Amazon Web Services – vier Jahre und dann der Abgang
(adventuresinoss.com)- Vier Jahre bei AWS verbracht, inmitten organisatorischer Veränderungen entlassen worden, aber eher erleichtert, weil das Unternehmen nicht mehr das ist, was es einmal war
- Amazons Sicht auf Mitarbeiter als austauschbar mag zum Betrieb von Logistikzentren passen, aber deutlich schlechter zu IT-Organisationen, in denen sich Wissen über Zeit aufbauen muss
- Der Fokus von AWS hat sich abrupt von Infrastruktur wie S3, EC2 und RDS, die Kundenprobleme lösen, hin zu GenAI verschoben, während menschliche Aufmerksamkeit und Vorbereitung in den Hintergrund geraten sind
- Die Wiederherstellung eines stillgelegten, zehn Jahre alten AWS-Kontos war weniger eine Frage kleiner Umsätze als eine, einen Nutzer als Menschen zu behandeln, stieß bei der Führungsebene aber auf wenig Interesse
- Trotz aufeinanderfolgender Entlassungen und gesundheitlicher Verschlechterung arbeiten bei AWS noch gute Menschen, doch Open Source gewinnt weiter an Bedeutung, weil es den Nutzern Kontrolle zurückgibt
Wandel bei AWS und Hintergrund des Ausscheidens
- Das AWS, zu dem ich 2022 gekommen bin, hat sich in vier Jahren stark verändert, und mein Ausscheiden war zwar eine Entlassung, aber eher ein Glück
- Im vergangenen Jahr habe ich versucht, AWS zu einer besseren Zusammenarbeit mit der Open-Source-Community zu bewegen, doch häufige organisatorische Veränderungen und der beschleunigte Fokus auf Generative AI haben meine Arbeitszufriedenheit stark sinken lassen
- Als ich anfing, verfolgte OSSM (Open Source Strategy and Marketing) unter David Nalley das Ziel, AWS zu einem besseren Mitglied der Open-Source-Community zu machen
- Nachdem David Nalley befördert wurde und die gesamte AWS-Developer-Experience-Organisation übernahm, gab es fast keine direkte Interaktion mit OSSM mehr, und die tatsächliche „David Time“ näherte sich null
- Meine offizielle Rolle war die eines Ansprechpartners zwischen AWS und Kunden aus kommerziellen Open-Source-Unternehmen, praktisch ging es aber eher darum, einem riesigen Unternehmen ein menschliches Gesicht zu geben
Der Blick auf „austauschbare“ Arbeitskräfte und die Grenzen in IT-Organisationen
- Amazon hat die besondere Sichtweise, Beschäftigte fast durchweg als austauschbar (fungible) zu betrachten
- Fungible bedeutet im Kern „austauschbar“ und ist vielen durch NFT geläufig
- Amazons großes Retail-Geschäft basiert auf Prozessen, mit denen sich relativ gesunde und intelligente Menschen innerhalb weniger Wochen zu produktiven Mitarbeitern in Logistikzentren machen lassen
- Dieser Ansatz mag für das Liefergeschäft funktionieren, passt aber schlecht zur Informationstechnologie, weil dort für den Erfolg nötiges Organisationswissen mit der Zeit aufgebaut werden muss
- Der Glaube an Austauschbarkeit stützt sich auf die Annahme, dass es unendlich viele Menschen mit den nötigen Fähigkeiten gibt, die bei Amazon arbeiten wollen
- David Nalley nannte mich im Bewerbungsgespräch „non-fungible“, und das erfüllte mich mit Stolz
GenAI-Fokus und schwindende Kundenorientierung
- Im vergangenen Jahr hat sich der Fokus von AWS vollständig, beinahe verzweifelt, auf GenAI verlagert
- Intern begann der Druck, möglichst viel AI einzusetzen, mit Beispielen wie „Ich lasse AI meine E-Mails zusammenfassen“ oder „Ich habe mit nur einem Prompt Vortragsfolien für eine Konferenz erstellt“
- Statt E-Mails zusammenfassen zu lassen, wäre es besser, bessere E-Mails zu schreiben, und wer zwar präsentieren will, aber nicht die Vorbereitungsarbeit leisten möchte, hat die falsche Haltung zum Präsentieren
- Das wertvollste Gut der modernen Wirtschaft ist Aufmerksamkeit (attention), und Konferenzvorträge galten bislang als etwas, das mit erheblichem Zeitaufwand erarbeitet wird
- Zeitweise enthielten Vortragsfolien ungeprüft von AI erzeugte Bilder mit unleserlichen Buchstaben oder vielen Tippfehlern, und „gut genug“ ist keine customer obsession
- Die GenAI-Wende bei AWS wirkt weniger so, als würde sie von echten Kundenbedürfnissen ausgehen, sondern eher so, als wolle man möglichst schnell möglichst viel bauen, in die Welt werfen und dann die Reaktion beobachten
- Während Inhalte zunehmen, die von AI erzeugt und von AI konsumiert werden, verschwindet der Mensch aus dem Zentrum des Prozesses
- Als AWS einst die erste wirklich praktische Cloud in die Welt brachte, war die Stärke davon klar
- Um Unternehmenssoftware in den 1990er Jahren umzusetzen, musste man zuerst abschätzen, wie viel Rechenleistung nötig sein würde
- Bestellte man Hardware bei Unternehmen wie Sun Microsystems oder Dell, konnte die Lieferung Wochen oder Monate dauern
- Danach mussten Racks bestückt, Strom angeschlossen und Systeme provisioniert werden; wer zu niedrig schätzte, bekam Probleme, wer zu hoch schätzte, wurde kritisiert
- AWS löste diese Probleme mit Diensten wie S3, EC2 und RDS und setzte damit einen Standard
- Auf der jüngsten re:Invent war es schwer, Sessions zu solchen Werkzeugen zu finden, und selbst wenn, stand im Zentrum der Präsentationen weiterhin AI
- Auch mein persönliches Ziel, „AWS zur Standardwahl für das Ausführen von Open-Source-Workloads zu machen“, gerät ins Wanken, wenn man mit „vibe code“ ähnliche Funktionen bauen und Lizenzen umgehen kann
- Der Kundenfokus von AWS hat sich von der Überzeugung von Infrastrukturverantwortlichen, die stabile und funktionsreiche Anwendungen bauen, hin zu einer abstrakteren Ebene verschoben, die auf dem Versprechen beruht, dass GenAI diese Menschen überflüssig machen könnte
- Diese Veränderung führt dazu, dass genau diese Menschen wieder austauschbar gemacht werden
Erfahrung mit Kontowiederherstellung und interne Reaktionen
- Mein größter Erfolg im vergangenen Jahr war die Wiederherstellung eines stillgelegten AWS-Kontos
- Der finanzielle Einfluss auf das Unternehmen war gering, und auch der betreffende Kunde war kein großer Ausgeber, aber er gehörte zu genau der Art von Nutzern, die AWS erfolgreich gemacht hat
- Ein Nutzer aus Nordafrika machte öffentlich, dass seine zehn Jahre alte AWS-Umgebung fast ohne Vorwarnung geschlossen worden sei, ohne echte Möglichkeit zur Abhilfe, und dass ihm sogar mitgeteilt worden sei, seine Daten seien gelöscht worden
- Falls die Daten tatsächlich verschwunden gewesen wären, wäre eine Wiederherstellung unmöglich gewesen; ebenso wichtig war aber, den Vorgang so genau wie möglich zu verstehen, damit anderen nicht dasselbe passiert
- Während ich den Nutzer, der zuvor nur als Kontonummer erschien, als einen Menschen verstand, erfuhr ich, dass er neben dem Verlust seines AWS-Kontos noch viele andere Probleme hatte
- Am Ende konnten die Ressourcen wiederhergestellt werden; die eigentliche Arbeit leistete das zuständige Support-Team, nachdem es dorthin eskaliert worden war
- Der Nutzer veröffentlichte danach einen Folgebeitrag, doch der Kern blieb, dass so etwas von Anfang an nicht hätte passieren dürfen
- Nachdem der Fall abgeschlossen war, zeigte die obere Führungsebene kein Interesse, aber mehrere Amazon-Mitarbeiter bedankten sich per Slack, und einige sagten sogar, ihr Glaube an das Unternehmen sei teilweise zurückgekehrt
- Besonders belastend war die Haltung, dass die Führung diese Angelegenheit offenbar nicht wichtig fand
Entlassung, gesundheitliche Verschlechterung und Rückkehr zu Open Source
- Die große Entlassungswelle im Oktober des vergangenen Jahres traf die Menschen, mit denen ich eng arbeitete, noch nicht besonders stark, doch die große Runde im Januar war viel gravierender, und viele Freunde, die ich bei AWS kennengelernt hatte, waren plötzlich auf Jobsuche
- Der Stress wirkte sich auch auf meine Gesundheit aus: In vier Jahren nahm ich fast 30 Pfund zu, davon 10 Pfund allein im letzten Jahr
- Das Blutdruckmessgerät zeigte ständig neue Höchstwerte, und mein Schlaf war so stark gestört, dass ich wochenlang keine Nacht mehr richtig durchschlief
- Bei AWS arbeiten noch immer viele großartige Menschen, aber angesichts von Stellenabbau und des Weggangs vieler zu besseren Unternehmen ist unklar, wie lange das so bleibt
- Cory Doctorows Text über „reverse centaurs“ war ein Beitrag, der Menschen bei Amazon zumindest ein wenig Scham hätte empfinden lassen können
- Eine Sache, die AWS gut macht, ist das Zulassen des Slack-Kanals
#actual-aws-memes- Der Kanal wird streng moderiert, ist aber ein Ort, an dem man mit Memes über das Leben bei AWS Dampf ablassen kann
- In meiner letzten Woche habe ich dort mein erstes und zugleich letztes Meme gepostet
- Ich glaube nicht, dass ich wegen dieses Memes entlassen wurde, und in meinen vier Jahren bei AWS wurde ich nie aufgefordert, etwas zu tun, das ich als unethisch oder illegal empfand
- Allerdings scheint es in den USA und weltweit Ebenen zu geben, auf denen die Einhaltung von Gesetzen eher wie eine Option behandelt wird
- Weil meine Zukunft bei AWS ohnehin ungewiss war, war das erzwungene Ausscheiden eher eine Erleichterung
- Nach meinem Besuch der GrafanaCon in diesem Jahr ist mein Wunsch gewachsen, zu meinen Open-Source-Wurzeln zurückzukehren
- Bei Open Source geht es darum, technische Macht und Kontrolle in die Hände der Nutzer statt der Anbieter zu legen
- Wie sich die Bedeutung von Open Source in einer GenAI-Welt entwickelt, in der die modernsten Modelle nur per API zugänglich sind, ist ungewiss
- Selbst wenn man Modelle lokal ausführen möchte, bleibt die Frage, wie viele Menschen sich die dafür nötige Hardware leisten können
- Als letzte Frage bleibt, was es bedeutet, in einer Welt der AI als Mensch zu arbeiten
1 Kommentare
Hacker-News-Kommentare
Letzten Monat habe ich zum ersten Mal seit Jahren wieder AWS Support kontaktiert; es ging um eine Frage zur Abrechnung.
Ich habe einen Fall erstellt, und 7 Tage lang wurde er niemandem zugewiesen. Dann habe ich den Live-Chat geöffnet und etwa 25 Minuten mit dem First-Level-Support gesprochen, aber er kannte sich mit dem Thema nicht gut aus und las vor Ort AWS-Dokumente, die ich bereits gelesen hatte.
Dass er am Ende eskaliert hat, statt eine falsche Antwort zu geben, war in Ordnung, aber wenn man sich das Ticket überhaupt angesehen hätte, hätte ich gar nicht erst nachhaken müssen.
11 Tage später kam eine völlig falsche Antwort. In der Zwischenzeit hatte ich die richtige Lösung selbst gefunden, erklärt und geantwortet, worauf am nächsten Tag ein langatmiger, KI-generierter Text zurückkam, der bestätigte, dass meine Antwort richtig war.
Das Kernproblem scheint zu sein, dass AWS fälschlich annimmt, ich würde als Kunde KI-generierte Antworten auch nur annähernd so wertvoll finden wie menschliche Antworten; ich betrachte sie als ungeprüfte Antworten und ignoriere sie fast vollständig.
Selbst Stripe, das früher für die Qualität seines Supports bekannt war, scheint inzwischen aufgegeben zu haben.
Ich hatte kürzlich mit einem Fall zu tun, in dem sich die Zahlungsabwicklung anders geändert hatte als erwartet, und der KI-Bot war nicht nur nicht hilfreich, sondern hat aktiv falsche Erklärungen geliefert. Das Problem blieb bestehen, während ich tagelang nur dazu gebracht wurde, an völlig irrelevanten Dingen herumzuändern.
In meinem Geschäft gewichte ich dieses Problem stark, wenn ich entscheide, welche Dienste ich nutze.
Wenn ich einen Dienst integriere, muss es echte Menschen geben, die wirklich helfen können, wenn ich Fragen oder Probleme habe. Alle aus Kostengründen in KI-Bots zu drängen, ist ein Signal dafür, wie viel einem Kunden tatsächlich wert sind.
Früher habe ich auch an Orten gearbeitet, die pro Jahr ziemlich viel für AWS ausgegeben haben — deutlich über 100.000 Dollar, aber unter 1 Million — und selbst dort blieben Support-Tickets monatelang unbeantwortet, und auch der zugewiesene Account-Manager ließ trotz mehrfacher Nachfragen monatelang nichts von sich hören.
Bei allen Tickets, die ich in den letzten 6 Monaten eröffnet habe, kamen nach großen Verzögerungen KI-generierte Antworten, und an den ungenauen, nicht zur Frage passenden Inhalten war klar zu erkennen, dass sie niemand gelesen hatte.
Es hat mehr als 2 Stunden gedauert, bis tatsächlich ein Mensch in der Leitung war, und wenn man Oracle jedes Jahr Hunderttausende Dollar für Supportverträge zahlt und dann einen KI-Bot zurückbekommt, ist das schwer hinzunehmen.
Inzwischen hat die Migration auf Postgres oberste Priorität, und dieser Unsinn vom „Ersetzen von Menschen durch KI“ muss aufhören [0].
[0]: https://www.forbes.com/sites/jonmarkman/2026/04/06/oracles-m...
Früher habe ich gesehen, wie in Präsentationsfolien KI-generierte Bilder mit unentzifferbaren Zeichen oder falsch geschriebenen Wörtern eingebaut waren und die Vortragenden sie trotzdem einfach drin gelassen haben.
Diese Haltung von „Das reicht schon so“ ist keine Kundenorientierung.
Das erzwungene Einführen unausgereifter generativer KI erinnert mich an die Szene in Catch-22, in der Milo Minderbinder versehentlich riesige Mengen Baumwolle beschafft und dann versucht, die Leute dazu zu bringen, Baumwolle zu essen.
Ich hätte nie gedacht, dass ich KI-generierte Bilder mit offensichtlich völlig unsinnigem Text in professionellen Meetings sehen würde, aber es wird immer üblicher.
Sie durch generative KI-Bilder zu ersetzen, ist möglicherweise sogar eine Verbesserung.
Zumindest sinkt das rechtliche Risiko, und für ein weltweites Publikum scheint es vielleicht verständlicher zu sein.
Trotzdem verstehe ich immer noch nicht, warum Leute das überhaupt machen.
Ich frage mich, ob das Teil von Führungskräftetrainings ist oder ob Vortragende wirklich glauben, dass ihre Präsentationen dadurch einprägsamer und unterhaltsamer werden.
In den letzten 6 Monaten scheint das zentrale Ziel von Führungskräften großer Unternehmen darin zu bestehen, normale Angestellte zu austauschbaren oder überflüssigen Wesen zu machen.
Das ist ein riesiges Experiment, und es gibt Präzedenzfälle wie die Industrielle Revolution.
Für Arbeiter wurde es damals ungefähr eine Generation lang schlimmer.
Grundsätzlich soll jeder alles machen können, aber in der Praxis wird es zu einem riesigen Problem, sobald man versucht, stärker spezialisierte Rollen einzustellen.
Man hat zwar angefangen, Rollen wie Frontend Engineer oder Embedded Systems Engineer zu schaffen, aber tatsächlich bleibt der Aufgabenbereich immer noch sehr breit.
Wenn KI den Wert von Arbeit senkt und damit die Verhandlungsmacht verringert, gibt es keine Garantie, dass dieselbe Methode wieder funktioniert.
Irgendwie wird es sich am Ende schon sortieren, aber ich denke, der Übergang in die nächste Phase wird sehr schmerzhaft und vielleicht sogar gewaltsam sein.
Ich war auch vor langer Zeit bei AWS, und ehrlich gesagt sind die organisatorischen Probleme richtig groß geworden, als Jassy CEO von Amazon insgesamt wurde und wichtige Führungskräfte wie Charlie Bell das Unternehmen verließen.
Andere Probleme gab es zwar schon immer.
Auf der Kostenseite liefern günstigere Bare-Metal-Anbieter heute deutlich schneller Instanzen als noch vor 10 Jahren, und bei der Produktqualität kam Druck von Startups bis hin zu größeren Firmen wie Databricks.
Als die Zinsen zu steigen begannen, wurde außerdem deutlich, dass viele teure Wetten wie IoT, AI, Business Support, Robotics und Ground Station im Grunde gescheitert waren.
Die aktuelle Wette auf KI-Infrastruktur und der Ausbau eigener Hardware sind kluge Entscheidungen, aber solche Rollen erfordern nicht dieselbe Anzahl an Software Engineers, sondern andere Arten hochqualifizierter Spezialisten.
Alle Fulfillment-Center, die kleine, in Behältern lagerbare Artikel bearbeiten, nutzen Robotics in großem Umfang, und von außen betrachtet wirkt das ziemlich produktiv.
Da wurde #actual-aws-memes erwähnt.
Ich bin auch 2022 eingestiegen, und das passt stark zu meinen Erfahrungen.
Nachdem gute Manager gegangen waren, wurde „Auf höchsten Standards bestehen“ zunehmend von einem beängstigenden „Das reicht schon so“ verdrängt, und ich denke, generative KI hat diesen Prozess noch beschleunigt.
Dass Amazon irgendwann den verfügbaren Personalpool aufgebraucht haben würde, hört man seit Jahren, aber irgendwie läuft es immer noch weiter.
Seitdem haben mich mindestens 35 Recruiter wegen Systems-Engineering-Rollen bei Kuiper kontaktiert.
Selbst wenn es nur um „Yellow Badge“-Vertragsstellen geht, werde ich jedes Mal sofort abgelehnt, sobald ich die Stufe mit dem Amazon Hiring Manager erreiche.
Amazonians wissen nicht, wie lange wir auf einer Blacklist stehen, und vermutlich können sie es auch gar nicht wissen.
Irgendwann wird ihnen das Personal ausgehen.
Vor allem jetzt, da andere FAANGs Berufseinsteigern nicht mehr absurd hohe Gehälter zahlen, wird der Nachschub an klugen jungen Talenten wohl nicht komplett versiegen.
Einstellungen sind auf jedem Level extrem schwierig geworden, und auf unserem Team ist eine Stelle für einen Senior Data Scientist seit anderthalb Jahren offen, ohne nennenswerte Bewerber und ohne jemanden wirklich Fähigen.
Das durchschnittliche Niveau neuer Mitarbeitender ist ebenfalls stark gesunken, und der berühmte „Hiring Bar“ liegt inzwischen im Keller.
Für Arbeitgeber von Software Engineers ist das ein goldenes Zeitalter.
Die Bezahlung ist gut, und im Lebenslauf macht es sich ebenfalls gut.
Besonders hier in Europa klingt das attraktiv.
Wenn man den KI-Hype einmal beiseitelässt, frage ich mich, ob es überhaupt einen Weg gibt, nicht zu einem gesichtslosen Großkonzern zu werden, für den Kunden nur Zahlen sind.
Amazon war über Jahre hinweg hervorragend kundenorientiert, aber irgendwann ist das verloren gegangen.
Ich könnte eine lange Liste von Beispielen nennen, wie das Unternehmen heute viel kundenfeindlicher ist als früher, aber jeder hat wohl seine eigenen Beispiele.
Was genau ist schiefgelaufen, und wie können andere Unternehmen das vermeiden?
Man muss immun werden gegen Hype und gegen das, „was gerade angesagt ist“, und sich stattdessen darauf konzentrieren: „Welche Erfahrung können wir dem Kunden ermöglichen, die vorher unerreichbar war?“
Sobald nicht mehr leidenschaftliche Nerds, sondern Menschen mit Taschenrechnern am Steuer sitzen, bewegt sich alles zwangsläufig in Richtung Spreadsheet-Denken.
Vielleicht ist ein Stück weit auch nichts anderes möglich, wenn man in so großen Organisationen das Licht am Brennen halten will.
Wenn du es noch nicht gesehen hast, schau dir Jiro Dreams of Sushi an und überlege, ob dich so eine Lebensweise anspricht.
Ich empfehle auch ein Interview mit René Redzepi von Noma.
Es enthält viele Einsichten dazu, wie die Fokussierung auf das eigene Handwerk ganz natürlich dazu führt, anderen etwas Großartiges zu schaffen und zu liefern.
Costco fällt mir da ein.
Dieser Prozess wird dort ziemlich gut beschrieben.
Wie man ihn verhindert, weiß ich nicht genau, aber vielleicht liegt die Lösung darin, Unternehmen klein zu halten, auf Qualität und Nachhaltigkeit zu fokussieren und sie vom Einfluss von Venture Capital freizuhalten.
Allerdings müsste man sie wohl ständig weiter pflegen wie einen Bonsai.
Die Geschichte über die Wiederherstellung des Accounts fühlt sich sehr nah an.
Wenigstens hatte er Kolleginnen und Kollegen, die ihn unterstützt haben, aber das Team wird inzwischen wohl so stark geschrumpft sein, dass am Ende nur noch das ausgewählte LLM da ist, das einem auf die Schulter klopft und sagt: „Gut gemacht“, „Du hast völlig recht“.
Solch ein heldenhaftes Verhalten kann man nicht ohne Freigabe bringen, und es ist selten, dass jemand ein System inkompetent und kaputt aussehen lässt, sich anschließend entschuldigt und dafür nicht öffentlich hingerichtet wird.
Auch die Leute, die ihn öffentlich unterstützt haben, sollten vorsichtig sein.
AWS hat die Orientierung verloren.
S3, SQS, EC2, VPC waren großartige Innovationen, geschaffen von Engineers, die Systeme bauen wollten, die stabil und elastisch skalieren.
Dass sie auch kosteneffizient waren, war eher ein glücklicher Nebeneffekt.
Das, was danach kam — besonders der Daten-Stack und die heutigen KI-Services — wurde von MBA-geprägten Führungskräften gebaut, die Innovation nicht verstehen und Engineering wie einen Kostenposten in einer Bank betrachten.
Die jüngsten Geschäftszahlen zeigen diese Auswirkungen.
Google wächst fast doppelt so schnell wie AWS, auch wenn das natürlich einfach Zufall sein könnte.
Unser Unternehmen verlangt ebenfalls von allen, mehr KI-bezogene Tools zu verwenden, und ich halte das an sich nicht für falsch.
Allerdings hängt die Qualität der damit erzeugten Arbeit am Ende stark von den Fähigkeiten der jeweiligen Person ab.
Manche geben sich kaum Mühe und liefern wirklich schlampige Ergebnisse ab, und das nervt mich sehr.
Entscheidend sollte nicht sein, welche Tools jemand verwendet hat, sondern das Ergebnis.
Wenn KI-Tools wirklich so großartig sind, wie behauptet wird, dann werden die Leute, die sie nutzen, ohnehin vorausziehen, und das Unternehmen kann anderen Mitarbeitenden zu Recht sagen: „Dein Kollege schafft doppelt so viel wie du.“
Aber die Nutzung des Tools selbst zu erzwingen, ist sinnlos und kontraproduktiv.