Die große Hoffnung der Unternehmen heißt künstliche Intelligenz. Sie soll Texte schreiben, Programme entwickeln, Kunden betreuen und möglichst nebenbei noch ein paar Stellen einsparen. 2025 erwarteten laut McKinsey 32 Prozent der befragten Unternehmen, dass KI ihre Belegschaften verkleinern würde. Ein Jahr später berichteten gerade einmal 14 Prozent tatsächlich von entsprechenden Kürzungen. Zwei Drittel sahen kaum oder gar keine Veränderung.
Vielleicht liegt das Problem gar nicht bei der KI.
Eine KI kann erstaunlich viel. Sie kann Informationen sortieren, Entwürfe schreiben, Daten analysieren und Arbeiten beschleunigen. Sie besitzt allerdings eine unangenehme Eigenschaft: Sie macht nicht nur gute Mitarbeiter schneller. Auch schlechte Entscheidungen lassen sich mit ihr erheblich effizienter produzieren.
Wer nicht weiß, welche Frage er stellen muss, bekommt eben schneller die falsche Antwort. Wer das Ergebnis fachlich nicht beurteilen kann, freut sich anschließend über einen überzeugend formulierten Fehler. Und wer bisher schon Schwierigkeiten hatte, Wesentliches von Unwesentlichem zu unterscheiden, erhält dafür nun immerhin eine moderne Benutzeroberfläche.
Wie teuer diese Verwechslung werden kann, zeigte ausgerechnet Meta. Der Konzern plante, Teile seiner Belegschaft durch kleinere, stark KI-gestützte Teams zu ersetzen. Das Vorhaben wurde zurückgefahren, nachdem unter anderem Produktivitäts-, Zuverlässigkeits- und Sicherheitsprobleme auftraten. Gartner berichtet zugleich, dass mindestens die Hälfte der GenAI-Projekte bereits nach der Testphase aufgegeben wird. Gründe sind unter anderem schlechte Daten, steigende Kosten und ein unklarer geschäftlicher Nutzen.
Das ist kein Argument gegen KI. Im Gegenteil. Gute Mitarbeiter können mit ihr sehr viel produktiver werden. Das Problem beginnt nur dort, wo Unternehmen glauben, mit dem Kauf eines KI-Werkzeugs gleichzeitig Kompetenz eingekauft zu haben.
Vielleicht überschätzen Unternehmen deshalb weniger die künstliche Intelligenz als die Menschen, denen sie sie in die Hand geben. Die Maschine kann schließlich nur unterstützen, was vorher schon vorhanden war.
Und manchmal ist genau das die ernüchternde Erkenntnis.
Quellen:
▪︎ McKinsey, AI job losses fall short of forecasts, 03.09.2026
▪︎ Reuters, How Meta’s AI workforce transformation plans went kaput, 26.08.2026
▪︎ Reuters, Mark Zuckerberg had a bold plan to replace Meta staff with AI, 03.09.2026
▪︎ Gartner, Why 50% of GenAI Projects Fail, 26.01.2026