700 Entlassungen für einen Chatbot: Wie die KI-Wette der Tech-Branche implodiert

Klarna entließ 700 Kundenservice-Mitarbeiter für einen KI-Chatbot. Ein halbes Jahr später war die Kundenzufriedenheit um 22 Prozent gesunken. Die brutale Realität: Die Entlassungswelle für mehr KI-Effizienz kostet viele Unternehmen weitaus mehr, als sie jemals einsparen.

Key Takeaways (TL;DR)

• Infrastruktur schlägt Personal: KI spart kurzfristig Gehälter, erzeugt aber exponentiell wachsende und unkalkulierbare Betriebskosten.
• Das Talent-Vakuum: Wer Junior-Rollen streicht, vernichtet die Basis für künftige Führungskräfte und erzwingt teures externes Recruiting.
• Steigende API-Kosten einplanen: Die aktuellen Preise sind massiv subventioniert. Bereite dich auf eine drastische Preissteigerung vor, sobald die Abhängigkeit etabliert ist.

Basiert auf einem Video-Essay zur KI-Ökonomie. Das Original findest du hier: https://www.youtube.com/watch?v=uOh8BHYyH8Q

Der Einstieg in das KI-Zeitalter klang für Führungskräfte unwiderstehlich. Die Prämisse lautete: Was auch immer das Personal kostet, die KI erledigt es in der halben Zeit zu einem Bruchteil des Preises. Die Börse belohnte Unternehmen, die schrumpfende Belegschaften und wachsende KI-Budgets vorweisen konnten. Allein im Jahr 2025 kündigten über 50 CEOs massenhafte Entlassungen an. Über 100.000 Angestellte verloren ihre Jobs. Im ersten Quartal 2026 waren bereits mehr als 20 Prozent der 45.000 Tech-Entlassungen explizit durch KI begründet.

Doch die Mathematik geht nicht auf. Eine Umfrage unter Unternehmen, die wegen KI Entlassungen vornahmen, zeigt ein katastrophales Bild. 35 Prozent haben bereits mehr als die Hälfte der gestrichenen Stellen wieder besetzt. Jedes dritte dieser Unternehmen gab für das erneute Recruiting mehr Geld aus, als durch die ursprünglichen Kürzungen eingespart wurde.

Wenn der Chatbot eigene Regeln erfindet

Klarna reduzierte seine Belegschaft von 5.500 auf rund 3.400 Personen. Der Chatbot übernahm den Kundenservice. Anfänglich funktionierte das bei simplen Statusabfragen hervorragend. Sobald ein Fall jedoch außerhalb der trainierten Parameter lag, hingen Kunden in endlosen Loops fest. Es gab keinen menschlichen Mitarbeiter mehr, der eingreifen konnte. Die Folge war ein massiver Einbruch der Kundenzufriedenheit.

Noch absurder verlief die Automatisierung bei Cursor. Das hochbewertete KI-Startup automatisierte seinen eigenen Support. Als Nutzer über plötzliche Logouts klagten, antwortete der Chatbot mit einer klaren Ansage: Cursor sei als Kernsicherheitsfunktion auf ein Gerät pro Abonnement beschränkt. Diese Richtlinie existierte in Wahrheit gar nicht. Die KI hatte sie schlichtweg halluziniert. Ein System, das nicht nur Fehler macht, sondern Nutzer absolut überzeugend anlügt, ist ein geschäftliches Risiko.

Der deflationäre Spiral-Effekt

Die Mathematik der Massenentlassungen übersieht einen simplen wirtschaftlichen Mechanismus. Wenn Unternehmen Personal abbauen, verlieren diese Menschen ihr Einkommen. Genau dieses Einkommen haben sie zuvor genutzt, um Produkte und Dienstleistungen zu konsumieren. Ökonomen nennen das die deflationäre Spirale.

“Die Belegschaft zu reduzieren, während man erwartet, dass der Umsatz gleich bleibt, ist mathematisch unmöglich.”

In der ersten Hälfte des Jahres 2025 führte dieser Effekt bereits bei 25 Prozent der chinesischen Unternehmen zu Umsatzeinbußen. Die Menschen halten ihr Geld zusammen, weil sie sich nicht sicher fühlen. Die Unternehmen, die zur Kostensenkung Stellen abbauen, befeuern direkt die Unsicherheit, die ihre eigenen Kunden vom Kauf abhält.

Die Uber-Strategie der KI-Modelle

Die aktuelle Nutzung von KI ist ein gigantisches Verlustgeschäft für die Anbieter. OpenAI wird 2026 voraussichtlich 14 Milliarden US-Dollar Verlust einfahren, bei einem Umsatz von rund 20 Milliarden. Ein ChatGPT-Plus-Abo kostet 20 US-Dollar im Monat. Die tatsächlichen Betriebskosten für die Serverinfrastruktur liegen bei rund 700.000 US-Dollar pro Tag. Die Abogebühren decken kaum 2 Prozent der realen Kosten. Ein einzelner Power-User verbrennt heute 100 Milliarden Token pro Monat. Vor sechseinhalb Jahren lag das Maximum bei 100.000 Token.

Warum finanzieren Investoren dieses Minusgeschäft? Sie folgen dem Playbook von Uber. Zwischen 2014 und 2017 verbrannte Uber Milliarden, um Fahrten künstlich billig zu halten und die Konkurrenz auszuschalten. Sobald die Abhängigkeit der Kunden etabliert war, stiegen die Preise massiv. Genau dieses Muster wiederholt sich jetzt. Anthropic führt bereits Rate Limits ein, Google sperrt ehemals kostenlose Funktionen hinter Premium-Paywalls. Die niedrigen API-Kosten sind ein Köder.

Das 40-Dollar-Problem

Die Schere zwischen Einnahmen und Ausgaben öffnet sich rasant. Big Tech wird 2026 voraussichtlich 650 Milliarden US-Dollar in KI-Infrastruktur investieren. Die weltweiten Verbraucherausgaben für KI-Dienste liegen bei rund 12 Milliarden. Für jeden verdienten Dollar fließen 40 Dollar in die Hardware. Diese Hardware verliert durch den 18-monatigen Lebenszyklus von GPUs sofort massiv an Wert.

Dieses finanzielle Loch spüren inzwischen auch die Anwender-Unternehmen. Uber selbst hat sein gesamtes KI-Budget für das Jahr 2026 bereits in den ersten vier Monaten verbrannt. Microsoft musste den internen Zugang zu KI-Coding-Tools einschränken, weil die Nutzungskosten explodierten. Amazon schloss ein KI-Leaderboard, da Entwickler begannen, ihre Token-Zahlen in die Höhe zu treiben, um produktiv zu wirken.

Die Talent-Falle schnappt zu

Unternehmen, die ihre Belegschaft für den KI-Traum dezimiert haben, stehen vor einem doppelten Problem. Die Mitarbeiter sind weg und das digitale Werkzeug wird täglich teurer. Hinzu kommt ein massiver Wissensverlust. Wer entlassen wurde, nahm institutionelles Wissen und Kundenbeziehungen mit.

Besonders fatal wirkt sich der Abbau von Junior-Entwicklern aus. Forscher sprechen bereits vom Talent Doom Cycle. Ohne Nachwuchs bleibt die Pipeline für künftige Führungskräfte leer. Nach 12 bis 24 Monaten müssen Unternehmen teure externe Senioren einkaufen, um Lücken zu füllen, die sie selbst gerissen haben.

3 Schritte zur Umsetzung

1. API-Budgets deckeln: Plane deine Architektur so, dass sie auch bei einer Verdreifachung der Token-Preise wirtschaftlich bleibt.
2. Fallback-Systeme definieren: Verlasse dich beim direkten Kundenkontakt niemals vollständig auf generative Modelle. Implementiere zwingend menschliche Eskalationswege.
3. Junior-Rollen schützen: Behandle Nachwuchsentwickler als Investition in die künftige Handlungsfähigkeit deines Unternehmens, nicht als Kostenfaktor, der wegrationalisiert wird.

Den Entwicklern kündigen und das gesamte Jahresbudget in vier Monaten für Token verbrennen. So sieht echte Effizienz aus.