Du kennst ihn. Scrollst du durch LinkedIn, läuft er dir mehrmals täglich über den Weg. Maßanzug, eine Rolex, die genau im richtigen Winkel zur Kamera liegt, ein Lächeln, das exakt so lang hält, wie der Auslöser braucht. Sichtbarkeit und Substanz sind zwei verschiedene Währungen, und auf LinkedIn wird fast nur in der ersten gehandelt. Das ist keine neue Beobachtung, neu ist nur, dass KI inzwischen das bevorzugte Requisit für dieses Spiel geworden ist. Was du nach diesem Artikel hast: ein klares Bild davon, woran du echte KI-Arbeit von ihrer Inszenierung unterscheidest, und warum dieser Unterschied selten dort liegt, wo man ihn vermutet. Schauen wir uns die Figur erst mal genau an, bevor wir sie auseinandernehmen.
Der Typ, den du täglich siehst
Rooftop-Bar, irgendwo zwischen Wien und Dubai, könnte aber genauso gut Salzburg sein. Der Anzug sitzt eine Spur zu eng, damit man sieht, dass trainiert wird. Im Hintergrund das Auto, mehr PS als Vernunft, exakt so im Bild platziert, dass man es nicht übersehen kann. Am Handgelenk die Rolex, die nicht dort sitzt, sie posiert dort. Auf dem Tisch das Vertu Alphafold, ein Telefon, das mehr kostet als ein Mittelklassewagen, daneben der Aperitif aus der Bar, in die man geht, um gesehen zu werden, nicht um zu trinken.
Auf dem Display: das Aktienportfolio. Sein Blick beim Foto ist nicht zufrieden, er ist leicht panisch, weil SpaceX heute schon wieder im Minus steht. Neben ihm sitzt sie, Lächeln wie aus dem Katalog, mit ungefähr so viel Plastik im Gesicht wie das Original von Mattel im Karton. Niemand fragt, ob das echt ist. Es muss nur aussehen wie etwas, das man sich leistet.
Und dann die Caption. Immer dieselbe Tonlage. „Muss kurz meine Hermes Agents checken.“ „Hab eben mal Chatty gefragt, läuft.“ KI ist für ihn kein Thema mehr, sie ist Hintergrundrauschen, genau wie die Uhr, das Auto, der Anzug. Ein weiteres Accessoire in der Inszenierung. Niemand auf diesem Foto hat je erklärt, was diese „Agents“ eigentlich tun, welches Problem sie lösen, was sie kosten. Das wäre auch nicht der Punkt. Der Punkt ist die Pose, nicht die Funktion.
Im Kommentarbereich läuft das Spiel weiter. Drei Floskeln reichen: „Starker Take!“, „100% Zustimmung“, „Genau das, was der Markt braucht.“ Niemand widerspricht, niemand fragt nach. Das Wort „skalieren“ taucht garantiert auf, meistens zweimal im selben Absatz. Wer genau hinschaut, merkt schnell: Die Begeisterung gilt nicht dem Inhalt, sie gilt dem Netzwerkeffekt. Wer heute liked, wird morgen geliked. Ein geschlossener Kreislauf aus gegenseitiger Bestätigung, der mit dem eigentlichen Werkzeug KI nicht mehr viel zu tun hat.
KI-Washing passiert nicht nur in Konzern-Pressemitteilungen, das hat sich vom Vorstandsetagen-Phänomen längst in den eigenen Feed verlagert.
Was ist eigentlich KI-Washing?
Der Begriff ist nicht neu, er kommt ursprünglich aus der Finanzwelt und lehnt sich an „Greenwashing“ an. Gemeint ist die Praxis, KI-Fähigkeiten massiv zu übertreiben oder schlicht falsch darzustellen, um modern zu wirken. Bislang wurde das vor allem auf Unternehmensebene diskutiert: Start-ups, die sich KI-Etiketten anheften, ohne dass im Kern echte Modelle laufen. Konzerne, die Personalabbau mit angeblichen KI-Effizienzgewinnen begründen, obwohl die technologische Basis dafür gar nicht steht.
Auf Unternehmensseite wird das mittlerweile sogar regulatorisch ernst genommen. Mit dem EU AI Act greifen ab August 2026 umfangreiche Transparenzpflichten, wer seine KI-Fähigkeiten gegenüber Kunden oder Investoren bewusst falsch darstellt, riskiert empfindliche Bußgelder. Auf LinkedIn gibt es diese Kontrollinstanz nicht. Dort prüft niemand nach, dort reicht ein gutes Foto.
Was in der Debatte fehlt, ist die private Ausgabe davon. Der Mensch, der nicht KI nutzt, sondern KI zeigt. Der Unterschied zur Konzernversion ist nur die Bühne, das Prinzip dahinter ist identisch: Man leiht sich die Glaubwürdigkeit einer Technologie, ohne die Arbeit zu machen, die diese Glaubwürdigkeit eigentlich rechtfertigen würde.
Warum funktioniert die Pose überhaupt?
Weil der Algorithmus sie belohnt, und weil Substanz schlechter aussieht als Inszenierung. Ein Screenshot vom fertigen Ergebnis ist in drei Sekunden konsumiert, glänzend, eindeutig, teilbar. Der eigentliche Prozess dahinter, also Stunden vor dem Terminal, Fehlermeldungen, drei verworfene Versuche, bevor der vierte funktioniert, lässt sich schlecht in ein Karussell-Posting packen. Also fällt er weg. Übrig bleibt die Pointe ohne den Weg dorthin.
Dazu kommt ein zweiter Effekt, den ich in meiner Beratungsarbeit ständig sehe: Unsicherheit erzeugt Nachahmung. Wer nicht genau weiß, ob seine eigene KI-Nutzung „gut genug“ ist, orientiert sich an dem, was im Feed am lautesten wirkt. Das Problem dabei: Lautstärke und Kompetenz korrelieren auf LinkedIn fast nie. Wer wirklich tief in einem Tool steckt, hat selten Zeit für die perfekt ausgeleuchtete Pose, weil er gerade dabei ist, einen API-Timeout zu debuggen.
In der Verhaltensökonomie gibt es dafür einen eigenen Begriff, Status-Signaling. Gemeint ist das gezielte Zurschaustellen von Statussymbolen, um Zugehörigkeit oder Erfolg zu kommunizieren, unabhängig davon, ob dieser Erfolg tatsächlich vorliegt. Die Rolex, das Auto, der Maßanzug erfüllen diese Funktion seit Jahrzehnten. KI ist nur das neueste Symbol, das sich in diese Reihe einordnet, mit dem Unterschied, dass sich Kompetenz bei einer Uhr wenigstens noch optisch nicht überprüfen lässt. Bei einem Workflow schon, man muss nur fragen.
Woran erkennst du, ob jemand KI wirklich nutzt?
Hier muss ich mich selbst korrigieren, bevor ich weitermache. Ich hätte fast geschrieben, der Unterschied sei, dass ich nie über meine Tools poste. Stimmt nicht. Ich poste ständig darüber, über mein selbst gehostetes RAG-System auf eigener Infrastruktur, über meinen n8n-Trends-Monitor, über die Home-Assistant-Integration auf meinem Schreibtisch. Der Unterschied liegt also nicht im Ob, sondern im Was hinter dem Post steht.
Der Poser zeigt das Vertu auf dem Tisch und sagt „ich nutze KI“. Mehr Inhalt kommt nicht. Wenn ich über meinen RAG-Stack schreibe, nenne ich die Vektordatenbank beim Namen, den Bug, der mich eine halbe Nacht gekostet hat, die monatlichen Kosten in Euro und Cent. Substanz lässt sich nämlich an einer einzigen Frage festmachen: Kann die Person erklären, wo genau ihr Workflow hängenbleibt? Der Poser kann das nicht, weil es keinen Workflow gibt, den irgendwas blockieren könnte. Er hat keine Fehlerseite gesehen, weil er nie tief genug eingestiegen ist, um eine zu produzieren.
Das ist auch der Kern meiner Beratungsarbeit mit EPU und KMU in der DACH-Region. Ich beobachte das regelmäßig: Unternehmer, die unsicher sind, ob ihr KI-Einsatz „reicht“, weil sie auf LinkedIn ständig Leute sehen, die scheinbar mühelos alles automatisiert haben. Die Wahrheit dahinter ist meistens, dass diese Leute nichts automatisiert haben. Sie haben nur ein Bild davon gepostet. In meiner Beratung geht es deshalb nie um die nächste trendige App, sondern um den konkreten Prozess, der dahinterstehen muss, damit ein Tool überhaupt etwas bringt.
Auch die Zahlen stützen das. Laut der Bitkom-Studie zur KI-Nutzung in Deutschland setzen 41 Prozent der deutschen Unternehmen KI bereits aktiv ein, weitere 48 Prozent planen den Einsatz erst noch. Fast die Hälfte aller Unternehmen, die in Umfragen über KI sprechen, hat also noch keine produktive Anwendung am Laufen. Das ist keine Anklage, Planung ist ein legitimer Zustand. Aber es zeigt, wie groß der Graben zwischen Reden und Tun tatsächlich ist, auf Unternehmensebene genauso wie im eigenen LinkedIn-Post.
Wie sieht echte KI-Arbeit im Alltag aus?
Echte KI-Arbeit ist meistens unspektakulär, fast schon langweilig anzusehen. Ich hab vor ein paar Monaten mit einem Salzburger Handwerker am Wirtshaustisch gesprochen, der seine Konstruktionsskizzen bisher per Hand verschickt hat. Wir haben gemeinsam ein Foto seiner Skizze in ein KI-Bildgenerierungs-Tool geladen, die Materialien benannt, und innerhalb von Minuten stand ein realistisches Rendering seines Entwurfs. Kein Anzug, keine Uhr, kein Cocktail. Ein Mann mit Bauplan und ein Telefon, das fotografiert.
Das ist der Punkt, an dem es interessant wird: Der Wert entsteht nicht durch das Posten über KI, sondern durch das, was am Ende beim Kunden ankommt. Der Handwerker hat dadurch keinen viralen LinkedIn-Post bekommen, er hat einen Kunden überzeugt, schneller, klarer, mit weniger Hin und Her. Das deckt sich mit einer Beobachtung, die ich in vielen Beratungen mache und auch in meinem Artikel zur KI-Produktivitäts-Lüge beschrieben habe: Die meisten Firmen, die KI gekauft haben, treten trotzdem auf der Stelle, weil sie ihre Arbeitsweise nicht verändert haben. Eine Lizenz ist kein Workflow. Ein Tool ist kein Ergebnis.
Bei mir selbst sieht der Alltag ähnlich unglamourös aus. Mein RAG-System läuft seit Monaten im Hintergrund, crawlt jeden Morgen um sechs Uhr meinen Blog, bricht Artikel in Chunks, berechnet Embeddings. Niemand applaudiert dafür, das ist auch nicht der Sinn der Sache. Der Sinn ist, dass ich Claude fragen kann, was ich vor zwei Jahren über ein bestimmtes Thema geschrieben habe, und eine Antwort bekomme, die tatsächlich auf meinen eigenen Texten basiert. Das ist eh keine Heldengeschichte. Das ist Infrastruktur, die funktioniert, weil jemand sie tatsächlich gewartet hat.
Mein Desktop-Assistent VINCI ist ein weiteres Beispiel für dieses Prinzip. Niemand sieht ihn arbeiten. Er liest morgens meine Mails, gleicht sie mit meinem Kalender ab, durchsucht bei Bedarf mein Home-Assistant-Setup nach dem Status einzelner Geräte. Kein Foto davon eignet sich für einen Karussell-Post, weil schlicht nichts Sichtbares passiert. Die Arbeit findet im Hintergrund statt, in Logfiles, in stillen API-Calls, nicht auf einer Bühne. Genau das unterscheidet ein Werkzeug, das produktiv läuft, von einem, das nur in der Caption existiert.
Häufige Fragen zu KI-Poser und KI-Washing
Was bedeutet KI-Washing im privaten Kontext?
Im Unternehmenskontext beschreibt KI-Washing übertriebene oder erfundene KI-Versprechen gegenüber Investoren und Kunden. Im privaten LinkedIn-Kontext heißt das dasselbe Prinzip auf kleinerer Bühne: Personen inszenieren KI-Kompetenz durch Sprache und Symbole, ohne dass dahinter ein nutzbares Ergebnis steht.
Woran erkenne ich, ob jemand KI wirklich beherrscht oder nur darüber spricht?
Frag nach Details, die nur jemand kennt, der das Tool tatsächlich täglich nutzt. Welche Kosten fallen an, welcher Fehler ist zuletzt aufgetreten, wie sieht der konkrete Workflow Schritt für Schritt aus. Wer nur allgemeine Begeisterung liefert, hat meistens auch nur allgemeine Erfahrung.
Ist es schlecht, über die eigene KI-Nutzung zu posten?
Nein, im Gegenteil. Transparenz über echte Tools, echte Kosten und echte Stolpersteine hilft anderen, ähnliche Entscheidungen besser zu treffen. Problematisch wird es erst, wenn der Post die einzige Substanz hinter der behaupteten Kompetenz ist.
Warum fällt KI-Washing auf LinkedIn besonders leicht?
Weil generative KI komplex und für Außenstehende schwer zu prüfen ist. Ein Screenshot oder eine Anekdote reicht oft aus, um Kompetenz zu suggerieren, weil kaum jemand nachfragt, was technisch tatsächlich dahintersteckt.
Muss ich selbst tief technisch sein, um KI sinnvoll zu nutzen?
Nein. Entscheidend ist nicht Programmierkenntnis, sondern Prozessverständnis. Wer seinen eigenen Arbeitsablauf genau beschreiben kann, findet meistens auch die passende Stelle, an der ein KI-Tool wirklich hilft, statt es nur als Aushängeschild zu verwenden.
Und ich? Kein Anzug, keine Rolex
Damit das nicht nur Theorie bleibt: Ich bin der Gegenentwurf zu dieser Figur, kein Kunstprodukt, einfach nur ich. Jeans, T-Shirt, fertig. Bei Regen steig ich in meinen Mustang Mach-E, bei Schönwetter schwing ich mich auf meine 26 Jahre alte Dragstar, alter Schraubenkopf-Charme statt Lederpose. Am Handgelenk sitzt eine Apple Watch, keine Rolex, sie zeigt mir die Uhrzeit und meinen Puls (den diese „Poser“ gerne mal in die Höhe treiben), nicht meinen Kontostand. In der Tasche ein iPhone, am Schreibtisch ein MacBook Air, dieselben Geräte, die Millionen andere Menschen auch nutzen. Nichts davon ist ein Statussymbol, alles davon ist einfach Werkzeug.
Meine Kompetenz zeigt sich nicht auf einem Foto. Sie zeigt sich, wenn du zehn Minuten mit mir sprichst, über generative KI, über LLMs, über RAG-Systeme, über n8n-Workflows, über das, was tatsächlich bei dir im Betrieb hängt. Dafür brauch ich kein gestelltes Bild vor einer Skyline und keine Uhr, die lauter spricht als ich selbst. Seit 1989 mach ich das, ohne Maßanzug, ohne Inszenierung, mit denselben Werkzeugen wie jeder andere auch. Wer wissen will, ob ich was draufhab, fragt einfach nach. Die Antwort kriegt er sofort, ohne Filter, einfach im Gespräch.
Die Rooftop-Bar gibt es noch, der Anzug sitzt immer noch eine Spur zu eng, und die Aktien fallen weiterhin zur Unzeit. Nur dass es jetzt egal ist. Wer tatsächlich mit KI arbeitet, sitzt seltener im Rampenlicht und öfter vor einem Terminal, das gerade einen Fehler wirft, den es zu verstehen gilt. Genau dort entsteht der Unterschied, den keine Uhr der Welt kaschieren kann.
