Die KI-Entlassungslüge: Warum Unternehmen jetzt teuer für ihren Optimismus bezahlen
Gartner prognostiziert: 50 % der Unternehmen, die Personal wegen KI abgebaut haben, werden bis 2027 wieder einstellen
Forrester-Daten: Mehr als die Hälfte aller betroffenen Unternehmen bereut den Stellenabbau bereits jetzt
Careerminds-Erhebung: Jeder dritte Arbeitgeber hat beim Wiederaufbau mehr ausgegeben als beim ursprünglichen Abbau gespart
IBM-CEO-Umfrage: Nur 25 % aller KI-Projekte liefern den versprochenen Return on Investment, nur 16 % skalieren unternehmensweit
Klarna als Paradebeispiel: Der Zahlungsdienstleister rühmte sich 2024 damit, KI ersetze 700 Kundenservice-Agenten - 2025 begann man mit dem Wiederaufbau menschlicher Support-Teams
Der Zyklus, den niemand laut ansprechen wollte
Das Muster ist inzwischen gut dokumentiert. Ein Unternehmen kündigt an, KI übernehme Aufgaben in Qualitätssicherung, Kundenservice oder Content-Produktion. Dutzende Stellen fallen weg. Die Pressemitteilung klingt progressiv. Sechs bis zwölf Monate später läuft die Fehlerquote aus dem Ruder, Enterprise-Kunden beschweren sich, und die HR-Abteilung schreibt dieselben Stellen neu aus - diesmal über externe Agenturen.
Das ist nicht Pech. Das ist eine vorhersehbare Konsequenz davon, Technologie einzusetzen, bevor man ihre Grenzen kennt. Sarah Choudhary, CEO von ICE Innovations und Autorin des Forbes-Analyseartikels, der diese Daten zusammenfasst, beschreibt einen CTO eines mittelgroßen SaaS-Unternehmens, der sein QA-Team um 60 % reduzierte. Nach drei vermeidbaren Produktionsausfällen verlor das Unternehmen einen Enterprise-Vertrag und stellte anschließend wieder ein.
Klarna ist das prominenteste Beispiel, aber nicht das einzige. IBM, Salesforce, Google und Meta haben laut dem Bericht still und leise Rollen wiederbesetzt, die sie zuvor öffentlichkeitswirksam abgebaut hatten. Und Amazons "Just Walk Out"-Kassensystem, das als vollautomatisch vermarktet wurde, wurde teilweise von Mitarbeitern in Indien betrieben, die Videoaufnahmen auswerteten.
Hintergrund: Wie es so weit kommen konnte
Die Wurzel des Problems liegt nicht in der KI-Technologie selbst, sondern in dem Druck, unter dem Führungskräfte stehen. 64 % der befragten CEOs in der IBM-Studie gaben an, in KI zu investieren, weil sie Angst haben, den Anschluss zu verlieren - nicht weil sie den Nutzen konkret belegen können. Das ist kein Einzelfall, das ist eine strukturelle Fehlanreizschaltung.
Quartalsweise Berichterstattung an Investoren, kombiniert mit dem medialen Druck rund um KI-Hype-Zyklen, hat einen Kontext geschaffen, in dem "wir setzen KI ein und reduzieren Headcount" als Erfolgsmeldung gilt. Die langfristigen Kosten aus Qualitätsverlust, Reputationsschaden und Wiedereinstellungsaufwand tauchen in dieser Rechnung schlicht nicht auf.
In der Gaming-Branche ist dieses Muster übrigens ebenfalls bekannt, auch wenn es dort andere Namen trägt. Wenn Entwickler Qualitätssicherung outsourcen oder auf automatisierte Testverfahren setzen, ohne die Workflows davor präzise zu verstehen, entstehen die Bugs, über die wir dann zum Launch berichten. Das Grundproblem ist dasselbe: Prozesse werden vereinfacht, bevor man sie wirklich versteht. Passend dazu lässt sich beobachten, wie auch Hardware-seitig aktuell mit KI-gestützten Features wie AMDs Multi-Frame Generation Versprechen gemacht werden, deren Umsetzung in der Praxis noch beweispflichtig ist.
Wer wirklich die Rechnung bezahlt
Die eigentlich brisante Zahl aus Choudhary's Analyse: Nur 5 % der Unternehmen, die KI vollständig adaptiert haben, sahen messbaren Gewinn durch diese Investition. Die restlichen 95 % haben Personal entlassen, um Infrastruktur zu finanzieren, die sich bisher nicht rentiert hat. Das ist keine pessimistische Lesart, das steht so in der MIT-Forschung.
Hier kommt die eigentliche Konsequenz: Mitarbeiter bezahlen das mit ihrer Jobsicherheit, Kunden bezahlen mit schlechterer Produktqualität, Aktionäre bezahlen über sinkende Margen durch die Doppelkosten aus Abbau und Wiederaufbau. Der CTO oder CEO, der den ursprünglichen Abbau verantwortet hat, ist in vielen Fällen weitergewechselt und taucht auf der nächsten Bühne mit dem nächsten "Transformation"-Narrativ auf.
Choudhary formuliert drei praktische Gegenmaßnahmen, die über PR-Rhetorik hinausgehen. Erstens: KI mindestens ein Quartal lang gegen echte Produktionsaufgaben testen, bevor Stellen gestrichen werden. Zweitens: Die Kosten einer möglichen Rückabwicklung gehören fest in jede Kosten-Nutzen-Rechnung. Drittens: Wer nicht präzise beschreiben kann, was ein Mensch in dieser Rolle tut, versteht den Job nicht gut genug, um ihn zu automatisieren.
Das klingt nach gesundem Menschenverstand - und das ist genau das Problem. Dass diese drei Punkte überhaupt als Ratschläge formuliert werden müssen, zeigt, wie weit der Entscheidungsprozess in vielen Unternehmen von operativer Realität entfernt ist. Wer heute über KI-Features in Grafikkartentreibern diskutiert, wie etwa die DLSS-Entwicklungen rund um RTX 50, erkennt das Muster: Technologie wird schnell versprochen, die Implementierungsrealität folgt langsamer. Der Unterschied ist, dass bei Gaming-Hardware der Käufer das Risiko trägt - bei Unternehmens-KI-Entscheidungen tragen es die Mitarbeiter.
Parallel zeigt die Hardwareindustrie, dass auch vermeintlich gesicherte Empfehlungen schnell revidiert werden, wenn die Realität nicht mitspielt - wie etwa Microsofts zurückgezogene 32-GB-RAM-Empfehlung für Gaming. Ankündigen ist leicht. Die Rechnung kommt immer nach.
Quellen