LinkedIn KI-Kompetenzanalyse: 2026 verzerrt 2022

Der unangenehme Teil des KI-Lebenslauf-Booms ist nicht, dass Beschäftigte neue Werkzeuge lernen und das auch sagen. Das sollten sie tun, wenn die Arbeit echt ist. Das Problem ist, dass manche Profile alte Jobs heute KI-lastiger aussehen lassen, als sie damals wirkten. So wird aus einer beruflichen Zeitleiste eher eine Art Versionsverlauf. Das ist wichtig, weil Recruiting ohnehin schon voller unscharfer Bezeichnungen ist. „KI-Ingenieur“ kann Modelltraining bedeuten, Anwendungsintegration, Evaluationsarbeit oder eine Software-Rolle, bei der eine Chatbot-Funktion auf die Roadmap gesetzt wurde. Wenn dieselbe Unschärfe rückwirkend in frühere Rollen geschrieben wird, verlieren sowohl Kandidatinnen und Kandidaten als auch Arbeitgeber wertvolle Aussagekraft.

Das Trendsignal: Die LinkedIn-Historie bewegt sich

The Next Web berichtet, dass eine Stanford-Analyse von 29,4 Millionen LinkedIn-Profilen schätzt, dass eine Momentaufnahme aus dem Jahr 2026 überschätzt, wie verbreitet KI-Kompetenzen im Jahr 2022 waren – und zwar um rund 30 Prozent. Das ist keine kleine Messungenauigkeit. Wenn Arbeitgeber, Arbeitsmarktforschende oder Weiterbildungsanbieter heutige Profile nutzen, um abzuleiten, was Beschäftigte damals wussten, lesen sie möglicherweise eine glattpolierte Gegenwartsform der Vergangenheit.

AOL fasst ein Arbeitspapier des National Bureau of Economic Research zusammen und schreibt, Forschende hätten monatliche Momentaufnahmen von 29,4 Millionen US-amerikanischen LinkedIn-Profilen analysiert. Derselbe Bericht sagt, dass fast ein Fünftel dieser Konten rückwirkend den Titel oder die Beschreibung eines Jobs geändert hatte, den die Nutzerin oder der Nutzer bereits verlassen hatte. AOL berichtet außerdem, dass Beschäftigte in den USA ihre Profile umschreiben, um KI-Kompetenzen aufzunehmen und DEI-Erwähnungen zu entfernen, während Formulierungen zu Remote-Arbeit an Beliebtheit verlieren.

Die hilfreiche Erkenntnis ist nicht, dass jedes überarbeitete Profil verdächtig ist. Menschen räumen alte Beschreibungen auf, vereinheitlichen Titel und ergänzen fehlenden Kontext – die ganze Zeit. Das Einstellungsproblem beginnt, wenn ein Profildatum wie ein Kompetenzdatum behandelt wird, besonders in einem schnelllebigen Kompetenzbereich, in dem ein Jahr die verfügbaren Werkzeuge, Arbeitsabläufe und Erwartungen verändern kann.

Was Auswahlverfahren nicht mehr voraussetzen sollten

Business Insider berichtet, dass Beschäftigte laut Forschenden alte LinkedIn-Einträge umschreiben, damit sie KI-bereiter wirken. Für Recruiting-Teams sollte das eine Erinnerung daran sein, dass Keyword-Historie ein schwacher Beleg ist. Ein Suchfilter, der „KI-Strategie“ in einer früheren Jobbeschreibung als Beweis für praktische KI-Arbeit behandelt, kann Fähigkeiten überzählen, noch bevor ein Mensch das Profil überhaupt liest.

AOL zitiert die Forschenden mit den Worten: „Beschäftigte ändern ihren Lebenslauf, damit er widerspiegelt, was Arbeitgeber ihrer Meinung nach hören wollen.“ Dieser Satz sollte Arbeitgeber auch gegenüber ihren eigenen Stellenanzeigen etwas bescheidener machen. Wenn Ausschreibungen KI-Anforderungen für gewöhnliche Rollen in Analyse, Marketing, Operations oder Softwareentwicklung aufblähen, spiegeln Kandidatinnen und Kandidaten diese Sprache zurück – und am Ende haben beide Seiten weniger nützliche Informationen.

Genau hier wird Titel-Wucher teuer. Eine Produktmanagerin, die ein generatives KI-Feature bewertet hat, ein Data Scientist, der Modell-Pipelines gebaut hat, und eine Support-Leitung, die bessere interne Prompts geschrieben hat, könnten alle irgendwo im Profil „KI“ schreiben. Diese Erfahrungen sind nicht austauschbar, und so zu tun, als wären sie es, hilft niemandem.

Wie eine belastbare KI-Zeitleiste aussieht

AOLs Darstellung des NBER-Arbeitspapiers verweist auf rückwirkende Änderungen in Titeln und Beschreibungen. Das bedeutet: Kandidatinnen und Kandidaten sollten ihre Chronologie leicht überprüfbar machen. Wenn du KI-Arbeit zu einer alten Rolle hinzufügst, verankere sie im tatsächlichen Projekt: was du gebaut hast, welches Werkzeug oder welchen Workflow du genutzt hast, welche Entscheidung du beeinflusst hast und welches Ergebnis oder Artefakt noch existiert. Ein Portfolio-Link, eine interne Fallstudie, ein Codebeispiel, ein Evaluationsbogen oder eine Vorher-nachher-Notiz zum Workflow hat mehr Gewicht als ein frisch poliertes Keyword.

Die von The Next Web genannte Überschätzung um 30 Prozent ist auch eine Warnung vor Zertifikats-Theater. Ein Zertifikat kann helfen, wenn es dir ein verteidigbares Projekt und das passende Vokabular für das Vorstellungsgespräch liefert. Es repariert aber keine Zeitleiste, die KI-Verantwortung behauptet, ohne zu zeigen, was sich in der Arbeit verändert hat.

Für Quereinsteigerinnen und Quereinsteiger ist die ehrliche Version meist stärker als die aufgeblähte. Eine 25-jährige Person, die von Analytics ins Machine Learning wechselt, braucht vielleicht andere Nachweise als ein 45-jähriger Operations Manager, der KI-Automatisierung in einen ausgereiften Workflow einbaut. Unterschiedliche Rahmenbedingungen, derselbe Hype: Hiring Manager müssen weiterhin die Arbeit sehen, nicht nur das Etikett.

Worauf man als Nächstes im KI-Recruiting achten sollte

Der Bericht von Business Insider sagt, dass Beschäftigte KI-Kompetenzen hinzufügen und gleichzeitig Begriffe zu Remote-Arbeit streichen. Das ist eine deutliche Erinnerung daran, dass Profile auf wahrgenommene Marktanreize reagieren. Wenn der Markt eine Formulierung belohnt, nehmen Lebensläufe sie auf. Die gesündere Reaktion ist nicht, die Formulierung zu verbieten, sondern bessere Fragen zu stellen.

Für Arbeitgeber bedeutet das, breite Filter durch gezielte Aufforderungen zu ersetzen: Beschreibe das KI-System, das du genutzt hast, erkläre den Schritt der menschlichen Überprüfung, benenne das Ergebnis, das du verbessert hast, und zeige wenn möglich ein Artefakt. Für Jobsuchende bedeutet es, Lernen dann zu dokumentieren, wenn es passiert, statt jede alte Rolle nachträglich mit dem neuesten Vokabular aufzufüllen.

Das nächste nützliche Einstellungssignal wird nicht sein, wer zuerst „KI“ sagt, sondern wer den Workflow so klar erklären kann, dass eine andere Person ihn prüfen könnte.