Social Media Posts: “Meine LinkedIn-Strategie als Code”

LinkedIn DE — Variante A (Story, empfohlen) — 1.542 Z

Letzten Sonntag, 22:00. Ich saß vor 11 Markdown-Dateien.

Daneben auf dem zweiten Monitor 90 Tage LinkedIn-Daten. Mein Profil hat 511 Follower und kam in den 90 Tagen auf 44.483 Impressions bei 0,18 Prozent Engagement-Rate. An 52 von 90 Tagen blieb es vollständig still, ohne eine einzige Reaktion auf irgendeinen Post.

Die Audience selbst stimmt. 35 Prozent meiner Reichweite ist Top-Management aus DACH, der Großteil im Frankfurter Raum, klassischer Mittelstand. Was fehlt, sind fünf Routinen, die ich theoretisch kannte und nach einem langen Beratertag regelmäßig fallen ließ: drei Hook-Varianten je Post statt einer, ein Quality Gate vor jedem Live-Post, fünf substanzielle Kommentare in den 30 Minuten vor dem Posten, abwechselnde Formate statt zweimal Text in Folge, und eine Pillar-Rotation 50/30/20 statt Zufallswahl.

Also baue ich die Pipeline, die diese Routinen erzwingt.

11 Markdown-Dateien in einem Repo. Ein Master-Orchestrator plus zehn Phasen-Agenten, jeder mit eigener Aufgabe und Output-Schema. Phase 6, der Anti-AI-Slop-Editor, blockt alles ab Score 3 zurück an die Schreib-Phase.

Das Pattern habe ich nicht erfunden. Anthropic hat es am 13. Juni 2025 für ihr Multi-Agent-Research-System öffentlich beschrieben. Bei mir kommt eine Pillar-Rotation hinzu, ein 60-Minuten-Engagement-Loop nach jedem Post, dazu eine Phase 6, die mehr blockiert als mir am Anfang lieb war.

Mein erster Hook-Draft kam bei Score 13 zurück. Drei Iterationen später lag der Score bei eins.

Welche Phase scheitert in eurem Content-Workflow am häufigsten?

👉 Link im ersten Kommentar.

#BuildInPublic #ContextEngineering #ClaudeCode #SoloConsulting #LinkedIn

Erstkommentar (3-5 Min nach Posting):

Vollständige Pipeline-Architektur, die konkreten Slop-Patterns, die mich am häufigsten erwischen, und die 90-Tage-Auswertung im Detail: https://pfisterer.xyz/news/multi-agent-content-pipeline/

LinkedIn DE — Variante B (Bold Claim) — 1.408 Z

Meine LinkedIn-Strategie habe ich als Code geschrieben. Nicht um schneller zu posten, sondern damit Sonntag 22 Uhr nach einem langen Beratertag jemand für mich entscheidet, ob der Hook taugt.

Ausgangslage: 90 Tage LinkedIn-Performance bei 0,18 Prozent Engagement-Rate. Mein Profil hat 511 Follower, kam in dieser Zeit auf 44.483 Impressions, und an 52 von 90 Tagen reagierte überhaupt niemand. Das Targeting selbst stimmt, 35 Prozent meiner Reichweite ist Top-Management aus dem DACH-Mittelstand. Sie sehen die Posts und scrollen weiter.

Mein Engpass war die Hook-Mechanik nach langen Tagen.

Also habe ich 11 Markdown-Dateien angelegt. Master-Orchestrator plus zehn Phasen-Agenten nach dem Anthropic-Multi-Agent-Pattern vom 13. Juni 2025. Jeder Agent ist eine Markdown-Datei mit YAML-Frontmatter und Output-Header, wie Skills im aktuellen Claude Agent SDK.

Der härteste Teil ist Phase 6, der Anti-AI-Slop-Editor. Score über zwei bedeutet Loop zurück an die Schreib-Phase. Beim Probe-Lauf kam mein eigener Hook bei Score 13 zurück. Drei Iterationen später lag er bei eins. Genau das Verhalten, für das ich die Phase gebaut habe.

Wo erwischt euch der eigene KI-Slop am häufigsten?

👉 Link im ersten Kommentar.

#BuildInPublic #ContextEngineering #ClaudeCode #SoloConsulting #LinkedIn

Erstkommentar (3-5 Min nach Posting):

Vollständige Architektur mit allen elf Phasen und der Slop-Blacklist: https://pfisterer.xyz/news/multi-agent-content-pipeline/

LinkedIn DE — Variante C (Data) — 1.572 Z

90 Tage LinkedIn, ausgewertet am 19. Mai 2026: 511 Follower, 44.483 Impressions, Engagement-Rate 0,18 Prozent. Faktor 11 bis 16 unter dem LinkedIn-Benchmark.

An 52 von 90 Tagen reagierte niemand auf einen meiner Posts. Der viralste Beitrag lieferte am 20. April 2026 allein 23.703 Impressions und damit mehr als die Hälfte der Quartals-Reichweite, bei acht Engagements und einer ER von 0,034 Prozent.

Das Targeting selbst stimmt. 35 Prozent meiner Reichweite ist Top-Management aus dem Frankfurter Mittelstand. Mein Engpass war die Hook-Mechanik nach langen Tagen. Aus 33 Posts ergibt sich klare Spreizung: Methoden-Eröffnung 410 Impressions im Schnitt (n=12), Bold Claim 7.034 (n=2) bei 0,2 Prozent ER, Story-Eröffnung 1.580 (n=4) bei 0,4 Prozent ER. Ohne A/B-Test im Brief weiß ich nicht, welche Variante zur Substanz passt.

Statt mehr zu posten, habe ich 11 Markdown-Dateien angelegt. Master-Orchestrator plus zehn Phasen-Agenten nach dem Anthropic-Multi-Agent-Pattern vom 13. Juni 2025. Pro Post jetzt drei Hook-Varianten, der Anti-AI-Slop-Editor wählt die slop-freieste mit dem höchsten Pillar-Fit.

Welche Hook-Performance erlebt ihr in euren Content-Operations?

👉 Link im ersten Kommentar.

#BuildInPublic #ContextEngineering #ClaudeCode #SoloConsulting #LinkedIn

Erstkommentar (3-5 Min nach Posting):

Volle 90-Tage-Auswertung und die elf Pipeline-Phasen: https://pfisterer.xyz/news/multi-agent-content-pipeline/

LinkedIn EN — Variante A (Story, empfohlen) — 1.583 Z

Last Sunday, 22:00. On my desk were eleven Markdown files.

Open on the second monitor were 90 days of LinkedIn data. The profile has 511 followers, delivered 44,483 impressions over 90 days at an engagement rate of 0.18 percent. On 52 of those 90 days the feed stayed entirely silent, without a single reaction to any post.

The audience itself is right. 35 percent of my reach is top-management in the DACH region, most of it around Frankfurt, classic Mittelstand. What is missing are five routines I knew in theory and dropped after long consulting days: three hook variants per post rather than one, a quality gate before every live post, five substantive comments in the 30 minutes before posting, alternating formats rather than two text posts in a row, and a 50/30/20 pillar rotation rather than ad-hoc topic choice.

So I am building the pipeline that enforces those routines.

11 Markdown files in one repo. A master orchestrator plus ten phase agents, each with its own task and output schema. Phase 6, the Anti-AI-Slop Editor, blocks anything above score 3 back to the writing phase.

The pattern is not my invention. Anthropic published it on 13 June 2025 for their multi-agent research system. What I added is a pillar rotation, a 60-minute engagement loop after every post, and a Phase 6 that blocks harder than I initially wanted.

My first hook draft came back at score 13. Three iterations later the score was at one.

Which phase fails most often in your own content workflow?

👉 Link in first comment.

#BuildInPublic #ContextEngineering #ClaudeCode #SoloConsulting #LinkedIn

First comment (3-5 min after posting):

Full pipeline architecture, the slop patterns that catch me most often, and the 90-day analysis in detail: https://pfisterer.xyz/en/news/multi-agent-content-pipeline/

LinkedIn EN — Variante B (Bold Claim) — 1.456 Z

I wrote my LinkedIn strategy as code. Not to post faster, but so that on a Sunday at 22:00 after a long consulting day someone other than me decides whether the hook is any good.

Starting point: 90 days of LinkedIn performance at 0.18 percent engagement rate. The profile has 511 followers, delivered 44,483 impressions over the period, and on 52 of those 90 days nobody reacted at all. The targeting itself is right, 35 percent of my reach is top-management in the DACH Mittelstand. They see the posts and scroll past.

My bottleneck was hook mechanics after long days.

So I created 11 Markdown files. Master orchestrator plus ten phase agents, following Anthropic’s multi-agent pattern from 13 June 2025. Every agent lives as a Markdown file with YAML front matter and an output header, like Skills in the current Claude Agent SDK.

The hardest part is Phase 6, the Anti-AI-Slop Editor. A score above two means loop back to the writing phase. On the dry run my own hook came back at score 13. Three iterations later it was at one. Exactly the behaviour I built the phase for.

Where does your own AI slop hit hardest in your writing?

👉 Link in first comment.

#BuildInPublic #ContextEngineering #ClaudeCode #SoloConsulting #LinkedIn

First comment (3-5 min after posting):

Full architecture with all eleven phases and the concrete slop blacklist: https://pfisterer.xyz/en/news/multi-agent-content-pipeline/

LinkedIn EN — Variante C (Data) — 1.588 Z

90 days of LinkedIn, snapshot dated 19 May 2026: 511 followers, 44,483 impressions, engagement rate 0.18 percent. A factor of 11 to 16 below the LinkedIn benchmark.

On 52 of those 90 days nobody reacted to any of my posts. The most viral post delivered 23,703 impressions on 20 April 2026 alone, more than half of the quarter’s reach, at eight engagements and an ER of 0.034 percent.

The targeting itself is right. 35 percent of my reach is top-management in the Frankfurt Mittelstand. The bottleneck was hook mechanics after long days. Across 33 posts the performance spread is clear: method opener averages 410 impressions (n=12), bold claim averages 7,034 (n=2) at 0.2 percent ER, story opener averages 1,580 (n=4) at 0.4 percent ER. Without A/B testing at the brief stage I cannot know which variant fits the substance.

Instead of posting more, I created 11 Markdown files. Master orchestrator plus ten phase agents, following the Anthropic multi-agent pattern from 13 June 2025. Per post now three hook variants, and the Anti-AI-Slop Editor picks the slop-cleanest with the strongest pillar fit.

How does hook performance distribute in your own content operations?

👉 Link in first comment.

#BuildInPublic #ContextEngineering #ClaudeCode #SoloConsulting #LinkedIn

First comment (3-5 min after posting):

Full 90-day analysis plus the eleven phases: https://pfisterer.xyz/en/news/multi-agent-content-pipeline/

XING DE — Variante A (Story) — 1.318 Z

Letzten Sonntag, 22:00. Ich saß vor 11 Markdown-Dateien.

Daneben offen 90 Tage LinkedIn-Daten. 511 Follower, 44.483 Impressions, Engagement-Rate 0,18 Prozent. An 52 von 90 Tagen reagierte niemand.

Die Audience selbst stimmt. 35 Prozent meiner Reichweite ist Top-Management aus DACH, der Großteil aus dem Frankfurter Raum, klassischer Mittelstand. Was fehlt, sind fünf Schreib-Routinen, die ich theoretisch kannte und nach langen Beratertagen regelmäßig fallen ließ.

Statt mehr Posts zu schreiben, baue ich die Pipeline, die diese Routinen erzwingt. 11 Markdown-Dateien in einem Repo. Master-Orchestrator plus zehn Phasen-Agenten nach dem Anthropic-Multi-Agent-Pattern vom 13. Juni 2025. Phase 6, der Anti-AI-Slop-Editor, blockt alles ab Score 3 zurück an die Schreib-Phase.

Mein erster Hook-Draft kam bei Score 13 zurück. Drei Iterationen später lag der Score bei eins.

Vollständige Architektur mit allen elf Phasen, der Slop-Blacklist und der 90-Tage-Auswertung: https://pfisterer.xyz/news/multi-agent-content-pipeline/

#Mittelstand #ContentMarketing #LinkedIn #Beratung

XING DE — Variante B (Bold Claim) — 1.212 Z

Meine LinkedIn-Strategie habe ich als Code geschrieben. Nicht um schneller zu posten, sondern damit Sonntag 22 Uhr nach einem langen Beratertag jemand für mich entscheidet, ob der Hook taugt.

Ausgangslage: 90 Tage LinkedIn bei 0,18 Prozent Engagement-Rate. 511 Follower, 44.483 Impressions, 52 von 90 Tagen ohne Reaktion. Das Targeting stimmt, 35 Prozent Top-Management aus dem DACH-Mittelstand. Die Hook-Mechanik fehlte.

11 Markdown-Dateien in einem Repo, jede mit eigener Aufgabe. Master-Orchestrator plus zehn Phasen-Agenten nach dem Anthropic-Pattern vom 13. Juni 2025. Der härteste Teil ist Phase 6, der Anti-AI-Slop-Editor. Score über zwei bedeutet Loop zurück.

Mein eigener Hook kam beim Probe-Lauf bei Score 13 zurück. Drei Iterationen später lag er bei eins.

Vollständiger Aufbau: https://pfisterer.xyz/news/multi-agent-content-pipeline/

#Mittelstand #ContentMarketing #LinkedIn #Beratung

XING DE — Variante C (Data, empfohlen) — 1.342 Z

90 Tage LinkedIn, Stand 19. Mai 2026: 511 Follower, 44.483 Impressions, Engagement-Rate 0,18 Prozent.

An 52 von 90 Tagen reagierte niemand. Der viralste Beitrag lieferte am 20. April 2026 allein 23.703 Impressions, also mehr als die Hälfte der Quartals-Reichweite, bei acht Engagements und einer ER von 0,034 Prozent.

Das Targeting stimmt (35 Prozent Top-Management aus DACH, klassischer Mittelstand). Die Hook-Mechanik fehlte. Aus 33 Posts ergibt sich Hook-Spreizung: Methoden-Eröffnung 410 Impressions im Schnitt, Bold Claim 7.034, Story-Eröffnung 1.580.

Statt mehr zu posten, habe ich eine Pipeline aus 11 Markdown-Dateien gebaut. Master-Orchestrator plus zehn Phasen-Agenten nach dem Anthropic-Pattern vom 13. Juni 2025. Pro Post drei Hook-Varianten, der Anti-AI-Slop-Editor wählt die slop-freieste.

Vollständige Auswertung und Architektur: https://pfisterer.xyz/news/multi-agent-content-pipeline/

#Mittelstand #ContentMarketing #LinkedIn #Beratung

Empfehlung an Orchestrator

Alle Varianten gegen die überarbeitete 04-article-writer.md (Pre-Submit-Check) und 07-anti-ai-slop.md (20 Items + neue Killer-Patterns) geprüft. Maximaler Score ~1.5.