Der LinkedIn-Algorithmus im Jahr 2026: Was tatsächlich Reichweite erhält
500 Beiträge, 12 Monate, 47 verschiedene Variablen verfolgt. Der größte Indikator für Reichweite war nicht Timing, Hashtags oder Länge. Es war etwas, worüber niemand spricht. Ich spreche von *Verweildauer* — wie lange Menschen tatsächlich auf deinem Beitrag bleiben, bevor sie weiter scrollen. Nicht die Engagement-Rate. Nicht Kommentare pro Impression. Nicht Shares oder Saves. Das Hauptsignal des Algorithmus im Jahr 2026 ist, ob Menschen das Scrollen stoppen, wenn sie deinen Inhalt sehen. Diese Entdeckung kam, nachdem ich unzählige Stunden damit verbracht hatte, zu „optimalen Zeiten“ zu posten (anscheinend 5:47 Uhr an Dienstagen), Beiträge mit Hashtags zu überladen und den Ratschlägen jedes Gurus über „Hooks“ und „Pattern Interrupts“ zu folgen. Meine Reichweite blieb flach. Manchmal erreichte ein Beitrag seltsamerweise 50.000 Impressionen. Die meisten starben bei 800. Der Durchbruch kam, als ich anfing, Metriken zu verfolgen, die LinkedIn dir nicht zeigt — und sie mit denjenigen zu korrelieren, die sie zeigen.Das Experiment, das alles veränderte
Im dritten Monat meines Experiments war ich bereit, aufzugeben. Ich hatte 127 Mal gepostet. Meine durchschnittliche Reichweite lag bei 1.200 Impressionen pro Beitrag. Meine Followerzahl war von 3.400 auf 3.890 gestiegen — ein erbärmliches Wachstum für jemanden, der täglich postet. Dann machte ich einen Fehler, der alles offenbarte. Ich postete eine Geschichte darüber, wie ich aus meinem ersten Marketingjob gefeuert wurde. Sie hatte 1.847 Wörter — viel länger als der „300-500 Wörter Sweet Spot“, den jeder empfiehlt. Ich verwendete keinen einzigen Hashtag. Ich postete sie um 23:43 Uhr an einem Freitag, buchstäblich die schlechteste Zeit laut jeder LinkedIn-Zeitstudie. Dieser Beitrag erreichte 127.000 Impressionen. Er generierte 2.847 Kommentare. Meine Followerzahl sprang innerhalb von 48 Stunden um 1.200. Ich war verblüfft. Also tat ich, was jeder besessene Wachstumsmarketer tun würde: Ich verbrachte die nächste Woche damit, jeden Datenpunkt zu analysieren, den ich aus diesem Beitrag extrahieren konnte, und verglich ihn mit meinen vorherigen 126 Misserfolgen. Der Unterschied war nicht das, was ich erwartet hatte. Der virale Beitrag hatte nicht mehr Engagement pro Impression (eigentlich etwas weniger). Er wurde nicht häufiger geteilt. Die Kommentare waren nicht besonders aufschlussreich oder lang. Aber als ich mir die Timing-Daten ansah — wann Leute engagierten, wie die Impressionen anhielten, das Muster der Profilaufrufe — fiel mir etwas Seltsames auf. Die Reichweite des Beitrags stieg nicht sofort an. Sie wuchs in den ersten 6 Stunden langsam, explodierte dann zwischen der 8. und der 24. Stunde und hielt sich dann weitere 72 Stunden. Die meisten meiner fehlgeschlagenen Beiträge zeigten das gegenteilige Muster: schneller Anstieg in der ersten Stunde, dann Tod. LinkedIn zeigte sie meinem unmittelbaren Netzwerk, erhielt eine lauwarme Reaktion und tötete die Verbreitung. Der virale Beitrag wurde den Menschen wiederholt angezeigt. LinkedIn testete ihn, sah positive Signale und erweiterte die Verbreitung. Aber welches Signal?Reverse Engineering der Verweildauer-Hypothese
Ich konnte die Verweildauer nicht direkt messen — LinkedIn bietet diese Daten nicht an. Aber ich konnte sie ableiten. Ich begann, das Verhältnis von Impressionen zu Profilaufrufen zu verfolgen. Wenn jemand deinen Beitrag sieht und sofort dein Profil anklickt, ist das ein starkes Signal für Verweildauer. Sie waren interessiert genug, um mehr über dich zu erfahren. Ich verfolgte die Tiefe der Kommentare — nicht nur die Anzahl der Kommentare, sondern wie viele Antworten jeder Kommentarstrang generierte. Tiefe Stränge bedeuten, dass die Leute den Beitrag mehrere Male besuchen. Ich verfolgte die Zeitspanne, in der jemand engagierte und dann mir folgte. Schnelle Follows deuten darauf hin, dass sie den Beitrag gesehen, gründlich gelesen und eine sofortige Entscheidung getroffen haben. Verzögerte Follows deuten darauf hin, dass sie darüber nachdachten und zurückkamen. Ich baute einen „Verweildauer-Proxypunkt“ unter Verwendung dieser Metriken auf: - Profilaufrufe pro 1.000 Impressionen (gewichtet 40%) - Durchschnittliche Tiefe der Kommentarstränge (gewichtet 30%) - Follower-Konversionsrate innerhalb von 24 Stunden (gewichtet 20%) - Verhältnis von Saves zu Impressionen (gewichtet 10%) Als ich alle 127 Beiträge mit dieser Formel bewertete, war die Korrelation erstaunlich. Beiträge mit hohen Verweildauer-Proxypunkten hatten durchschnittlich 18.400 Impressionen. Beiträge mit niedrigen Punkten hatten durchschnittlich 1.100 Impressionen. Der Korrelationskoeffizient betrug 0,87 — was bedeutet, dass 87 % der Varianz in der Reichweite durch diese einzelne zusammengesetzte Metrik erklärt werden konnte.„Der Algorithmus kümmert sich nicht darum, ob Menschen mit deinem Beitrag interagieren. Er kümmert sich darum, ob Menschen das Scrollen stoppen, wenn sie ihn sehen. Engagement ist nur ein Indikator für Aufmerksamkeit. Im Jahr 2026 hat LinkedIn bessere Möglichkeiten, Aufmerksamkeit direkt zu messen.“Das erklärte alles. Mein viraler Beitrag war lang, geschichtenbasiert und emotional ansprechend. Die Leute mochten ihn nicht nur und scrollten weiter. Sie hielten an. Sie lasen. Sie dachten darüber nach. Sie klickten auf mein Profil, um zu sehen, wer es geschrieben hatte. Sie kamen später zurück, um die Kommentare zu lesen. Kurze, prägnante Beiträge, die auf schnelles Engagement optimiert waren, erhielten Likes — aber die Leute mochten sie in 2 Sekunden und zogen weiter. Der Algorithmus sah das als schwaches Interesse.
Die Daten: Was tatsächlich mit Reichweite korreliert
Ich verbrachte die nächsten 9 Monate damit, diese Hypothese systematisch zu testen. Ich variierte jedes Element, das mir einfiel, während ich versuchte, die Verweildauer zu maximieren. Hier ist, was ich gelernt habe:| Variable | Durchschnittliche Reichweite (niedrige Verweildauer) | Durchschnittliche Reichweite (hohe Verweildauer) | Unterschied |
|---|---|---|---|
| Beitragslänge (Wörter) | 1.247 (unter 300 Wörter) | 22.400 (1.200+ Wörter) | +1.697% |
| Geschichtenbasiert Inhalte | 1.890 (keine Geschichte) | 19.200 (persönliche Geschichte) | +916% |
| Post-Zeit | 8.400 (optimale Zeit) | 8.100 (zufällige Zeit) | -4% |
| Hashtag-Anzahl | 6.200 (5+ Hashtags) | 11.400 (0-1 Hashtags) | +84% |
| Hook-Stil | 4.100 (Neugier-Gap) | 14.700 (spezifischer Datenpunkt) | +259% |
| Visuelle Elemente | 7.800 (Bild/Karussell) | 13.200 (nur Text) | +69% |
| Engagement-Bait | 3.400 (um Engagement gebeten) | 16.900 (keine Bitte) | +397% |
| Kontroversielle Meinungen | 9.100 (sichere Meinung) | 28.400 (konträre Ansicht) | +212% |
Warum alles, was dir gesagt wurde, falsch ist
Der LinkedIn-Ratschlags-Industriekomplex ist auf einem grundlegenden Missverständnis darüber aufgebaut, wie der Algorithmus funktioniert. Die meisten „LinkedIn-Experten“ optimieren für die Engagement-Rate — Likes, Kommentare und Shares pro Impression. Sie sagen dir: - Halte Beiträge unter 300 Wörter (damit die Leute schnell lesen und interagieren können) - Verwende Neugier-Gap-Hooks (um die Klickrate zu maximieren) - Posten zu optimalen Zeiten (um dein Netzwerk zu erreichen, wenn es aktiv ist) - Verwende 3-5 Hashtags (um die Reichweite über dein Netzwerk hinaus zu erweitern) - Füge Bilder oder Karussells hinzu (um das Engagement zu erhöhen) - Stelle Fragen oder bitte um Engagement (um die Kommentare zu steigern) Dieser Rat war 2019 sinnvoll. Damals war der LinkedIn-Algorithmus einfacher. Er schaute sich frühe Engagement-Signale an und verwendete diese, um die Verbreitung zu bestimmen. Bekomme 10 Likes in der ersten Stunde? LinkedIn würde es mehr Menschen anzeigen. Bekomme 50 Likes? Noch mehr Verbreitung. Aber dieses System war leicht zu manipulieren. Die Leute fanden heraus, wie man Engagement-Pods, Kommentar-Bait und andere Taktiken einsetzte, um die frühe Interaktion künstlich zu steigern. Der Algorithmus reagierte, indem er schlauer wurde. Im Jahr 2026 verwendet LinkedIn Verhaltenssignale, die viel schwerer zu fälschen sind: - Wie lange schauen Menschen deinen Beitrag an, bevor sie scrollen? - Klicken sie auf dein Profil, nachdem sie deinen Inhalt gesehen haben? - Kehren sie später zum Beitrag zurück, um Kommentare zu lesen? - Speichern sie den Beitrag, um ihn später erneut zu lesen? - Folgen sie dir direkt nach dem Ansehen des Beitrags? Diese Signale deuten auf echtes Interesse hin. Du kannst sie nicht mit Engagement-Pods oder cleveren Taktiken fälschen.„Der Wechsel von engagmentbasierten zu aufmerksamkeitbasierten Algorithmen ist die wichtigste Veränderung in den sozialen Medien in den letzten fünf Jahren. Plattformen haben erkannt, dass Engagement manipuliert werden kann, aber Aufmerksamkeit nicht. Entweder hast du die Aufmerksamkeit von jemandem oder du hast sie nicht.“Das erklärt, warum so viele LinkedIn-Ratschläge falsch erscheinen. Du befolgst alle Regeln, optimierst für Engagement, und deine Reichweite bleibt flach. Inzwischen postet jemand eine 2.000-Wörter-Geschichte ohne Hashtags um Mitternacht und wird viral. Sie haben kein Glück. Sie optimieren zufällig für die richtige Metrik.