LinkedIn hat am 9. November 2026 in seinem Engineering Blog beschrieben, wie der Feed Beiträge von Menschen auswählt, denen du nicht folgst. Ein Sprachmodell rechnet dein Berufsprofil und den Inhalt jedes Beitrags in Zahlenvektoren um, sogenannte Embeddings. LinkedIn empfiehlt Beiträge, deren Embedding zu deinem passt.
Das Verfahren heißt Profile Relevance und kommt zu den bisherigen Signalen als weitere Quelle hinzu. Für welche Länder und ab wann die Umstellung gilt, sagt LinkedIn nicht, auch nicht für Deutschland.
Was liest das Sprachmodell aus deinem Profil?
Für jedes Mitglied baut LinkedIn einen strukturierten Text aus den Berufsangaben, die das Mitglied teilt: Headline, Zusammenfassung und Skills, dazu Berufsstationen und Ausbildung. Name und Geschlecht fließen nicht ein. Bei Beiträgen wertet LinkedIn Text, Titel und Transkripte aus. Zusätzlich hängt LinkedIn das Land von Mitglied und Autor an die Texte an, weil Profile und Beiträge oft keine Ortsangabe enthalten.
Hinzu kommt eine Schwelle: Laut dem Engineering Blog spielt LinkedIn einen Beitrag über Profile Relevance erst aus, wenn mindestens ein nicht verbundenes Mitglied ihn geliked, kommentiert oder geteilt hat.
LinkedIn berechnet nur die Profile neu, deren Angaben sich geändert haben. Die Rechenlast liegt dadurch bei 24 Prozent dessen, was eine Neuberechnung aller Profile kosten würde. Änderungen an deinem Profil gehen in die nächste Berechnung ein. Wie schnell das geschieht, sagt LinkedIn nicht.
Was hat sich nach LinkedIns Messungen verbessert?
Verglichen mit dem bisherigen Verfahren MemberEBR meldet LinkedIn aus Online-Experimenten 0,54 Prozent mehr angezeigte Feed-Updates und eine um 0,94 Prozent höhere Viral Rate. Die Hide Rate, also die Quote ausgeblendeter Beiträge, sank um 18,8 Prozent.
Profile Relevance in Zahlen
Messwerte aus LinkedIns Online-Experimenten, verglichen mit dem bisherigen Verfahren MemberEBR
- +0,54 %mehr angezeigte Feed-Updates
- +0,94 %höhere Viral Rate
- −18,8 %Hide Rate: Anteil ausgeblendeter Beiträge, gesunken
- +17,7 %virale Interaktionen bei Cold-Start-Mitgliedern
Angaben von LinkedIn selbst, absolute Zahlen nennt LinkedIn nicht
Quelle: LinkedIn Engineering Blog
Bei Cold-Start-Mitgliedern mit bisher wenig Aktivität stiegen die viralen Interaktionen um 17,7 Prozent und die Zahl der täglich aktiven Mitglieder um 1,8 Prozent. Alle Werte stammen von LinkedIn selbst, absolute Zahlen nennt LinkedIn nicht. Ob ein Plus von 0,54 Prozent bei angezeigten Feed-Updates für einzelne Autoren spürbar wird, bleibt offen.
Was das für dich bedeutet
Prüf in deinem Profil die Angaben, die das Sprachmodell auswertet: Headline, Zusammenfassung, Skills, Berufsstationen und Ausbildung. Unsere Einordnung: Je genauer dort dein Fachgebiet steht, desto eindeutiger ist dein Embedding. Eine entsprechende Empfehlung spricht LinkedIn nicht aus.
Schreib Beiträge so, dass Thema und Branche im Text erkennbar sind. LinkedIn bewertet die Qualität der Zuordnung anhand von Thema, Standort, Berufsbezeichnung, Unternehmen, Branche, Karrierestufe und Ausbildung.
Notiere vor einer Profiländerung die Impressionen deiner letzten Beiträge und vergleiche nach zwei Wochen. Ursache und Wirkung belegt der Vergleich nicht, aber du erkennst, ob sich bei Menschen außerhalb deines Netzwerks etwas verändert.
LinkedIn hat den Blogartikel am 9. November 2026 veröffentlicht.
Quellen
