Massenentlassungen bei White-Collar-Jobs sind Teil des übertriebenen AI-Hypes

• In jüngster Zeit nehmen White-Collar-Entlassungen zu
• Viele Unternehmen begründen Personalabbau mit Fortschritten bei AI
• Tatsächlich liegen die Ursachen der Entlassungen in Kostensenkungen und Umstrukturierungen
• Es gibt bislang nur wenige Jobs, die AI tatsächlich ersetzt hat
• Der AI-Hype wird als Teil der Unternehmensstrategie genutzt

---

Überblick

• In jüngster Zeit haben Großunternehmen in den USA und anderswo umfangreiche Entlassungen von White-Collar-Beschäftigten vorgenommen
• Medien und Unternehmen betonen, dass Fortschritte in der künstlichen Intelligenz Arbeitsplätze ersetzen
• Tatsächlich sind die eigentlichen Gründe für viele Entlassungen traditionelle Restrukturierungen wie Effizienzsteigerung, Kostensenkung und Konjunkturanpassung

Die tatsächliche Beziehung zwischen AI und Entlassungen

• Unternehmen neigen dazu, Entlassungsgründe als AI-Innovation zu verpacken
• Tatsächlich sind Berufe, die wirklich durch AI ersetzt wurden, oder Jobs, die durch Automatisierung verschwunden sind, bislang nur ein sehr kleiner Teil
• Auf bestehende Themen wie strategische Neuausrichtung und Strategien zur Gewinnverbesserung wird ein AI-Narrativ aufgesetzt

AI-Hype und Unternehmensstrategie

• Unternehmen nutzen die Erwartungen und Ängste der Öffentlichkeit gegenüber AI, um Organisationsumbauten zu rechtfertigen
• Ein überzeichnetes AI-Narrativ wird genutzt, um Investoren zu überzeugen oder die gesellschaftliche Akzeptanz zu erhöhen
• Tatsächlich werden entlassene Beschäftigte nur selten unmittelbar durch AI ersetzt

Fazit

• Die aktuellen Massenentlassungen in White-Collar-Berufen sind Teil des Phänomens einer „AI-Hype-Maschine“, die den Einfluss von AI übertreibt
• Um das Phänomen zu verstehen, muss man zwischen der Realität der Entlassungen und den tatsächlichen Effekten der AI-Einführung unterscheiden

[GN⁺]

Hacker-News-Kommentar

• Ich habe während der ZIRP-Phase (Zero Interest Rate Policy) bei zwei Unternehmen mit einer Marktkapitalisierung von über 10 Milliarden US-Dollar gearbeitet. Mehr als die Hälfte der Wissensarbeiter in den meisten Meetings war faktisch überflüssig. Die Kalender waren so voll, dass sogar eigens Leute eingestellt wurden, deren Hauptaufgabe nur darin bestand, an Meetings teilzunehmen. Für den anhaltenden Wachstumstrend des Unternehmens war zusätzliches Hiring für den Aktienkurs überhaupt kein Problem, im Gegenteil: VPs gewannen an Macht, wenn sie mehr Leute unter sich hatten. Damals interessierte den Markt nur Wachstum statt Effizienz, aber am Ende läuft der Markt immer auf Wert hinaus. Mit der Zeit wurden diese zusätzlich aufgebauten Stellen zu Zielen von Restrukturierungen. Beide Unternehmen entließen später jeweils über 10.000 Mitarbeitende, und AI diente als Begründung für die Entlassungen, aber in Wirklichkeit waren die meisten der angeblich durch AI ersetzten Wissensarbeiter schon vorher in Rollen, die kaum Wert geschaffen haben
  • Dem kann ich wirklich viel abgewinnen. In der Phase steigender Zinsen habe ich den Ausdruck „Zero Interest Rate Product Managers“ eher spöttisch verwendet. Gute PMs schaffen definitiv entsprechenden Wert, aber während ZIRP gab es viel zu viele PMs, die im Grunde nur Jira pflegten und Zeitpläne abstimmten. Viele der IT-Leute, die heute Schwierigkeiten bei der Wiedereinstellung haben, waren genau in solchen randständigen Rollen konzentriert, etwa Agile Coaches oder TPMs. Natürlich tun mir die Menschen in diesen Positionen leid, weil sie ebenfalls hart gearbeitet haben. Und das Problem ist nicht nur Overhiring: Ich glaube, Offshoring hat einen deutlich größeren Einfluss auf den Rückgang von Tech-Jobs in den USA als AI. Seit sich Remote-Arbeit verbreitet hat, ist dank Videokonferenztechnik das Offshoring nach Lateinamerika, Europa usw. stark angestiegen. Wenn Remote ohnehin normal ist, wird der Standort immer unwichtiger
  • Ich vermute, dass die meisten AI-bedingten Entlassungen in Wahrheit nur als AI verkleidete Entlassungen aus der Phase steigender Zinsen sind. Die Softwarebranche war zeitweise wirklich verrückt. Eine Zeit, in der Berufseinsteiger von unbekannten Hochschulen sofort 120.000 bis 150.000 Dollar bekamen, konnte nicht ewig anhalten
  • Ich habe keinen Zweifel, dass es viele Wissensarbeiter gibt, die ohne Anstoß keinen Wert hinzufügen. Sorgen macht mir aber, dass die Chancen für Juniors immer weiter schrumpfen
  • Dass man Leute hatte, deren Vollzeitjob nur aus Meeting-Teilnahme bestand, klingt wie eine Organisationssatire, die Realität geworden ist
  • Ich habe auch in Startups gearbeitet, und dort hatte oft fast die Hälfte der Meeting-Teilnehmenden eigentlich nichts zu tun. Als „Beobachter“ oder „Protokollführer“ hatten sie praktisch keinen Einfluss
• Es ist klar, dass auf einer unteren Ebene vor allem Rollen für Berufseinsteiger und Praktikanten durch AI ersetzt werden. AI ist oft schneller und klüger als Einsteiger ohne Erfahrung und Fachwissen. Natürlich braucht auch AI manchmal viel Nacharbeit, aber am Ende ist sie billiger oder klüger. Es gibt zwar Einsteiger mit großem Entwicklungspotenzial, doch es kostet zu viel Zeit und Ressourcen, sie dahin zu bringen. Ich ertappe mich selbst dabei, sogar einfache Aufgaben eher AI als Juniors zu geben. Wenn ein Einsteiger sie übernimmt, braucht es mehrere Runden Feedback und Korrekturen und dauert ein paar Tage länger, während AI das in drei Stunden erledigen kann. Aus Sicht von Einsteigern und Junioren ist der Ausblick wirklich düster
  • Die mangelnde Loyalität auf beiden Seiten, bei Unternehmen wie bei Beschäftigten, verschärft diese Lage. Ursprünglich waren Praktika reine Ausbildungspositionen mit negativer Produktivität. Dass Unternehmen Praktikanten aufgebaut haben, war letztlich eine Investition in die Zukunft des gesamten Unternehmens und der ganzen Branche. Aber durch den Verlust gegenseitigen Vertrauens zwischen HR und Mitarbeitenden sowie durch die Kultur häufiger Jobwechsel wird diese Struktur selbst sinnlos. Ich habe in einem japanischen Unternehmen erlebt, wie Praktikanten richtig aufgebaut werden, und bin vom Wert eines solchen Systems überzeugt
  • Einsteiger und Junioren sind kurzfristig ein Minus für die Organisation, können aber nach einigen Monaten oder Jahren zu hochproduktiven Schlüsselkräften werden. Und auch Juniors können AI nutzen. Wenn der Einsatz von AI die Produktivität wirklich sprunghaft erhöht, dann wird die frei werdende Kapazität in mehr Software, mehr Features, mehr Optimierung usw. fließen. Das ist ähnlich wie früher die Frage, warum man noch mehr Juniors einstellen sollte, wenn es doch Compiler gibt
  • Ich kann dieser Behauptung überhaupt nicht zustimmen. Wenn heutige Einsteiger viel Betreuung brauchen, dann werden morgige Einsteiger AI ganz selbstverständlich nutzen und dadurch größeren Impact haben. Die Sichtweise „Entry Level ist kaputt“ stimmt nur, wenn ein Unternehmen ausschließlich auf die „Nachteile“ von Einsteigern schaut und außerdem annimmt, dass die Menge an Arbeit begrenzt ist. Aber in jeder Organisation, die ich erlebt habe, gab es immer mehr zu tun als Kapazität. Wenn Einsteiger dank AI also das Sechsfache an Arbeit schaffen, sind sie eher die bessere Wahl
  • „Praktikant“ und „Entry Level“ sind als Vergleichsmaßstäbe im Grunde nur Stellvertreter für Komplexität; tatsächlich werden Einstiegsrollen nicht verschwinden, sondern sich nur verändern
  • Es stimmt, dass AI bei Geschwindigkeit und Effizienz oft besser ist als Entry-Level-Kräfte, aber im Kern ist das keine „Delegation“, sondern das direkte Erledigen der eigenen Arbeit. Delegation bedeutet, Verantwortung und Urteilsvermögen zu übertragen, und genau das fehlt AI: Training, Feedback, Kontextverständnis und eigene Motivation. An AI kann man nicht wirklich delegieren, und sie übernimmt keine Verantwortung für Ergebnisse. Ein menschlicher Berufseinsteiger dagegen nimmt Ziele und Kontext auf und wächst zu einem echten Teil der Organisation heran. Außerdem können auch Einsteiger und Praktikanten AI-Tools nutzen
• Ich denke, AI wird vor allem jene White-Collar-Jobs wegrationalisieren, in denen Leute den ganzen Tag abschweifen und nur halbherzig arbeiten. 2025 werden LLMs auch so etwas übernehmen. Das Problem ist, dass Führungskräfte, die echte Arbeit nicht von bloßer Fassade unterscheiden können, sich in diese Fantasie hineinsteigern und damit die gesamte Organisation ruinieren könnten. Am Ende überlebt immer der CEO
  • Der einzige Grund, warum es solche White-Collar-Positionen überhaupt gibt, ist doch, dass Leistung grundsätzlich schwer zu bewerten ist. Wenn AI dieses Problem nicht löst, dann bedeutet eine Halbierung der Belegschaft nicht, dass man gezielt die unteren 50 % entfernt, sondern dass man im schlimmsten Fall eher zufällig Leute entlässt – mit möglicherweise gegenteiligem Effekt
  • Im Zusammenhang mit Remote-Arbeit fällt mir auch auf, dass manche Manager, die den echten Wert von Arbeit nicht verstehen, Bürogespräche mit produktiver Arbeit verwechseln. Dabei übersehen sie, dass Arbeit auf sehr unterschiedliche Weise geleistet werden kann
  • Auch für CEOs wäre es am Ende keine gute Nachricht, wenn die Kunden verschwinden. AI kann schließlich weder auf Werbung klicken noch Produkte kaufen
  • AI ist hervorragend darin, nutzlose Arbeit zu erzeugen. Was wir wirklich brauchen, ist nicht mehr Produktivität, sondern das grundsätzliche Abschaffen unnötiger Arbeit
  • Ich habe zwar keine Erfahrung mit US-Unternehmen, aber überall, wo ich gearbeitet habe, herrschte Personalmangel. Geschichten über überflüssige Mitarbeitende fühlen sich für mich weit entfernt an. Bei US-Großkonzernen mit Kapital im Überfluss könnte ich mir so etwas allerdings vorstellen
• Seit dem Aufkommen des Computers war das Ausmaß der Automatisierung von Büroarbeit enorm. Vergleicht man Büroarbeit in den 1960ern mit heute, ist die Arbeit selbst völlig anders. Software hat die Geschwindigkeit um das Tausendfache erhöht, und dadurch sind im Gegenteil sogar mehr White-Collar-Jobs entstanden. Neue Produktivität schafft mehr Aufgaben
  • Ich mag diese Logik aus zwei Gründen nicht: Erstens berücksichtigt sie die gesellschaftlichen Schocks von Massenarbeitslosigkeit nicht, und zweitens gibt es kein Naturgesetz, dass verschwundene Jobs zwangsläufig durch neue ersetzt werden. Selbst in der Großen Depression lag die Arbeitslosigkeit nur bei 30 %, und heute könnte ein noch größerer Teil dauerhaft arbeitslos werden. Als die Ludditen warnten, dass technologischer Fortschritt Arbeitsplätze vernichtet, wurden viele geopfert, weil man sie daran hindern wollte. Außerdem gibt es in der Gesellschaft enorm viele Probleme und Bedürfnisse, aber weil ein wirtschaftliches Modell dafür fehlt, ist es für Entlassene realistisch schwer, daraus neuen Wert zu schaffen – und dieses Problem dürfte künftig noch schlimmer werden
  • In den 1960ern gab es sogar den Beruf „Computer“, heute ist er verschwunden
• Wenn ich Analysten sehe, die behaupten, die AI-Revolution sei bloß Hype, weil es zu wenig belastbare Daten gebe, muss ich an die Skeptiker zu Beginn von Covid denken, die wegen der kleinen Fallzahlen die Möglichkeit exponentiellen Wachstums ignorierten. Und abgesehen davon frage ich mich, warum Texte wie dieser CNN-Artikel überhaupt als Analyse gelten. Da werden nur ein paar Arbeitsökonomen zitiert und die Theorie vom AI-Hype wiederholt. Konkretere Analysen zu Daten, Ressourcen, VC-Geldflüssen oder FDA-Richtlinien für neue Medikamente fehlen völlig
  • Solche Vergleiche im Stil von „die frühe Unterschätzung von Covid“ sind ein logischer Sprung, weil sie ein bereits hunderte Male bestätigtes Phänomen mit dem völlig neuen Wachstum von AI allein aufgrund der Gemeinsamkeit nichtlinearen Wachstums gleichsetzen
  • Es wird darauf hingewiesen, dass eher die Annahme garantierten exponentiellen Wachstums – ähnlich wie vor dem Platzen der Immobilienblase – die IT-Branche härter treffen könnte. Und wenn diese Blase platzt, könnte die IT-Branche wie in den 2000ern jahrelang in einer Flaute stecken
  • In der Geschichte gibt es viele Beispiele für gescheiterte Vorhersagen der Öffentlichkeit, aber die Debatte über Analogien selbst liefert keine echte Analyse, sondern stärkt meist nur die eigene Ausgangsposition
  • AI mit dem Coronavirus zu vergleichen, wirkt nicht wie ein passendes Beispiel, um zu überzeugen
  • Tatsächlich lagen auch diejenigen falsch, die zu Beginn von Covid steile Wachstumskurven zeichneten. Fast alle Kommentatoren lagen in dieser Phase mit ihren Prognosen daneben
• Ich verstehe die Erwartungshaltung gegenüber dem Konsumrückgang und der Rezession, die entstehen würden, wenn AI Menschen ersetzt, nicht. Wenn alle arbeitslos sind, wer kauft dann noch Produkte? Bei steigender Arbeitslosigkeit sind Konsumrückgang und wirtschaftliche Abschwächung unvermeidlich – warum begrüßen Führungskräfte das also?
  • Hier lassen sich Konzepte wie Spieltheorie, Nash-Gleichgewicht, Gefangenendilemma und auch das induktive Denken des Truthahns heranziehen, um die ökonomischen Anreize zu erklären. Jede Organisation spart durch Automatisierung direkt Kosten und entscheidet deshalb so. Das Problem ist die Gefahr, sich der Illusion hinzugeben, dass diese Struktur ewig weiterläuft. Von Argumenten wie dem Jevons-Paradoxon – dass höhere Effizienz die Gesamtnachfrage sogar steigern kann – lässt man sich leicht blenden
  • Auch Krebszellen schaden letztlich dem gesamten Organismus, verfolgen aber nur ihren eigenen Vorteil. Dasselbe gilt für Selbstzufriedenheit über kurzfristig bessere Kennzahlen
  • Tragik der Allmende. Für jeden Einzelnen ist es vorteilhaft, durch Entlassungen von Beschäftigten Kosten zu senken, also handelt man egoistisch, aber insgesamt macht man damit die Gesellschaft krank
  • Unter der Annahme, dass AI allen die Jobs nimmt, wird auch darauf hingewiesen, dass Wettbewerber ebenfalls mit AI aufrüsten und jederzeit Marktanteile wegnehmen könnten. Am Ende fungiert die Fähigkeit, AI-Infrastruktur aufzubauen, als Markteintrittsbarriere
  • Selbst wenn Jobs wegfallen, können staatliche Beschäftigung, Blue-Collar-Arbeit, Selbstständige, Freelancer, Schwarzmarkt usw. als verschiedene Formen von Erwerbstätigkeit bestehen bleiben. Selbst bei stark sinkender Beschäftigung ist ein Szenario denkbar, in dem die Lebensqualität nicht schlechter wird. Man sollte auch berücksichtigen, dass technischer Fortschritt in der Vergangenheit oft sogar mehr Jobs geschaffen hat. Letztlich neigen Menschen dazu, das zu sehen, was sie sehen wollen. Welche von mehreren Szenarien zutrifft, hängt von der tatsächlichen Entwicklung ab
• Diese Form der AI-Bubble-Argumentation wirkt tatsächlich seltsam. Wenn das Ziel darin besteht, den Einsatz von AI in möglichst viele White-Collar-Bereiche zu bringen, warum vermarktet man sie dann auf eine Weise, die sogar die Zielgruppen der Outputs verängstigt? Oder will man am Ende einfach nur an die C-Level-Ebene verkaufen?
  • AI wird ausschließlich an das C-Level verkauft. Der Schutz von White-Collar-Jobs spielt dabei keine Rolle
  • Das Schüren von FOMO (Angst, anderen hinterherzuhinken) führt zu mehr Umsatz
• Ich fand gut, dass dieser Artikel betont hat: Große Behauptungen brauchen große Beweise. Ich mag ML-Technologie wirklich, aber bis zur Ersetzung von Menschen vertraue ich ihr nicht. Unterstützung ist eine realistische Vision, vollständiger Ersatz eine überzogene Illusion
• Echten Wert kann man in Bereichen finden, die weder Maschinen noch Menschen allein bisher bewältigt haben
• In der Diskussion über AI als Ersatz für Menschen fehlt mir etwas. Der AI-Boom fiel zeitlich mit stark steigenden Zinsen zusammen, und als codingfähige AI auftauchte, versiegte gleichzeitig VC-Geld und das Hiring in Startups ging zurück. Ich frage mich, ob diese Debatte heute ganz anders aussähe, wenn immer noch so viel Kapital verfügbar wäre wie in Zeiten niedriger Zinsen. Ich würde dazu gern die Meinung von Branchenleuten hören
  • Aus der Perspektive „die AI-Revolution läuft parallel zum Zinsanstieg“ könnte es sein, dass das C-Level den Einsatz von AI als Alternative zur Senkung der Personalkosten gerade wegen des Endes des billigen Geldes sieht. Gleichzeitig waren 0-%-Zinsen historisch eher die Ausnahme, und diese Politik hat weltweit Investitionen verzerrt. Es ist paradox, die Rückkehr normaler Zinsen als das Ungewöhnliche anzusehen. Link zu historischen Zinsdaten
  • Dass diese Sichtweise im Gespräch nicht stärker im Mittelpunkt steht, liegt daran, dass ihr realer Einfluss tatsächlich nicht so groß ist (1) und dass vielen das Gefühl dafür fehlt, wie viel Kapital VCs tatsächlich verwalten (2). 1) Seed- und Series-A-Investitionen sind an sich antizyklisch, und wesentliche AI-Fortschritte entstehen oft in kleinen Teams mit wenig Geld. GPT2→3 wurde von Microsoft finanziert. 2) VC-Geld hat sich nur 2022–2023 verlangsamt, und dieses Jahr ist es bereits wieder um 70 % gestiegen. In der Realität kommt weiterhin Kapital von Big Tech, SoftBank usw.