit Lerninhalten erkunden, ergänzt durch Filter für Körpersysteme wie Skelett, Muskeln oder Nervensystem.

Das Prinzip lässt sich auch auf andere Anwendungen übertragen. Wer beispielsweise eine Lernanwendung erstellt, kann außerdem zusätzliche Funktionen wie Quiz-Modi, weitere Datensätze oder neue Visualisierungsebenen integrieren. Aus denselben Daten können zudem weitere Materialien entstehen, etwa ein PDF-Lernskript oder Anki-kompatible Flashcards, also digitale Lernkarten für die populäre Spaced Repetition App.

Wir haben die neue Funktion in Claude getestet und eine interaktive Weltkarte über die durchschnittlichen Internet-Download-Geschwindigkeiten weltweit erstellt; direkt im Chat, ohne eine einzige Zeile Code selbst schreiben zu müssen. Das Ergebnis lässt sich per Klick zwischen Festnetz- und Mobilfunkdaten umschalten und zeigt per Hover die Geschwindigkeit des jeweiligen Landes an.

Durchschnittliche Internet-Downloadgeschwindigkeit nach Land

Breitband-Festnetz & Mobil · Daten: Speedtest Global Index, Q4 2025 (illustrativ)

Ansicht:
Festnetz
Mobil

Langsam

Schnell
Grau = keine Daten

Gerade für datengetriebene Arbeitsfelder könnte Claudes Update relevant werden. Marketer könnten Kampagnen-Performance oder Funnel-Daten direkt im Chat visualisieren, Forschende komplexe Datensätze oder Modelle interaktiv erkunden. Publisher wiederum könnten Entwicklungen in Traffic, Reichweite oder Audience-Daten als Diagramme aufbereiten und analysieren.

Die Visualisierungsfunktion steht laut Anthropic ab sofort als Beta bereit und ist bei allen Claude-Abonnements verfügbar, auch für Free User. Damit wandern Datenanalyse und Visualisierung dorthin, wo viele Arbeitsprozesse ohnehin schon stattfinden – direkt in den Chat.

---

Claude lässt dich ChatGPT Memory jetzt for free importieren
– Wechsel wird einfacher