Meine LinkedIn-Strategie als Code: Warum ich eine 11-Datei-Pipeline baue

Letzten Sonntag, 22:00. Vor mir auf dem Schreibtisch liegen elf Markdown-Dateien, daneben eine offene Tabelle mit 90 Tagen LinkedIn-Analytics. Mate im Glas, ehrliche Frage im Hinterkopf, warum ich gerade eine Pipeline baue, statt einen Post zu schreiben.

Die Tabelle gibt eine klare Antwort. Mein Profil hat 511 Follower und kam in den letzten 90 Tagen auf 44.483 Impressions bei einer Engagement-Rate von 0,18 Prozent. Das liegt um den Faktor 11 bis 16 unter dem LinkedIn-Benchmark von zwei bis drei Prozent. An 52 von 90 Tagen blieb es vollständig still, ohne eine einzige Reaktion auf irgendeinen Post.

Ein einzelner Post vom 20. April 2026 lieferte 23.703 Impressions und damit mehr als die Hälfte der Quartals-Reichweite. Darauf entfielen acht Engagements, eine ER von 0,034 Prozent auf einem viral verteilten Beitrag. Der Algorithmus hat den Post gepusht, gelesen wurde er trotzdem nur quer und ohne Reaktion.

Die Audience selbst stimmt. 35 Prozent meiner Reichweite ist Top-Management aus DACH, der Großteil davon 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.

Statt mehr Posts zu schreiben, baue ich also die Pipeline, die diese Routinen erzwingt.

Was die Pipeline wirklich ist

In pfisterer-consulting/agents/ liegen elf Markdown-Dateien. Jede Datei ist ein Phasen-Agent mit einer klaren Aufgabe, einem Voice-Anker und einem YAML-Output-Header für die nächste Phase. Geordnet wird das Ganze vom Master-Orchestrator, der die Phasen in Wellen sequenziert und parallelisiert.

Die Reihenfolge sieht so aus:

• Pillar Selector entscheidet, welcher inhaltliche Anker den Post trägt (A für ERP-Realität, B für KI im Mittelstand, C für Build-in-Public). Default-Quote 50/30/20.
• Trend Scanner liest Quellen aus der letzten Woche und schlägt fünf bis zehn Topics vor. Wird übersprungen, wenn das Topic schon im Kopf ist.
• Research Brief Writer baut eine verteidigungsfähige Position, sammelt acht bis fünfzehn Quellen mit Datum und schreibt drei Hook-Varianten in den Stilen Bold Claim, Story und Data.
• Visual Storyteller generiert zwei ComfyUI-Workflows für FLUX.2 Dev Q8_0 mit Mistral 3 Small Encoder, einen für das Hero-Bild in 1536x1024 und einen für das LinkedIn-Post-Bild in 1024x1024.
• Article Writer DE+EN verfasst zwei eigenständige Artikel mit Counter-Sektion und FAQ in ###-Headings. Keine Übersetzungen voneinander.
• SEO+GEO-Frontmatter finalisiert Title, SEO-Title, Description, Tags und Reading-Time und produziert JSON-LD-Schemas für FAQPage und Article.
• Social Post Writer schreibt drei Hook-Varianten je Plattform für LinkedIn DE, LinkedIn EN und XING DE, jeweils mit Erstkommentar-Text.
• Anti-AI-Slop Editor scannt alles aus Phase 3 bis 5 gegen Pattern-Listen und blockt bei Slop-Score über zwei.
• Engagement Strategist baut den Pre-Engagement-Plan, acht Comment-Reply-Templates und die DM-Candidate-Liste für T+24h.
• Lead Nurturer läuft asynchron sieben bis vierzehn Tage nach Publish und führt die DM-Sequenz an ICP-Matches.

Das Pattern habe ich nicht erfunden. Anthropic hat es am 13. Juni 2025 für ihr Multi-Agent-Research-System öffentlich beschrieben, ein Orchestrator-Worker-Modell mit spezialisierten Subagenten, die jeweils ihren eigenen Kontext verwalten (Anthropic Engineering). Bei mir kommt hinzu, dass jeder Agent als Markdown-Datei mit YAML-Frontmatter abgelegt ist, also so, wie Skills und Subagenten im Claude Agent SDK heute funktionieren. Markdown habe ich Code vorgezogen, weil ich den Inhalt jeder Phase im Klartext lesen und kalibrieren können will.

Phase 6 ist der eigentliche Engpass

Der Anti-AI-Slop-Editor blockt mehr Drafts als jede andere Phase. Meistens nicht wegen offensichtlicher Buzzwords, sondern wegen struktureller Patterns: Echo-Sätze, Dreier-Listen, eingeschmuggelte Antithesen, Doppelpunkt-Reveals, Maschinen-Stakkato in Telegraph-Form.

Beim Probe-Lauf für genau diesen Artikel kam mein erster Hook-Draft bei Score 13 zurück. Antithese mit dramatischem Punkt, Maschinen-Liste der Phasen-Namen, ein Banned Word in Anführungszeichen, das ich für entschärft hielt. Phase 6 hat alles als Slop gewertet und an Phase 5 zurückgeschickt. Drei Iterationen später lag der Score bei eins.

Der unangenehme Teil war nicht der Score selbst, sondern die Erkenntnis. Diese Patterns habe ich in geschätzt achtzig Prozent meiner letzten Posts verwendet. Phase 6 zwingt mich Sonntagabend zum Umschreiben und erspart mir Montagmorgen die Kommentare, in denen jemand höflich anmerkt, der Post lese sich KI-generiert.

Was sich für jeden Post konkret ändert

Vier Mechaniken laufen jetzt automatisch:

1. Drei Hook-Varianten pro Plattform. Phase 5 schreibt einen Bold Claim, eine Story und eine Daten-Eröffnung, Phase 6 scort sie auf Slop, der Orchestrator wählt am Ende die slop-freieste Variante mit dem höchsten Pillar-Fit. Vorher hatte ich pro Post genau einen Hook, meist die schwächste Methoden-Eröffnung mit 410 Impressions im Schnitt (n=12 aus eigener 90-Tage-Auswertung).
2. Externer Link nie im LinkedIn-Body. Phase 5 platziert den Link konsequent im ersten eigenen Kommentar, drei bis fünf Minuten nach dem Posting. Externe Links im Body kosten geschätzt rund sechzig Prozent Reichweite, das Erstkommentar-Pattern performt deutlich besser.
3. Pre-Engagement-Liste in Phase 7. Fünf substanzielle Kommentare auf ICP-relevante Posts, 25 bis 30 Minuten vor dem eigenen Posting. Der Algorithmus liest das als Priming-Signal und gibt dem neuen Post mehr initiale Verteilung.
4. 60-Minuten-Golden-Hour-Protokoll. Phase 7 liefert acht Reply-Templates für die häufigsten Reaktionsmuster aus dem Mittelstand-Beratungs-Umfeld, von der zustimmenden GF-Stimme bis zum Vendor-Mitarbeiter mit Counter-Position. Das spart Antwortzeit im 60-Minuten-Fenster nach dem Posting, in dem LinkedIn entscheidet, wie weit der Post verteilt wird.

Diese Mechaniken stehen in jedem aktuellen LinkedIn-Algorithmus-Update. Der Unterschied ist nur, dass sie nicht mehr von meiner Tagesform abhängen, weil eine Phase im Pipeline-Lauf sie verlangt.

Was die Pipeline nicht kann und nicht sein soll

Ein paar ehrliche Einschränkungen.

Für ein Profil mit 511 Followern ist eine elf-Dateien-Pipeline objektiv Over-Engineering. Wer mit 30 Followern startet, sollte erst einmal vier Wochen manuell schreiben und Hooks im Bauchgefühl testen. Mein Fall ist anders, weil das Profil fünfeinhalb Jahre Substanz hat und eine ICP-Demografie, an der mir wirklich liegt. Architektur ist hier wirtschaftlicher als ein weiteres Quartal auf der gleichen Stelle.

Die Pipeline schreibt auch nicht für mich. Phase 3 übernimmt die Outline aus dem Research-Brief, hält sich an die Voice-Anker aus dem Pillar-Playbook und produziert einen Draft. Was dann passiert, ist Lesen, Kürzen, Umschreiben von ganzen Absätzen, weil mir auffällt, dass der Draft eine konkrete Erinnerung nicht abbilden kann. Die Pipeline kennt nicht das, was ich Donnerstag mit einem CFO am Werkstatt-Tisch besprochen habe, oder welche Halbsatz-Bemerkung im Telefonat mit einem IT-Leiter aus Frankfurt am Ende den Artikel trägt. Diese Anker bleiben menschlich.

ComfyUI läuft bewusst außerhalb des automatischen Ablaufs. Phase 2 liefert die JSON-Workflows, ich starte sie lokal an meiner RTX 4090. Pro Bild rund drei Minuten Rendering, dann manuelle Sichtprüfung. Logo-Halluzinationen kommen regelmäßig vor, ebenso lesbare Buchstabenformen, die wie Vendor-Schrift aussehen. Manueller Review nach jeder Generierung schützt vor Bildern, die ich nicht freigeben würde.

Häufige Fragen zur Multi-Agent-Content-Pipeline

Wie viel Zeit kostet ein Pipeline-Lauf in der Praxis?

Ein vollständiger Lauf dauert 35 bis 40 Minuten:

Verglichen mit einem rein manuellen Set aus Artikel plus Social-Posts ist das eher mehr Zeit. Der Hebel liegt in der Hook-Qualität und im Quality-Gate-Schutz, nicht in der Geschwindigkeit.

Wofür braucht ein Solo-Berater drei Hook-Varianten pro Post?

Aus 33 eigenen Posts der letzten 90 Tage ergibt sich eine klare Performance-Spreizung. Die Methoden-Eröffnung liefert im Durchschnitt 410 Impressions (n=12). Der Bold Claim liefert 7.034 Impressions (n=2) bei einer ER von 0,2 Prozent. Die Story-Eröffnung liefert 1.580 Impressions (n=4) bei 0,4 Prozent ER. Ohne A/B-Test im Brief kann ich nicht wissen, welche Variante zur Substanz passt. Die Pipeline produziert daher immer drei, Phase 6 wählt die slop-freieste mit dem höchsten Pillar-Fit.

Macht die Pipeline meinen Schreibstil nicht uniform?

Drei Mechaniken arbeiten dagegen. Die Pillar-Rotation 50/30/20 erzwingt unterschiedliche Voice-Anker für ERP-Pillar, KI-Pillar und Build-in-Public. Der Anti-Slop-Editor markiert Wortfrequenz schon ab dem dritten Auftauchen eines Begriffs im Gesamttext. Und der Voice-Bonus im Slop-Score belohnt Eröffnungen mit konkreter Person, konkreter Zeit und konkretem Ort, was inflationäre Substantiv-Wüsten von selbst ausschließt. Ohne Pipeline rutscht der Stil im Gegenteil mit der Zeit in die Slop-Mitte, weil kein systemischer Spiegel da ist.

Welcher Teil der Pipeline ist am ehesten wegwerfbar, wenn es eilt?

Phase 0, der Trend Scanner. Wenn das Topic schon im Kopf ist, springt der Orchestrator direkt zu Phase 1. Phase 6 dagegen wäre der falsche Spar-Kandidat. Sie ist der einzige Schutz gegen AI-Slop im Live-Post, und Phase 7 liefert das Golden-Hour-Protokoll, das mir die ersten 60 Minuten nach dem Posting wirtschaftlich überhaupt erst sichert. Beide Phasen geben den höchsten Performance-Hebel pro investierter Minute.

Nächster Schritt

Sie überlegen, eine ähnliche Pipeline für Ihre Content-Operations zu bauen, oder Sie sind selbst Solo-Berater und fragen sich, ob das Modell auf Ihre Situation passt?

Die Pipeline ist in mehreren Wochen gewachsen, mit den entsprechenden Sackgassen, und alles davon ist in den Playbooks dokumentiert. Wenn Sie das Modell für Ihr Marketing oder für interne Wissensarbeit prüfen wollen, sprechen wir 45 Minuten miteinander. Kein Pitch, sondern ein ehrlicher Blick darauf, ob das Modell zu Ihrer Situation passt oder welche Vereinfachungen Sie sofort umsetzen können, ohne die ganze Architektur zu kopieren.

→ Erstgespräch vereinbaren, kostenfrei

→ Oder zuerst mehr lesen: KI-Automatisierung im Mittelstand · Solo + KI statt Agentur

Quellen und Links: Anthropic — How we built our multi-agent research system, 13.06.2025 · Claude Agent SDK — Skills + Subagents · GSD — Get Shit Done im Context Engineering · OpenClaw — Autonome Agenten orchestrieren · Agenten als Markdown-Persönlichkeit

Weiter lesen auf pfisterer.xyz: Shadow AI im eigenen Workflow · Website-Relaunch mit KI statt Agentur · OpenClaw als persönlicher KI-Assistent