Die LinkedIn-KI-Illusion: Warum Sichtbarkeit nicht dasselbe ist wie Kompetenz

Auf LinkedIn scheint es inzwischen mehr KI-Experten als KI-Projekte zu geben. Generative KI erleichtert die Inszenierung von Fachwissen, und für Unternehmen wird es riskant, wenn sie souveräne Aussagen mit belastbarer Erfahrung verwechseln.

Wer durch LinkedIn scrollt, kennt das Bild: Die KI-Revolution hat gerade erst begonnen, ist zugleich längst abgeschlossen und verändert binnen zwölf Monaten sämtliche Geschäftsmodelle. Dazu fünf Regeln, sieben Erfolgsfaktoren, drei unverzichtbare Tools. Was fehlt, sind die Projektfragen: Welches Modell, für welchen Prozess, mit welchen Daten? Wer trägt das Risiko, wenn das System falsch entscheidet?

LinkedIn: Professionell klingen wird einfach

Generative KI hat den Aufwand für professionell klingende Texte stark gesenkt. Viele Fachleute nutzen das sinnvoll, etwa für sprachliche Überarbeitung. Problematisch wird es, wenn das Modell fehlende Erfahrung kaschiert: Die Begriffe sitzen, die Zusammenhänge klingen schlüssig. Ob dahinter Verständnis steht, zeigt erst die Rückfrage.

Selbst ein großer Name schützt nicht vor falschen Aussagen: KPMG entfernte im Juni 2026 einen Bericht über agentische KI von seinen Websites. Darin hieß es, UBS setze KI-Agenten in Anlageberatung, Risikomanagement und Compliance ein. Die Bank widersprach gegenüber der Financial Times. Die vermeintlichen Praxisbelege hielten einer Überprüfung nicht stand.

Der Detektionsanbieter Pangram untersuchte 2026 mehr als eine Million Beiträge auf fünf Plattformen. Sein System stufte 40,5 Prozent der erfassten LinkedIn-Beiträge mit mehr als 250 Wörtern als vollständig KI-generiert ein. Die Opt-in-Daten einer Browser-Erweiterung sind nicht repräsentativ, Detektoren können irren. Über die Kompetenz der Autoren sagt die Zahl nichts aus. LinkedIn kündigte im Mai 2026 an, generische Inhalte und automatisierte Kommentare zurückzudrängen.

Gewissheit wird zum Verkaufsargument

Im Feed konkurriert die sorgfältige Einordnung mit der großen Ansage. „Das hängt vom Anwendungsfall, der Datenqualität und der Systemarchitektur ab“ benennt Bedingungen. „Unternehmen ohne KI-Agenten existieren in drei Jahren nicht mehr“ macht daraus eine Drohung. Die zweite Aussage lässt sich leichter vermarkten. Genau hier entsteht die Illusion: Die Sicherheit des Auftritts wird mit der Sicherheit des Urteils verwechselt.

Wer KI-Systeme integriert oder absichert, kennt die Abhängigkeiten. Ein Demonstrator ist noch kein belastbares Produkt. Ein Benchmark bildet nicht automatisch die eigene Geschäftsanforderung ab. Die seriöse Antwort lautet oft: „Es kommt darauf an.“ Im Feed klingt das nach Unsicherheit. In der Praxis kann es Kompetenz zeigen. Wer das sagt, muss allerdings auch sagen können, worauf.

Geliehenes Verständnis kann sich wie eigenes anfühlen. In einer begutachteten CogSci-Studie von 2026 mit 102 Studierenden überschätzte die ChatGPT-Gruppe ihre Erklärungsfähigkeit am stärksten. Sie erklärte besser als die Gruppe ohne Zusatzmaterial. Die Gruppe mit identischen Texten ohne Herkunftshinweis erklärte jedoch besser als beide. Der Versuch nutzte vorgegebene Antworten, keine freien Chats.

Warum das für CISOs ein Risiko ist

Für CISOs und IT-Leiter wird diese Verwechslung relevant, sobald aus einer Empfehlung eine Architekturentscheidung wird. Ob ein Assistent einen Sicherheitsvorfall zusammenfasst oder ein Agent selbst Konten sperren darf, verändert den möglichen Schaden erheblich. Wer beides unter „KI im SOC“ zusammenfasst, überspringt genau die Unterscheidung, die Sicherheitsverantwortliche treffen müssen.

Wer auf LinkedIn Agenten für ein Security Operations Center oder das Identity-Management empfiehlt, sollte deshalb konkrete Betriebsfragen beantworten können: Unter welcher Identität handelt der Agent? Welche Aktionen darf er auslösen? Wann braucht er eine menschliche Freigabe? Und wie lässt sich nachvollziehen, warum er ein Konto gesperrt hat? Eine überzeugende Demo beantwortet diese Fragen noch nicht.

OWASP LLM06:2025 beschreibt unter „Excessive Agency“ drei Ursachen: zu weitreichende Funktionen, Berechtigungen und Autonomie. Agenten brauchen begrenzte Zugriffsrechte und klare Freigaberegeln, die im System wirksam durchgesetzt werden. Eine Anweisung im Prompt, nur erlaubte Aktionen auszuführen, ersetzt keine Zugriffskontrolle. Genau an solchen Details muss sich die behauptete Expertise messen lassen.

Fünf Fragen, die Substanz sichtbar machen

Worum geht es konkret? Um ein Basismodell, eine Unternehmensanwendung, einen Copiloten oder einen Agenten? Welche Systeme und Berechtigungen gehören dazu? Ohne diesen Bezug bleibt eine Aussage über „KI“ zu unbestimmt.

Worauf beruht die Aussage? Auf einem produktiven Projekt, einer Anbieterpräsentation oder einer Prognose? Ein Test mit zehn Dokumenten trägt keine pauschale Aussage über den unternehmensweiten Einsatz.

Wo gilt die These nicht? Wer Grenzen und Voraussetzungen nicht benennen kann, liefert keine belastbare Grundlage für eine Entscheidung.

Wie steht es um die unspektakulären Details? Datenfreigaben, Protokollierung und ein Rückfallprozess bei Fehlern zeigen, ob eine Empfehlung für den Betrieb durchdacht wurde.

Können Sie Ihre Empfehlung an unserem Fall begründen? Was ändert sich bei anderen Daten, Berechtigungen oder Fehlerfolgen? Wer einen Zusammenhang verstanden hat, sollte ihn auf veränderte Bedingungen übertragen können.

Die eigenen Wissensgrenzen kennen

Solche Rückfragen gehören zur KI-Kompetenz. Nach den Erläuterungen der EU-Kommission zu Artikel 4 müssen Anbieter und Betreiber Maßnahmen zu ihrer Förderung ergreifen, angepasst an Vorwissen und Einsatzkontext. Ein bestimmtes Zertifikat ist nicht vorgeschrieben. Wer Agenten mit Datenzugriff konfiguriert, braucht andere Kenntnisse als jemand, der Texte überarbeitet. Beide müssen erkennen, wann weitere Expertise nötig ist.

LinkedIn sollte wie ein Konferenzgespräch behandelt werden: als Ausgangspunkt für weitere Prüfung. Gefährlich wird es, wenn sprachliche Souveränität als fachliche Autorität durchgeht. Ein Experte muss nicht auf alles sofort eine Antwort haben. Aber er muss seine Empfehlung erklären und am konkreten Fall begründen können. Kompetenz zeigt sich, wenn die Rückfragen anfangen.