20. Februar 2026
LinkedIn ist voll mit Posts, die Positionen widerlegen, die niemand vertritt. Ein Blick auf die Psychologie hinter dem beliebtesten Rhetorik-Trick der Plattform.
7 Min. Lesezeit
Ich habe letzte Woche meinen LinkedIn-Feed durchgescrollt und nach 10 Minuten aufgehört zu zählen.
Sieben Posts. Alle nach dem gleichen Muster:
Das ist kein Diskurs. Das ist Performance.
Ein Strohmann-Argument (englisch: Straw Man Fallacy) funktioniert so: Du nimmst die Position deines Gegenübers, verzerrst sie bis zur Unkenntlichkeit und widerlegst dann diese verzerrte Version. Du gewinnst eine Debatte, die nie stattgefunden hat.
In der Philosophie ist das ein klassischer Fehlschluss. Auf LinkedIn ist es eine Content-Strategie.
Ein Post beginnt so:
"Alle reden davon, dass KI Entwickler komplett ersetzen wird. Aber das stimmt so nicht."
Klingt vernünftig. Nur: Wer sagt das? Welcher seriöse Mensch behauptet ernsthaft, dass morgen alle Entwickler arbeitslos sind? Klar, es gibt Clickbait-Überschriften in Tech-Medien. Aber die Community ist sich weitgehend einig, dass KI ein Werkzeug ist, kein Ersatz.
Der Autor stellt also eine Extremposition auf, die kaum jemand in dieser Form vertritt, und widerlegt sie dann elegant. Das Ergebnis: Hunderte Likes, Kommentare wie "Endlich sagt's mal jemand!" und der Algorithmus feiert.
LinkedIn-Strohmann-Posts aktivieren gleich mehrere psychologische Mechanismen:
Menschen interagieren bevorzugt mit Inhalten, die ihre bestehende Meinung bestätigen. Wenn ein Post eine Position widerlegt, der du sowieso nicht zustimmst, fühlt sich das wie Validation an. Du likest, kommentierst, teilst. Nicht weil du etwas Neues gelernt hast, sondern weil jemand laut gesagt hat, was du ohnehin denkst.
Der Strohmann schafft ein unsichtbares "Wir gegen Die". Die aufgeklärten Denker gegen die naiven Hype-Follower. Die erfahrenen Devs gegen die "Vibe Coder". Jeder Like ist ein Tribal-Signal: "Ich gehöre zu den Schlauen."
Posts, die komplexe Themen auf ein simples "Die meisten verstehen es nicht, aber ICH schon" reduzieren, sprechen ein Gefühl von Überlegenheit an. Der Leser denkt: "Ja, genau. Ich hab's auch verstanden. Wir beide sind die Ausnahme." In Wahrheit wurde eine differenzierte Debatte auf ein Ja-oder-Nein reduziert.
LinkedIn's Algorithmus belohnt Engagement. Kontroverse (oder pseudo-kontroverse) Posts generieren mehr Reaktionen. Mehr Reaktionen bedeuten mehr Reichweite. Die Plattform selbst selektiert aktiv für diese Art von Content.
Über die Monate habe ich drei Hauptvarianten beobachtet:
"90% der [Berufsgruppe] werden scheitern. 🚨 Nicht wegen [offensichtlicher Grund]. Wegen [dramatische Pause]... [banale Erkenntnis]. 💡"
Der Autor positioniert sich als einsamer Rufer in der Wüste, der eine unbequeme Wahrheit ausspricht. In Wirklichkeit ist die "Wahrheit" so allgemein, dass ihr kaum jemand widersprechen würde. Aber durch das dramatische Framing wirkt es, als hätte er gerade die Bundeslade geöffnet.
"Ich mache [scheinbar kontroverse Sache]. Und bin produktiver als je zuvor. 🤷"
Die Beichte impliziert, dass der Mainstream das Gegenteil glaubt. "Ich schreibe kaum noch Code" suggeriert, dass die Norm ist, dass jeder Entwickler 8 Stunden am Tag tippt. Was natürlich Unsinn ist. Aber es erzeugt das Gefühl einer mutigen Abweichung.
"Werden [Berufsgruppe] in X Jahren noch Jobs finden?! 😱"
Hier wird eine existenzielle Frage aufgeworfen, die den Autor als besorgten Vordenker positioniert. Die Antwort ist immer: "Es kommt drauf an." Aber das ist natürlich nicht der Punkt. Der Punkt ist das Engagement, das die Angst generiert.
"Ist doch harmlos", mag man denken. "Ist doch nur LinkedIn." Aber:
Es vergiftet den Diskurs. Wenn jede zweite Diskussion auf einer verzerrten Prämisse basiert, wird echte Auseinandersetzung unmöglich. Man diskutiert nicht mehr über die Realität, sondern über Karikaturen der Realität.
Es schadet Einsteigern. Junior-Entwickler, die LinkedIn lesen, bekommen ein völlig verzerrtes Bild der Branche. Sie glauben, dass "90% scheitern", dass sie ohne KI-Workflow verloren sind, dass niemand mehr "echten" Code schreibt. Das erzeugt unnötigen Druck und falsche Prioritäten.
Es entwertet Expertise. Wenn der erfolgreichste Content nicht der differenzierteste ist, sondern der lauteste, verlieren echte Experten die Sichtbarkeit. Der Marktplatz der Ideen wird zum Marktplatz der Performances.
Es ist intellektuell faul. Einen Strohmann zu widerlegen erfordert kein Fachwissen. Es erfordert nur die Bereitschaft, eine schwache Position zu konstruieren und sie dann souverän auseinanderzunehmen. Das kann jeder. Genau deshalb machen es so viele.
Bevor du den nächsten LinkedIn-Post likest, frag dich:
Und wenn du selbst Content schreibst: Steelmanne die Gegenposition. Nimm die stärkste Version des Arguments, das du widerlegen willst. Das ist schwerer. Es generiert weniger Likes. Aber es ist ehrlich.
Nehmen wir das Thema "KI ersetzt Entwickler". So sieht die Strohmann-Version aus:
Strohmann: "Alle sagen, KI wird alle Entwickler ersetzen. Aber das ist Quatsch. Man braucht immer noch Menschen, die Code verstehen."
Niemand Seriöses sagt "alle Entwickler, weg, morgen." Der Autor widerlegt ein Phantom und wirkt dabei klug.
Jetzt die Steelman-Version:
Steelman: "Es gibt ein nachvollziehbares Argument, dass KI die Anzahl der Einstiegspositionen für Entwickler reduzieren wird. Unternehmen nutzen bereits KI-Tools für Aufgaben, die früher an Juniors delegiert wurden: Boilerplate-Code, einfache Bug-Fixes, Tests schreiben. Wenn sich dieser Trend fortsetzt, könnte die klassische Karriereleiter (Junior zu Mid zu Senior) brechen. Das Gegenargument ist, dass KI neue Arbeitskategorien schafft und dass Juniors, die lernen mit KI zu arbeiten, wertvoller werden, nicht weniger. Beide Seiten haben valide Punkte, und die ehrliche Antwort ist: Wir wissen es noch nicht."
Gleiches Thema. Aber statt eine Karikatur umzuhauen, setzt sich die Steelman-Version mit der stärksten Form des Arguments auseinander. Sie tut nicht so, als hätte sie alle Antworten. Sie behandelt den Leser als jemanden, der zwei Gedanken gleichzeitig halten kann.
Der Unterschied ist simpel: Ein Strohmann lässt den Autor klug aussehen. Ein Steelman macht den Leser klüger.
Falls du bis hierhin gelesen hast und nickend zugestimmt hast, habe ich eine unangenehme Nachricht.
Dieser Artikel ist selbst ein Strohmann-Argument.
Ich habe "LinkedIn-Content-Creator" als monolithische Gruppe dargestellt, die alle nach dem gleichen Playbook arbeiten. Ich habe die dümmsten Beispiele genommen und getan, als wären sie repräsentativ. Ich habe eine Position konstruiert ("Alle LinkedIn-Posts sind oberflächliche Strohmann-Argumente") und sie dann widerlegt, indem ich mich als den aufgeklärten Beobachter positioniert habe.
Ich habe genau das getan, was ich kritisiere.
Die Wahrheit ist: Ja, es gibt schlechten Content auf LinkedIn. Es gibt auch großartigen. Es gibt Posts, die wirklich zum Nachdenken anregen, die differenziert argumentieren, die echte Expertise teilen. Aber über die schreibt man keine viralen Blogartikel. Weil nuancierte Wahrheit weniger klickbar ist als empörte Vereinfachung.
Das ist der eigentliche Punkt. Nicht "LinkedIn ist schlecht". Sondern: Wir alle sind anfällig für die gleichen Mechanismen. Du, ich, der LinkedIn-Thought-Leader mit 50.000 Followern. Der Confirmation Bias unterscheidet nicht nach Follower-Zahlen.
Wenn du also das nächste Mal einen empörten Post in deinem Feed siehst und denkst "Endlich sagt's mal jemand!", halte kurz inne. Vielleicht hast du gerade einen Strohmann geliked.
Oder vielleicht hast du gerade einen Blogartikel darüber geliked.
Forschung darüber, wie Strohmann-Argumente als Werkzeug zur sozialen Statusgewinnung funktionieren.
Yeomans (2022) darüber, wie Menschen gegnerische Positionen systematisch verzerrt darstellen, selbst unbeabsichtigt.
PNAS-Studie, die zeigt, dass Inhalte gegen eine Fremdgruppe überproportional mehr Engagement erzeugen.
Forschung über die sich verstärkende Schleife zwischen Confirmation Bias und Echokammern in sozialen Medien.
Empirische Studie darüber, warum Strohmann-Argumente Publikum effektiv überzeugen.
Scientific American über das Zusammenspiel von kognitiven Verzerrungen und Social-Media-Algorithmen.
