LinkedIn Content-Erstellung, Engagement und Monitoring für B2B/Manufacturing. Regionale Anpassung (US/EU/Asien), Artikel mit Teasern, Bildgenerierung via Gemini, Kommentar-Monitoring.
Scanned 5/31/2026
Install via CLI
Skills Directoryopenskills install tools-only/X-Skills---
name: linkedin-engagement
description: LinkedIn Content-Erstellung, Engagement und Monitoring für B2B/Manufacturing. Regionale Anpassung (US/EU/Asien), Artikel mit Teasern, Bildgenerierung via Gemini, Kommentar-Monitoring.
---
# LinkedIn Engagement Skill
## Konfiguration
**LinkedIn-Profil:** Lara Knuth (echtes Profil)
**Unternehmen:** fabrikIQ / Dresden AI Insights
**Fokus:** MES, OEE, Fertigungsdatenanalyse, KMU-Digitalisierung
**Ziel-Regionen:**
- **Primär:** DACH (DE/AT/CH), USA, Kanada
- **Sekundär:** UK, Nordics, Benelux
- **Tertiär:** Japan, Südkorea, Südostasien
**Fokus-Hashtags:**
- DE: #Fertigung #Industrie40 #OEE #MES #Digitalisierung #KMU #Qualitaetssicherung
- EN: #Manufacturing #Industry40 #SmartFactory #MES #OEE #DigitalTransformation #LeanManufacturing
---
## Slash-Commands
### /linkedin-post [region]
**Zweck:** Generiert regionsspezifischen LinkedIn-Post
**Parameter:**
- `region`: us | eu | asia (default: eu)
- `type`: text | article-teaser | poll (default: text)
- `image`: true | false (default: false)
**Workflow:**
1. Erfasse Thema/Kernaussage
2. Wähle Template basierend auf Region
3. Generiere Post mit Anti-AI-Detection
4. Optional: Generiere Bild via Gemini
5. Füge optimierte Hashtags hinzu
6. Zeige Vorschau zur Freigabe
**Ausgabeformat:**
```
## LinkedIn Post [Region: EU]
### Post-Text:
[Generierter Text]
### Hashtags (5):
#Hashtag1 #Hashtag2 ...
### Bild-Prompt (falls angefordert):
[Gemini-Prompt für Bildgenerierung]
### Beste Posting-Zeit:
[Region-spezifische Empfehlung]
### Checkliste:
- [ ] Kein AI-Slop?
- [ ] Erste 2 Zeilen = Hook?
- [ ] CTA vorhanden?
```
---
### /linkedin-article [region]
**Zweck:** Erstellt LinkedIn-Artikel MIT Teaser-Post
**Workflow:**
1. Erfasse Artikel-Thema und Kernpunkte
2. Generiere Artikel-Struktur (800-1500 Wörter)
3. Erstelle separaten Teaser-Post (max 300 Zeichen vor "...mehr")
4. Generiere Header-Bild via Gemini
5. Optimiere SEO (Titel, Beschreibung)
**Ausgabeformat:**
```
## LinkedIn Artikel: [Titel]
### Teaser-Post (für Feed):
[Hook-Text, max 300 Zeichen]
[Link zum Artikel]
#Hashtags
---
### Artikel-Inhalt:
**Titel:** [SEO-optimiert]
**Intro:** [Hook, 2-3 Sätze]
**Hauptteil:**
[Strukturierter Content mit Zwischenüberschriften]
**Fazit:** [Call-to-Action]
---
### Header-Bild Prompt:
[Gemini-Prompt für 1200x627 Header]
### SEO-Daten:
- Titel: [max 60 Zeichen]
- Beschreibung: [max 160 Zeichen]
- Keywords: [...]
```
---
### /linkedin-comment [url]
**Zweck:** Generiert Value-First Kommentar für fremden Post
**Workflow:**
1. Lade Post-Inhalt (via URL oder Beschreibung)
2. Analysiere Autor-Region (Name, Sprache, Unternehmen)
3. Generiere Kommentar angepasst an Region
4. Prüfe Anti-AI-Detection
**Regeln:**
- Erst Mehrwert, dann (optional) eigene Erfahrung
- Keine direkte Werbung
- Authentische Reaktion auf Inhalt
- Frage stellen fördert Engagement
**Ausgabeformat:**
```
## Kommentar für: [Post-Titel/Autor]
**Autor-Region:** [geschätzt: US/EU/Asia]
**Ton-Empfehlung:** [Direct/Sachlich/Respektvoll]
### Vorgeschlagener Kommentar:
[Text, 50-150 Wörter]
### Alternative (kürzer):
[Text, 20-50 Wörter]
```
---
### /linkedin-scan
**Zweck:** Scannt relevante Hashtags/Influencer nach Engagement-Opportunities
**Workflow:**
1. Durchsuche Hashtags: #Manufacturing, #MES, #OEE, #Industrie40
2. Identifiziere Posts mit hohem Engagement-Potenzial
3. Priorisiere nach: Relevanz, Autor-Reichweite, Aktualität
4. Zeige Top 10 mit Kommentar-Empfehlung
**Ausgabeformat:**
```
## LinkedIn Scan: [Datum]
### Engagement-Opportunities (Top 10)
1. **[Autor]** - [Titel/Hook]
Reichweite: [geschätzt] | Engagement: [Likes/Comments]
Region: [US/EU/Asia]
→ Kommentar-Empfehlung: [Kurz-Idee]
2. ...
### Trending Topics diese Woche:
- [Topic 1]: [Warum relevant]
- [Topic 2]: ...
```
---
### /linkedin-monitor
**Zweck:** Überwacht eigene Posts auf neue Kommentare, schlägt Antworten vor
**Workflow:**
1. Lade Liste eigener geposteter Inhalte (aus tracking.md)
2. Prüfe jeden Post auf neue Kommentare
3. Analysiere Kommentar-Inhalt und Autor
4. Generiere Antwort-Vorschläge
**Ausgabeformat:**
```
## LinkedIn Monitor: [Datum]
### Neue Kommentare (seit letztem Check)
**Post:** [Post-Titel/Hook]
**Gepostet:** [Datum]
**Aktuelle Stats:** ♥ [Likes] | 💬 [Comments] | 🔄 [Shares]
#### Neuer Kommentar von [Name] ([Position]):
> "[Kommentar-Text]"
**Autor-Analyse:**
- Region: [US/EU/Asia]
- Relevanz: [Potentieller Lead/Peer/Troll]
- Ton: [Positiv/Neutral/Kritisch]
**Antwort-Vorschlag:**
[Generierte Antwort, regional angepasst]
**Alternative (kürzer):**
[Kürzere Version]
---
### Antwort-Priorität:
1. 🔴 DRINGEND: [Kritische Fragen, potentielle Leads]
2. 🟡 WICHTIG: [Fachliche Diskussionen]
3. 🟢 OPTIONAL: [Einfache Zustimmungen]
```
---
### /linkedin-image [prompt]
**Zweck:** Generiert LinkedIn-optimiertes Bild via Gemini
**Integration mit gemini-image-gen Skill:**
```python
# Verwendet GEMINI_API_KEY aus .env.local
from google import genai
from google.genai import types
from dotenv import load_dotenv
load_dotenv('.env.local')
client = genai.Client(api_key=os.environ.get("GEMINI_API_KEY"))
# Modelle (funktionieren in DE!):
# - gemini-2.5-flash-image: Schnell, gut für einfache Grafiken
# - gemini-3-pro-image-preview: Höhere Qualität, komplexere Szenen (EMPFOHLEN)
# - imagen-4.0-generate-001: Fotorealistische Bilder
response = client.models.generate_content(
model='gemini-3-pro-image-preview', # FUNKTIONIERT IN DEUTSCHLAND
contents=[prompt],
config=types.GenerateContentConfig(
response_modalities=['IMAGE']
)
)
```
**LinkedIn Bild-Formate:**
| Typ | Größe | Verwendung |
|-----|-------|------------|
| Post-Bild | 1200x1200 | Quadratisch, Feed-optimiert |
| Artikel-Header | 1200x627 | 1.91:1 Ratio |
| Carousel-Slide | 1080x1080 | PDF-Upload |
**Optimierte Prompts für Manufacturing:**
```
"Clean, professional infographic showing [TOPIC].
Modern flat design, blue and white color scheme,
minimal text, manufacturing/industrial context.
LinkedIn business style, 1200x1200px"
```
**Ausgabeformat:**
```
## LinkedIn Bild generiert
**Prompt verwendet:**
[Optimierter Prompt]
**Modell:** gemini-2.5-flash-image
**Format:** 1200x1200 (Post) / 1200x627 (Article)
**Datei:** [Pfad zur generierten Datei]
**Verwendung:**
- [ ] Als Post-Bild hochladen
- [ ] Als Artikel-Header
- [ ] Für Carousel (weitere Slides nötig?)
```
---
### /linkedin-analytics
**Zweck:** Zeigt Performance-Übersicht der geposteten Inhalte
**Metriken:**
- Impressions
- Engagement Rate (Likes + Comments + Shares / Impressions)
- Click-Through Rate (für Artikel)
- Follower-Wachstum
**Ausgabeformat:**
```
## LinkedIn Analytics: [Zeitraum]
### Top Performer
| Post | Datum | 👁 Impressions | ♥ Likes | 💬 Comments | ER% |
|------|-------|---------------|---------|-------------|-----|
| [Titel] | [Datum] | [X] | [Y] | [Z] | [%] |
### Insights:
- Beste Posting-Zeit: [Tag/Uhrzeit]
- Beste Content-Art: [Text/Artikel/Poll]
- Beste Hashtags: [Top 3]
### Empfehlungen:
- [Konkrete Handlungsempfehlung basierend auf Daten]
```
---
## Regionale Templates
### US/Kanada Template
**Stil:** Direct, Story-driven, Personal Brand
**Sprache:** Englisch
**Hashtags:** 3-5, am Ende
**Struktur:**
```
[Hook - kontrovers oder überraschend, 1 Zeile]
[Leerzeile - wichtig für Mobile!]
[Personal Story mit konkreten Zahlen, 2-3 Sätze]
[Insight/Lesson, Bullet Points OK aber nicht genau 3]
[Vulnerable Admission - was ging schief]
[Soft CTA - Frage an Community]
#Manufacturing #MES #OEE #DigitalTransformation
```
**Verboten:**
- "I'm thrilled to announce"
- "Excited to share"
- "I'm humbled"
- Mehr als 5 Emojis
**Funktioniert:**
- Konkrete Zahlen: "Reduced downtime by 23%"
- Hot Takes: "Unpopular opinion: MES is overkill for most SMBs"
- Lessons learned mit Vulnerabilität
- "Here's what I learned after..."
---
### EU/DACH Template
**Stil:** Sachlich, Fakten-basiert, Understatement
**Sprache:** Deutsch oder Englisch (je nach Zielgruppe)
**Hashtags:** 3-5, DE-Varianten
**Struktur:**
```
[Sachliche Eröffnung - Thema klar benennen]
[Kontext mit Daten/Zahlen aus echten Projekten]
[Pragmatischer Insight - was funktioniert, was nicht]
[Optional: Normen-Referenz (DIN, ISO, VDI)]
[Offene Frage - keine rhetorische]
#Fertigung #OEE #Industrie40 #MES #Digitalisierung
```
**Verboten:**
- Übertreibungen ("revolutionär", "game-changer")
- Zu viel Selbst-Promotion
- Amerikanische Hustle-Culture
- "Ich hab alles richtig gemacht"
**Funktioniert:**
- Case Studies mit Methodik
- Normative Referenzen
- "So haben wir es gemacht" (Team-Fokus)
- Kritische Reflexion
---
### Asien Template (Japan, Korea, Südostasien)
**Stil:** Respektvoll, Beziehungs-first, indirekt
**Sprache:** Englisch (international)
**Hashtags:** 3-4, konservativ
**Struktur:**
```
[Höfliche Einleitung - Beobachtung, nicht Belehrung]
[Gemeinsames Lernen - "I noticed...", "I was impressed by..."]
[Eigene Erfahrung als Angebot, nicht als Expertise]
[Respektvolle Frage - Interesse an lokaler Perspektive]
#Manufacturing #Industry40 #QualityManagement
```
**Verboten:**
- Direkte Kritik
- "Ich weiß es besser"
- Zu schnelle Geschäftsanbahnung
- Kulturelle Stereotypen
**Funktioniert:**
- Kaizen/Monozukuri als Anknüpfungspunkt (Japan)
- Respekt für lokale Expertise
- Langfristiger Beziehungsaufbau
- Fragen statt Aussagen
---
## Menschliche Authentizität vs KI-Sprache
### Wissenschaftlich belegte KI-Marker (2024/2025 Research)
**Typische KI-Signale die VERMIEDEN werden müssen:**
| Merkmal | KI-typisch | Menschlich |
|---------|-----------|------------|
| Satzlänge | Gleichmäßig 15-20 Wörter | Variiert stark: 3 bis 40+ Wörter |
| Absätze | Identische Länge | Chaotisch, unterschiedlich |
| Satzzeichen | Perfekt, viele Em-Dashes (—) | Gelegentlich falsch, Kommafehler |
| Vokabular | "Furthermore", "Moreover", "Delve" | Umgangssprache, Füllwörter |
| Struktur | Immer Hook-Body-CTA | Manchmal kein Fazit, abrupt |
| Emotion | "I'm excited", "I'm thrilled" | Nüchtern oder echt frustriert |
| Listen | Exakt 3 oder 5 Punkte | 2, 4, 7 - ungerade Zahlen OK |
| Formatierung | Perfekte Markdown-Struktur | Inkonsistent |
### MENSCHLICHE UNPERFEKTION EINBAUEN
**Gezielt menschliche Marker setzen (subtil, nicht übertrieben):**
1. **Rechtschreibung/Tippfehler (max 1-2 pro Post, natürlich):**
- "Mitarbeier" statt "Mitarbeiter"
- "das" vs "dass" Verwechslung
- Doppelte Buchstaben: "Maschiene"
- Fehlender Buchstabe: "Frtigung"
- WICHTIG: Nur plausible Tippfehler, keine absichtlich dummen Fehler
2. **Zeichensetzung-Varianten:**
- Fehlendes Komma: "Aber naja das ist ein anderes Thema"
- Punkt statt Fragezeichen: "Was denkt ihr."
- Kein Punkt am Ende (informell)
- Doppeltes Leerzeichen (passiert beim Tippen)
3. **Grammatik-Abweichungen (natürlich, nicht falsch):**
- Satzabbrüche: "Das Problem war... egal."
- Nachgeschobene Gedanken: "Achso, hab ich vergessen:"
- Umgangssprache: "Ist halt so" statt "Es ist so"
- Gedankensprünge ohne Überleitung
4. **Strukturelle Unperfektion:**
- Absätze unterschiedlich lang (2 Zeilen, dann 5, dann 1)
- Manchmal nur 1 Zeile als Absatz
- Kein offensichtliches Muster
- Abruptes Ende OK (kein Zwangs-CTA)
- Manchmal vergessener Absatz-Umbruch
### VERBOTENE FORMATIERUNG
**KEINE dieser Elemente in Posts verwenden:**
- Emojis als Aufzählungspunkte (Rakete vor Punkt 1 etc)
- Perfekte Emoji-Listen mit gleichen Abständen
- Checkboxen als Listenpunkte
- Icons/Symbole am Zeilenanfang
- Horizontale Trenner (--- oder ===)
- Überschriften in Posts (## Titel)
- Code-Blöcke oder Backticks
- Perfekt ausgerichtete Tabellen
- Fettdruck für jeden wichtigen Begriff
**ERLAUBT (sehr sparsam):**
- 1-2 Emojis am Ende oder als Akzent (nicht in jedem Post)
- Normale Zahlen für Listen (1. 2. 3.)
- Bullet Points ohne Emojis (- Punkt)
- Gelegentlich ein Pfeil (->)
### KI-PHRASEN: TOTALE BLACKLIST
**Deutsche KI-Marker:**
- "In der heutigen Zeit"
- "Wie wir alle wissen"
- "Es ist allgemein bekannt"
- "Zusammenfassend lässt sich sagen"
- "Es bleibt festzuhalten"
- "Abschließend möchte ich betonen"
- "Dies führt uns zu der Erkenntnis"
- "In diesem Zusammenhang"
- "Darüber hinaus"
- "Des Weiteren"
- "Schlussendlich"
- "Es ist von entscheidender Bedeutung"
**Englische KI-Marker:**
- "Delve into" / "Delve deeper"
- "Leverage synergies"
- "In today's fast-paced world"
- "It's important to note that"
- "Furthermore" / "Moreover" / "Additionally"
- "This begs the question"
- "Needless to say"
- "At the end of the day"
- "Game-changer" / "Revolutionary"
- "Seamlessly integrate"
- "Navigate the complexities"
- "Unlock the potential"
- "Fostering innovation"
**Em-Dash Überverwendung (—):**
- KI nutzt exzessiv Em-Dashes zwischen Satzteilen
- Menschen nutzen eher Gedankenstriche (-) oder einfach Kommas
- Oder Klammern (so wie hier)
- Max 1 Em-Dash pro Post wenn überhaupt
### AUTHENTISCHE ALTERNATIVEN
| KI-Phrase | Menschliche Alternative |
|-----------|------------------------|
| "I'm thrilled to announce" | "Endlich fertig:" oder direkt ins Thema |
| "Here are 5 key takeaways" | "Was hat funktioniert?" |
| "Let me share my journey" | "Kurze Geschichte dazu:" |
| "This changed everything" | "Hat geholfen" |
| "You won't believe" | "Überraschend war:" |
| "In der heutigen Zeit" | "Momentan" / "Gerade" / weglassen |
| "Zusammenfassend" | "Also:" / "Heißt:" |
| "Darüber hinaus" | "Außerdem" / "Und noch:" |
| "Key learnings" | "Was wir gelernt haben" |
| "Moving forward" | weglassen oder "als nächstes" |
| "It's worth noting" | einfach direkt sagen |
| "I'm excited to" | weglassen, direkt zur Sache |
### BEISPIELE: KI vs MENSCH
**KI-generiert (SCHLECHT):**
```
I'm thrilled to announce that we've successfully implemented a new OEE tracking system!
Here are 5 key takeaways:
Punkt 1 Real-time visibility
Punkt 2 23% efficiency gain
Punkt 3 Data-driven decisions
Punkt 4 Seamless integration
Punkt 5 Team empowerment
This truly changed everything for us. What's your experience with OEE?
#Manufacturing #Industry40 #OEE #DigitalTransformation #SmartFactory
```
**Menschlich geschrieben (GUT):**
```
Letzte Woche endlich unser OEE-Tracking live geschaltet.
Ehrlich gesagt war der Weg dahin holprig - erste Excel-Version hat keiner benutzt, zu kompliziert. Jetzt simpler und die Schichtleiter tragen tatsächlich ein.
23% weniger Stillstand seit dem. Ob das so bleibt weiß ich nicht, Anfangs-Effekt vielleicht
Was mich interessiert: wie kriegt ihr eure Leute dazu, sowas auch wirklich zu nutzen.
#Fertigung #OEE #MES
```
---
## Anti-AI-Detection Regeln (LinkedIn-spezifisch)
### VERBOTEN (LinkedIn AI-Slop):
**Phrasen:**
- "I'm thrilled to announce..."
- "Excited to share that..."
- "I'm humbled and honored..."
- "Here are 5 key takeaways:"
- "Let me tell you a story..."
- "If you found this valuable, like and share"
- "Agree? 👇"
- "DM me 'STRATEGY' for..."
- "I helped 100+ companies achieve..."
- "This changed everything for me"
- "You won't believe what happened next"
**Strukturen:**
- Exakt 5 Bullet Points
- Perfekte Emoji-Zeilen (🎯 Point 1 / 🚀 Point 2)
- Identische Absatzlängen
- "Hook → Story → Lesson → CTA" zu offensichtlich
- Jeder Satz neue Zeile (Poetry-Style Spam)
**Emojis:**
- 🚀🔥💡🎯💪 Combo
- Mehr als 3-4 pro Post
- Emoji am Zeilenanfang (Liste)
### AUTHENTIZITÄTS-SIGNALE:
**Sprachlich:**
1. Variierende Satzlängen - kurz. Dann länger, weil der Gedanke es braucht.
2. Unvollständige Gedanken - "Aber naja, das ist ein anderes Thema."
3. Regionale Ausdrücke - DE: "Naja", "halt", "irgendwie" / US: "tbh", "ngl"
4. Nachträgliche Korrekturen - "Edit: Forgot to mention..."
5. Genuine Fragen ohne offensichtliche Antwort
**Inhaltlich:**
1. Spezifische Kontexte statt generischer Claims
2. Fehler zugeben - "Unser erster Versuch war ein Reinfall"
3. Nuancierte Meinungen - "Kommt drauf an..."
4. Lokale Referenzen (Messen, Verbände, Städte)
5. Zeitliche Einordnung - "Letzte Woche bei einem Kunden in Sachsen..."
**Strukturell:**
1. Nicht jeder Post braucht CTA
2. Manchmal nur Frage, keine Antwort
3. Absätze unterschiedlich lang
4. Gelegentlich Typos (max 1-2)
---
## Hashtag-Strategie
### Deutsch (DACH)
| Reichweite | Hashtags |
|------------|----------|
| Hoch (>100k) | #Industrie40 #Digitalisierung #KMU |
| Mittel (10-100k) | #Fertigung #OEE #MES #Produktion |
| Nische (<10k) | #Qualitaetssicherung #Maschinendaten #SmartFactory |
**Empfehlung:** 1 Hoch + 2 Mittel + 2 Nische = 5 Hashtags
### Englisch (International)
| Reichweite | Hashtags |
|------------|----------|
| Hoch (>500k) | #Manufacturing #Industry40 #DigitalTransformation |
| Mittel (50-500k) | #SmartFactory #LeanManufacturing #OEE |
| Nische (<50k) | #MES #ManufacturingExcellence #ShopFloor |
### Hashtag-Regeln:
- Hashtags am Ende des Posts (nicht inline)
- Keine Hashtags im ersten Absatz (stört Hook)
- Max 5 Hashtags (mehr = spammy)
- Mix aus Reichweite-Stufen
- Keine erfundenen Hashtags
---
## Posting-Zeiten
### Optimal nach Region:
| Region | Beste Tage | Beste Zeiten (lokal) |
|--------|-----------|---------------------|
| DACH | Di-Do | 08:00-09:00, 17:00-18:00 |
| USA East | Di-Do | 08:00-10:00, 17:00-18:00 |
| USA West | Di-Do | 07:00-09:00, 16:00-17:00 |
| UK | Di-Do | 08:00-09:00, 17:00-18:00 |
| Asien | Mi-Fr | 09:00-11:00 (lokale Zeit) |
### Vermeiden:
- Montag Morgen (zu viel Noise)
- Freitag Nachmittag (Wochenend-Modus)
- Wochenende (außer Sonntag Abend für Montag-Sichtbarkeit)
---
## Artikel-Teaser Formel
### Hook-Struktur (max 300 Zeichen vor "...mehr"):
```
[Provokante These oder überraschende Zahl]
[1 Satz Kontext]
[Neugier wecken: "Im Artikel zeige ich..." oder "3 Dinge, die wir gelernt haben:"]
```
### Beispiel:
```
85% der OEE-Implementierungen liefern nicht den erwarteten ROI.
Wir haben 12 Projekte analysiert und die 3 häufigsten Fehler identifiziert.
Im Artikel: Konkrete Zahlen und wie ihr sie vermeidet 👇
[LINK]
#OEE #Manufacturing #Fertigung
```
---
## Tracking-Log
### Gepostete Inhalte
| Datum | Typ | Titel/Hook | Region | URL | Status |
|-------|-----|------------|--------|-----|--------|
| [Datum] | Post/Artikel | [Kurztitel] | EU/US | [URL] | ✅ Gepostet |
### Performance-Historie
| Datum | Post | 👁 Impressions | ♥ Likes | 💬 Comments | 🔄 Shares | ER% |
|-------|------|---------------|---------|-------------|-----------|-----|
| [Datum] | [Titel] | [X] | [Y] | [Z] | [W] | [%] |
### Kommentar-Queue (eigene Posts)
| Post | Neuer Kommentar von | Inhalt (Kurz) | Beantwortet? |
|------|--------------------|--------------:|--------------|
| [Titel] | [Name] | [Kurzzitat] | ⏳/✅ |
---
## Gemini-Integration für Bilder
### Setup
```bash
# Environment Variable setzen
export GOOGLE_AI_API_KEY="your-key-here"
# Dependencies
pip install google-genai pillow python-dotenv
```
### LinkedIn-optimierte Prompts
**Infografik (OEE/Daten):**
```
Professional infographic showing OEE calculation breakdown.
Clean flat design, blue (#0077B5 LinkedIn blue) and white.
Icons for Availability, Performance, Quality.
Minimal text, data visualization style.
1200x1200px, white background.
```
**Header für Artikel:**
```
Modern manufacturing facility abstract visualization.
Digital data overlay, blue tones, professional look.
No text, suitable for article header.
1200x627px, LinkedIn article format.
```
**Carousel-Slide:**
```
Single slide for LinkedIn carousel about [TOPIC].
Large bold headline area, clean infographic style.
Blue and white, professional B2B manufacturing.
1080x1080px square format.
```
### Generierungs-Workflow:
1. `/linkedin-image [Thema]`
2. Skill generiert optimierten Prompt
3. Aufruf von Gemini API
4. Speichern mit Timestamp
5. Anzeige Vorschau + Verwendungshinweise
---
## Persona: Lara Knuth
**LinkedIn-Profil:**
- Name: Lara Knuth (echt)
- Position: Gründerin fabrikIQ / Dresden AI Insights
- Standort: Dresden, Sachsen
- Hintergrund: MES-Expertin, COO/CEO Erfahrung in KMU
**Authentizitäts-Elemente:**
- Zwillinge (Zeitmangel, Multitasking - sparsam erwähnen)
- Praktische Erfahrung aus echten Projekten
- Sachsen/DACH-Perspektive
- Kritisch gegenüber Hype, pragmatisch
**Schreibstil LinkedIn:**
- Professioneller als Reddit, aber nicht steif
- Deutsch für DACH, Englisch für International
- Zahlen und Fakten, aber mit Storytelling
- Fehler zugeben, Learnings teilen
---
## Technische Implementierung (Web-Zugriff)
### Erfahrungen aus Reddit-Skill (übertragbar)
**Problem:** WebFetch wird von vielen Plattformen blockiert
**Lösung:** Browser-Automatisierung oder curl mit User-Agent
### LinkedIn-spezifische Herausforderungen
| Aspekt | Reddit | LinkedIn |
|--------|--------|----------|
| Öffentliche API | ✅ `/new.json` | ❌ Keine |
| Scraping erlaubt | ⚠️ Rate-Limited | ❌ Streng verboten (ToS) |
| Auth erforderlich | Nur für Posts | Für fast alles |
| Bot-Detection | Moderat | Aggressiv |
### Empfohlene Methoden (Priorität)
#### 1. Claude-in-Chrome MCP (BESTE OPTION)
**Vorteile:**
- Nutzt echte Browser-Session (eingeloggt)
- Kein Scraping-Verdacht
- Voller Zugriff auf Feed, Kommentare, Analytics
**Schritt-für-Schritt Workflows:**
##### /linkedin-scan Workflow
```
1. tabs_context_mcp (createIfEmpty: true)
→ Prüft ob Tab-Gruppe existiert
2. tabs_create_mcp
→ Neuen Tab erstellen
3. navigate (url: "https://www.linkedin.com/feed/hashtag/manufacturing")
→ Hashtag-Feed öffnen
4. browser_wait_for (time: 3)
→ Warten bis Feed geladen
5. read_page (tabId: X, filter: "all")
→ Accessibility-Tree extrahieren
6. find (query: "post with reactions", tabId: X)
→ Posts mit Engagement finden
7. Analyse und Kommentar-Empfehlungen generieren
```
##### /linkedin-comment Workflow
```
1. navigate (url: "[POST-URL]")
→ Direkt zum Post navigieren
2. read_page (tabId: X)
→ Post-Inhalt und Autor extrahieren
3. get_page_text (tabId: X)
→ Volltext für Kontext
4. Kommentar generieren (siehe Templates)
5. find (query: "comment input field", tabId: X)
→ Kommentarfeld finden (für manuelle Eingabe)
```
##### /linkedin-monitor Workflow
```
1. navigate (url: "https://www.linkedin.com/in/lara-knuth/recent-activity/")
→ Eigene Aktivitäten öffnen
2. read_page → Posts mit Kommentar-Counts finden
3. Für jeden Post mit neuen Kommentaren:
- navigate → Post öffnen
- read_page → Kommentare extrahieren
- Antwort-Vorschläge generieren
```
##### /linkedin-analytics Workflow
```
1. navigate (url: "https://www.linkedin.com/analytics/")
→ Analytics-Dashboard öffnen
2. computer (action: "screenshot", tabId: X)
→ Screenshot für visuelle Analyse
3. read_page → Zahlen extrahieren
4. Performance-Report generieren
```
#### 2. Manuelles Copy-Paste (FALLBACK)
Wenn Claude-in-Chrome nicht verfügbar:
```
User: Hier ist der Post-Inhalt: [PASTE]
Claude: Analysiert und generiert Kommentar
```
#### 3. curl mit User-Agent (LIMITIERT)
Funktioniert NUR für öffentliche Artikel (nicht Feed):
```bash
# Öffentlicher LinkedIn-Artikel (ohne Login sichtbar)
curl -s -A "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36" \
"https://www.linkedin.com/pulse/[article-slug]" | head -1000
```
**Limitierung:** Feed-Posts, Kommentare, Analytics = NICHT zugänglich ohne Login
#### 4. LinkedIn API (falls OAuth konfiguriert)
```bash
# Prüfen ob LinkedIn-Token vorhanden
echo $LINKEDIN_ACCESS_TOKEN
# API-Aufruf (nur mit gültiger OAuth-App)
curl -H "Authorization: Bearer $LINKEDIN_ACCESS_TOKEN" \
"https://api.linkedin.com/v2/me"
```
**Status:** Aktuell NICHT konfiguriert. LinkedIn API erfordert:
- LinkedIn Developer App
- OAuth 2.0 Flow
- Genehmigung für Marketing API (für Posts)
### Implementierung pro Command
| Command | Beste Methode | Fallback |
|---------|--------------|----------|
| `/linkedin-scan` | Claude-in-Chrome | Manuell (User zeigt Feed) |
| `/linkedin-comment [url]` | Claude-in-Chrome → URL öffnen | User pastet Post-Text |
| `/linkedin-monitor` | Claude-in-Chrome → eigene Posts | User berichtet Kommentare |
| `/linkedin-analytics` | Claude-in-Chrome → Analytics-Tab | User teilt Screenshot |
### Code-Snippets für Claude-in-Chrome
**Post-Inhalt extrahieren:**
```javascript
// Via mcp__claude-in-chrome__javascript_tool
const posts = document.querySelectorAll('[data-urn*="activity"]');
const postData = Array.from(posts).map(p => ({
author: p.querySelector('.update-components-actor__name')?.innerText,
text: p.querySelector('.feed-shared-update-v2__description')?.innerText,
reactions: p.querySelector('.social-details-social-counts__reactions-count')?.innerText
}));
return JSON.stringify(postData, null, 2);
```
**Hashtag-Feed laden:**
```javascript
// mcp__claude-in-chrome__navigate
url: "https://www.linkedin.com/feed/hashtag/manufacturing"
```
### Wichtig: Keine Automatisierung von Posts/Kommentaren!
Der Skill generiert nur **Vorschläge**. Das tatsächliche Posten/Kommentieren:
- Muss manuell durch User erfolgen
- LinkedIn ToS verbieten Bot-Posts
- Account-Sperrung bei Automatisierung
---
## Qualitäts-Checkliste vor Posting
### Post/Artikel:
- [ ] Keine AI-Slop Phrasen?
- [ ] Hook in ersten 2 Zeilen?
- [ ] Satzlängen variieren?
- [ ] Authentische Stimme (Lara)?
- [ ] Regional passend (US/EU/Asia)?
- [ ] Hashtags am Ende (max 5)?
- [ ] Bild falls sinnvoll?
- [ ] Keine übertriebenen Claims?
### Kommentar:
- [ ] Value-First (nicht Werbung)?
- [ ] Passend zur Autor-Region?
- [ ] Unter 150 Wörter?
- [ ] Genuine Reaktion auf Inhalt?
### Antwort auf eigene Posts:
- [ ] Zeitnah (< 24h)?
- [ ] Persönlich, nicht generisch?
- [ ] Diskussion weiterführend?
- [ ] Bei Kritik: sachlich bleiben?
No comments yet. Be the first to comment!
