Der Offenbarungseid: Was Metas KI-Umbau über Automatisierung verrät

Etwa eine Woche vor der ersten Entlassungswelle tauchten in mehreren US-Büros von Meta Flyer auf: auf Toilettenpapierhaltern, in Besprechungsräumen, an Getränkeautomaten. „Don't want to work at the Employee Data Extraction Factory?", fragten sie, sinngemäß: Wer will schon in einer Fabrik zur Extraktion von Mitarbeiterdaten arbeiten? Sie riefen zur Unterschrift einer Petition gegen die neue Software auf, die Mausbewegungen, Klicks und Tastatureingaben der Belegschaft aufzeichnete (1). Meta versicherte, diese Daten dienten ausschließlich dem Training der eigenen KI-Agenten, nicht der Leistungsbeurteilung (2).

Getrennt davon floss aber sehr wohl ein anderes Kriterium in eben diese Beurteilung ein: welchen „AI-driven impact" Mitarbeitende mit KI-Werkzeugen in ihrer täglichen Arbeit nachweisen konnten, von der Personalchefin selbst zur Kernerwartung des Jahres erklärt (3). Der Arbeitsalltag wurde damit von zwei Seiten zugleich zum Rohstoff der KI-Strategie: als Trainingsmaterial auf der einen, als Leistungserwartung auf der anderen Seite.

Der Plan, der diesem Umbau zugrunde lag, trug den Codenamen Project OT, kurz für Organization Transformation, und entstand im Januar bei der jährlichen Führungsklausur auf Mark Zuckerbergs Anwesen auf Hawaii. Manager hatten Start-ups in Asien besucht und bewundert, wie konsequent diese ihre Organigramme um KI-Agenten herum ausgerichtet hatten. Zurück in Menlo Park entwarf man ein Modell, in dem virtuelle Mitarbeiter die eigentliche Arbeit erledigen und kleine, „talentdichte" Teams aus Menschen sie nur noch beaufsichtigen. In den Planungsszenarien war von Kürzungen einzelner Teams um bis zu 60 Prozent die Rede, verteilt über zwei Wellen: eine im Mai, eine zweite im November (4).

Bemerkenswert an Project OT ist weniger der Ehrgeiz als der Ausgang.

In der Nacht zum 20. Mai, wenige Stunden vor der ersten Entlassungswelle, traf sich Zuckerberg noch einmal mit seinen engsten Vertrauten und kassierte die für November geplante zweite Welle. Warum ausgerechnet in dieser Nacht, blieb selbst den eigenen Führungskräften unklar. Am nächsten Morgen entließ Meta wie angekündigt rund 10 Prozent der Belegschaft, etwa 8.000 der damals rund 79.000 Beschäftigten. Zuckerberg schrieb den Verbliebenen anschließend, er erwarte für den Rest des Jahres keine weiteren unternehmensweiten Kürzungen mehr; man wolle Stabilität geben.

Was als Kurskorrektur zunächst ohne erkennbare Begründung blieb, bekam wenige Wochen später durch interne Zahlen eine bemerkenswerte ökonomische Unterfütterung.

Wenige Wochen nach der Kehrtwende zog Chief Technology Officer Andrew Bosworth in einem internen Beitrag Bilanz. Die Code-Änderungen an Metas Software-Plattformen waren binnen eines Jahres um 220 Prozent gestiegen, eine Zahl, mit der sich in jeder Vorstandssitzung Eindruck schinden lässt. Nur: Die Änderungen, die tatsächlich als neue oder verbesserte Funktion bei den Nutzerinnen ankamen, wuchsen im selben Zeitraum um gerade 36 Prozent. Gleichzeitig nahmen größere technische Störfälle um 40 Prozent zu, und die Zeit, die Mitarbeitende mit deren Behebung verbrachten, stieg um bis zu 70 Prozent.

Mehr Aktivität, kaum mehr Wert, deutlich mehr Aufräumarbeit. So sieht es aus, wenn Unternehmen Output mit Produktivität verwechseln.

Genau diesen Mechanismus haben Daron Acemoglu und Pascual Restrepo als mittelmäßige Automatisierung beschrieben: Technik, die gut genug ist, um Menschen aus dem Prozess zu drängen, aber nicht gut genug, um die Produktivität spürbar zu heben. Neu an Metas Fall ist nicht der Effekt, sondern der Absender. Sonst liefern Ökonomen die Belege für so-so automation. Hier lieferte sie der eigene Technikchef, in einem internen Post, an ein Unternehmen, das seinen Investoren gerade ein KI-natives Selbstbild verkauft.

„Offenbarungseid" ist heute vor allem eine Metapher: das Eingeständnis, dass die eigenen Mittel für ein gegebenes Versprechen nicht reichen. Bosworths interner Bericht war genau das, nur dass die Schuld hier ein Versprechen war: das Versprechen, dass KI aus kleineren Teams produktivere Organisationen machen würde. Genau diese Rechnung ließ sich mit den eigenen Zahlen nicht bestätigen, noch bevor die zweite Entlassungswelle überhaupt anlaufen konnte.

Der Analyst Sanchit Vir Gogia brachte den Unterschied später auf den Punkt: Meta habe einer Fähigkeit vertraut, die es in der Produktion noch gar nicht gab, ein anderer Fehler, als der Technik zu sehr zu vertrauen (5). Die Technologie hatte nicht einfach versagt. Sie hatte vor allem jene Größe maximiert, die am leichtesten zu messen war: Output. Mehr Nutzen wäre das eigentliche Ziel gewesen.

Im Juli räumte Zuckerberg bei einer unangekündigten Betriebsversammlung ein, dass sich die Entwicklung der KI-Agenten in den vergangenen Monaten nicht annähernd so beschleunigt habe, wie er erwartet hatte. Am Kurs selbst änderte das wenig: Meta hält an Kapitalinvestitionen von mindestens 130 Milliarden Dollar für dieses Jahr fest, maßgeblich getrieben vom Ausbau seiner KI-Infrastruktur, und in Teilen der neuen Organisationsstruktur kamen auf eine Führungskraft bis zu 50 Mitarbeitende.

Zurück zur Nacht vor dem 20. Mai. Project OT beruhte auf einer einfachen Rechnung: weniger Menschen, mehr automatisierte Arbeit, höhere Produktivität. Am Ende lieferten ausgerechnet die eigenen Zahlen keinen Beleg für diese Gleichung. Mehr Code war nicht proportional mehr Produkt, mehr Automatisierung nicht automatisch mehr Zuverlässigkeit.

Warum Zuckerberg in dieser Nacht die zweite Welle stoppte, ließ sich selbst mit Dutzenden internen Dokumenten nicht rekonstruieren. Kennzahlen messen, was bereits geschehen ist. Welcher Wert zählt und wann eine Strategie nicht mehr trägt, bleibt eine Frage des Urteils, und genau das wollte Project OT ersetzen. Am Ende bewies es nur, wie wenig sich davon automatisieren lässt: die Entscheidung, ob die Automatisierung überhaupt funktioniert.