Dieselbe KI: manche Firmen nutzen sie zum Entlassen, andere zum Einstellen

Zwei Meldungen aus diesem Jahr – beide real, und nebeneinander gestellt besonders grell.

Erste Meldung: Meta entließ im Mai dieses Jahres rund 8.000 Menschen, etwa ein Zehntel der Belegschaft. Im selben internen Schreiben erhöhte das Unternehmen den Capex für 2026 um bis zu 10 Mrd. $ auf 145 Mrd. $ – fast alles in KI-Rechenzentren und Chips. Zuckerberg schrieb dazu: „Erfolg im KI-Zeitalter ist nicht selbstverständlich.”

Zweite Meldung: Ebenfalls im Mai gründete OpenAI mit 4 Mrd. $ eine eigenständige „Deployment-Gesellschaft” und suchte überall eine Stelle namens Forward Deployed Engineer (FDE). Google postete auf einen Schlag 59 identische Stellen, der CEO von Google Cloud warb persönlich auf LinkedIn. Anthropic entließ in diesem Jahr niemanden, die Bewertung schoss auf 380 Mrd. $, und das Unternehmen hat noch Hunderte offener Stellen.

Derselbe Begriff KI – in der ersten Meldung Entlassungsgrund, in der zweiten Meldung Einstellungsgrund.

Wenn dasselbe Wort gleichzeitig „deshalb entlassen wir” und „deshalb stellen wir ein wie verrückt” erklären kann, ist es mit hoher Wahrscheinlichkeit nicht der eigentliche Grund. Genau das möchte ich heute besprechen: Was wirklich passiert, wenn alle Entlassungsmitteilungen die zwei Buchstaben „KI” tragen.

Was die Entlassenen lesen und was der Chef eigentlich sagen will

Wer in diesem halben Jahr entlassen wurde – oder jemanden kennt, der es wurde –, kennt die Formulierungen: KI umarmend, Effizienz steigernd, Umstrukturierung für die Zukunft. Klingt so, als hätte KI den Job überflüssig gemacht.

Aber sobald man die Zahlen nebeneinander legt, bekommt die Geschichte einen anderen Geschmack.

Die meisten dieser Entlassungen geschahen in Quartalen, in denen dieselben Unternehmen Rekordgewinne einfuhren. Kein Überlebenskampf, kein Notverkauf – die Geschäftszahlen sahen blendend aus. Man verdiente so viel Geld wie nie und entließ trotzdem. Meta formulierte den Grund sogar ohne Umschweife: Die Entlassungen dienen dazu, das Unternehmen „effizienter zu betreiben und unsere anderen Investitionen zu kompensieren”.

Übersetzt in normale Sprache heißt das: Wir geben 145 Mrd. $ für Grafikkarten und Rechenzentren aus. Das Geld muss irgendwo herkommen – also sparen wir an Personalkosten. Dass du deinen Job verlierst, liegt nicht daran, dass KI deine Arbeit erledigt. Dein Gehalt wird verwendet, um die Stromrechnung der KI zu bezahlen.

Noch ehrlicher formulierte es ein Headhunter-Manager. Er sagte, Chefs könnten ihren Mitarbeitern jetzt endlich leicht sagen „Ich habe damals zu viele eingestellt – das war mein Fehler” – weil „die ganze Welt bereits glaubt, dass Maschinen die Arbeit übernehmen”.

Man sollte diesen Satz genau lesen. Er sagt nicht „KI hat Arbeitsplätze übernommen”. Er sagt: „Es gibt eine Erklärung, der jeder glaubt – und die eignet sich bestens, um den damaligen Fehler beim Überrekrutieren zu überdecken.” KI ist hier nicht der Täter, sondern ein besonders handliches Feigenblatt. In den letzten zwei Jahren gab es gute Zeiten und üppige Runden – die großen Konzerne haben maßlos expandiert, zu viel eingestellt. Jetzt korrigieren sie das, und das braucht eine Begründung. „Schuld ist die KI” klingt deutlich besser als „das Management hat falsch kalkuliert” – kein Aufsichtsrat muss jemanden zur Rechenschaft ziehen, der Aktienkurs dürfte sogar steigen.

Warum funktioniert dieses Feigenblatt so reibungslos? Weil es mit einem Satz drei Parteien gleichzeitig zufriedenstellt. Den Aktionären verkauft man „wir nutzen KI zur Effizienzsteigerung” als Wachstumsstory – Entlassungen werden als positive Nachricht gelesen, der Kurs steigt. Dem Aufsichtsrat gegenüber fragt niemand nach, wer damals Tausende Menschen zu viel eingestellt hat, wenn man „dem technologischen Wandel folgt”. Nach außen klingt „die Zeit hat sich geändert” vornehmer als „wir haben uns verrechnet”. Aus einem Managementfehler wird durch den KI-Rahmen eine lobenswerte Weitsicht. Besseres PR gibt es nicht.

Noch klarer wird die Sache, wenn man die Geldflüsse betrachtet. Meta, Amazon, Microsoft und Google zusammen investieren in diesem Jahr insgesamt rund 725 Mrd. $ in Capex – ein Anstieg von 75 % gegenüber dem Vorjahr, fast alles in KI-Rechenkapazität. Microsoft allein entließ in diesem halben Jahr rund 4.800 Menschen. Bei so einer Summe, die aus den Bilanzen herausgequetscht werden muss, ist Stellenabbau der schnellste Weg – ein Teil der KI-Rechnung wird von den Entlassenen bezahlt. Darum ist „wegen KI entlassen” rückwärts gelesen vielleicht genauer: „für KI entlassen”.

Bis Mai dieses Jahres wurden 87.714 Entlassungen explizit KI zugeschoben – das sind rund 22 % aller Entlassungen. Wie viele davon wirklich auf echte KI-Substitution zurückgehen und wie viele nur unter dem KI-Label alte Fehler bereinigen, lässt sich kaum trennen – und genau diese Untrennbarkeit macht das Label so praktisch.

Wenn KI wirklich Jobs vernichtet, müssten KI-Firmen als erste schrumpfen

Das ist der Punkt, der mir am klarsten die Folie wegreißt.

Nehmen wir an, „KI ersetzt menschliche Arbeit” ist wahr und treibt diese Entlassungswelle tatsächlich an. Dann folgt logisch: Wer KI am besten kennt, am härtesten einsetzt und am ehesten von der eigenen Technologie ersetzt werden sollte, das sind die KI-Unternehmen selbst. Sie müssten als Erste Stellen abbauen.

Die Realität sieht genau umgekehrt aus.

• Anthropic hat in diesem Jahr null Entlassungen. Keine WARN-Mitteilung, kein internes Entlassungsschreiben. Das Unternehmen wächst in hohem Tempo, beschäftigt 2.300+ Menschen und hat noch Hunderte offene Stellen.
• OpenAI entlässt nicht nur niemanden, sondern gründet eigens mit 4 Mrd. $ – zusammen mit Bain, McKinsey und anderen Institutionen – eine neue Gesellschaft, deren einziger Zweck es ist, Menschen in andere Unternehmen zu schicken, um KI dort zum Laufen zu bringen. Gleich zu Beginn wurden durch eine Akquisition rund 150 Forward Deployed Engineers (FDE) aufgenommen.
• Google postet zeitgleich Dutzende FDE-Stellen mit Gehältern locker im sechsstelligen Bereich (Dollar).

Wenn selbst die KI-Bauer wie verrückt einstellen, bricht die Geschichte „KI macht Menschen überflüssig” logisch zur Hälfte in sich zusammen.

Die Wahrheit ist wahrscheinlich diese: KI formt Arbeit tatsächlich um – aber nicht nach dem Muster „Menschen durch Maschinen ersetzen”, sondern „Wert von einer Tätigkeitskategorie in eine andere verschieben”. Manche Aufgaben werden von KI geschluckt, gleichzeitig entstehen massenhaft neue, wertvollere Aufgaben, bei denen Menschen gerade wegen KI gebraucht werden. Entlassungswelle und Einstellungswelle sind zwei Seiten derselben Münze – nur von zwei verschiedenen Unternehmen als völlig entgegengesetzte Geschichten erzählt.

Die eigentliche Variable war nie die KI

Wir neigen dazu, „KI” als ein Subjekt zu behandeln, das selbst Entscheidungen trifft – als hätte KI beschlossen, wer gehen muss und wer bleibt. Das stimmt nicht. Entscheidungen treffen immer die Unternehmen, immer Menschen. KI ist nur das Substantiv, das sie nach vorne schieben, weil es sich für alle bequem als Erklärung eignet.

Dieselbe Technologie – Meta nutzt sie als Deckmantel, um 8.000 Menschen zu entlassen. OpenAI nutzt denselben Namen, um Hunderte einzustellen. Der Unterschied liegt nicht in der KI, sondern darin, wie die beiden Unternehmen KI verstehen, wie sie sie einsetzen – und ob sie ihren eigenen Entscheidungen ehrlich ins Gesicht sehen.

• Das eine Unternehmen sieht KI als Grund zum Kosten senken: KI ist da, also kann ich weniger Menschen beschäftigen, das gesparte Geld in Rechenkapazität stecken und nebenbei die Überdehnung der letzten Jahre abschreiben.
• Das andere sieht KI als Wachstumshebel: KI ist da, also brauche ich eine ganze Reihe neuer Menschen, die diesen Hebel wirklich in Bewegung setzen, bei Kunden installieren und in Geld verwandeln.

Zwei Unternehmen, dieselbe Technologie, vollkommen entgegengesetzte Handlungen. Ob ein Unternehmen es wert ist, dort zu bleiben – oder seine Aktie zu halten –, entscheidet nicht, ob es KI hat, sondern auf welcher Seite dieser Münze es steht.

Die Stellen, um die alle kämpfen, zeigen, was wirklich knapp ist

Der Forward Deployed Engineer (FDE) verdient einen eigenen Absatz. Die Stelle funktioniert wie eine Sonde, die freilegt, welche Fähigkeit in dieser KI-Runde wirklich knapp und wirklich wertvoll ist.

Die Arbeit besteht nicht darin, Modelle zu trainieren oder Algorithmen auf unterster Ebene zu schreiben – das erledigen die wenigen Experten in den Top-Laboren. Sie besteht darin: In ein echtes Unternehmen gehen, gemeinsam mit dem Business-Verantwortlichen und den Mitarbeitern an vorderster Front herausfinden, was KI dort konkret leisten kann, dann die Prozesse rund um KI neu entwerfen, das Ganze wirklich zum Laufen bringen, verankern und in dauerhaften Nutzen verwandeln.

Ein Artikel gab dieser Stelle eine Beschreibung, die ich sehr zutreffend fand:

Diese Rolle ist das bislang klarste Marktsignal: Der schwierigste Teil bei KI hat sich verschoben – von „ein Modell bauen” zu „ein Modell in einem Unternehmen wirklich zum Funktionieren bringen”.

Das ist meiner Meinung nach der informationsreichste Satz aus allen KI-Meldungen dieses halben Jahres.

Modelle zu bauen ist ein Rüstungswettlauf unter einer Handvoll Unternehmen und geht die allermeisten Menschen nichts an. Aber „KI in konkreten Szenarien zum Nutzen bringen” – das braucht eine riesige Anzahl von Menschen. Diese Menschen müssen nicht unbedingt neuronale Netze trainieren können. Aber sie müssen das Geschäft verstehen, Menschen verstehen, einen vagen Schmerzpunkt so übersetzen können, dass KI ihn konkret löst – und dann dafür sorgen, dass wirklich Ergebnisse herauskommen.

Ein konkretes Beispiel macht deutlich, wie wenig „technisch” diese Arbeit ist. Ein Versicherungsunternehmen will KI für die Schadensregulierung einsetzen. Das Modell ist sofort verfügbar, jeder kann es nutzen. Das Schwierige ist: An welchem Schritt staut sich der Prozess, in welcher Abteilung, wie speist man die stillen Regeln, nach denen erfahrene Sachbearbeiter urteilen, ins Modell ein, wer haftet bei Fehlern, wie bringt man die Sachbearbeiter an der Front dazu, das System zu nutzen statt es abzulehnen? Keine dieser Fragen ist ein Problem der Modellstärke. Alle sind Fragen für jemanden, der dieses Unternehmen versteht, dieses Geschäft versteht und KI darin einpflegen kann. Das Modell ist universell – aber Wert entsteht immer in konkreten Szenarien, und Szenarien muss man einzeln durcharbeiten. Genau deshalb jagen die besten Labore, die die Modelle an die Leistungsgrenze treiben, gleichzeitig und mit Milliarden diese Menschen – weil niemand besser als sie weiß: Kein Modell wird zu Geld, wenn es nicht landet.

Das ist genau die Fähigkeit, die viele der von den Großkonzernen Entlassenen bereits haben – oder mit einer kleinen Wendung haben könnten. KI hat diese Fähigkeit nicht veraltet; im Gegenteil, sie ist so wertvoll wie nie zuvor – nur ist die Nachfrage nicht mehr „alte Systeme warten”, sondern „KI in alte Systeme einpflanzen”.

Was das für uns bedeutet

So viel zu anderen. Was bedeutet das für uns selbst? Ich halte zwei Dinge für wichtig.

Erstens: Lass dich nicht von „KI hat dich ersetzt” erschrecken – prüf zuerst, ob das eine Ausrede ist. Ein Unternehmen mit Rekordgewinn, das gleichzeitig Milliarden in KI steckt, und dich trotzdem mit KI als Begründung entlässt – das bedeutet mit hoher Wahrscheinlichkeit nicht, dass eine Maschine deine Fähigkeiten übertroffen hat. Deine Stelle wurde verschoben, um die Rechenkapazitätsrechnung zu bezahlen. Das ist eine Entscheidung darüber, wie dieses Unternehmen Geld verteilt – kein Urteil darüber, was du wert bist. Diese beiden Dinge zu verwechseln ist das Schmerzhafteste – viele Entlassene geraten in einen Strudel von „Bin ich nicht mehr gut genug?”, obwohl das gar nicht das eigentliche Problem war.

Zweitens – und das ist noch wichtiger: Schau, wie du auf die Seite der Münze kommst, auf der eingestellt wird. Dort fehlen keine Menschen, die KI bauen können. Gesucht werden Menschen, die KI in echten Szenarien zu Wert machen können. Das ist keine Magie, sondern lässt sich auf ein paar sehr konkrete Dinge herunterbrechen:

• Hör auf mit dem, was KI früher oder später ohnehin automatisiert – fang an mit dem, was beurteilt, ob KI das Richtige tut und ob sie es richtig tut;
• bau eine Fähigkeit auf, die andere nicht ersetzen können: ein verschwommenes Geschäftsproblem so klar formulieren, dass KI es konkret lösen kann;
• weniger grübeln über „werde ich ersetzt”, mehr fragen: „Kann ich mit KI etwas schaffen, das ich vorher nicht schaffen konnte?” – das ist der Mensch, den die einstellende Seite sucht.

KI ersetzt keine Menschen, aber mischt die Karten neu: Es verliert, wer nur das tut, was KI tun kann. Es gewinnt, wer KI nutzt, um Dinge zu schaffen. Diese ganzen widersprüchlichen Meldungen des halben Jahres – bis auf den Grund gegangen, sagen sie genau das.

Das soll keine Sympathie für die Großkonzerne wecken, und es bedeutet nicht, dass Entlassungen nicht wehtun – sie schmerzen, die Rechnungen sind real. Aber gerade in solchen Momenten darf man nicht einmal mehr den Grund missverstehen, warum man entlassen wurde. Du wurdest in vielen Fällen nicht entlassen, weil du gegen KI verloren hast – sondern weil dein Unternehmen entschieden hat, KI als Begründung zu nutzen, um Kosten zu sparen statt damit mehr Geld zu verdienen. Das ist seine Entscheidung, nicht dein Urteil.

Entlassungsmitteilung und Stellenausschreibung tragen dasselbe Wort – aber sie erzählen zwei verschiedene Geschichten. Lies nicht nur die Hälfte, die dir Angst macht.