Vor zwei Jahren strich die Tech-Branche Stellen und machte dafür KI verantwortlich. Die Banken tun jetzt dasselbe.

Bloomberg berichtete diesen Monat, dass Spitzenbanker bei JPMorgan, Citi und Goldman erklärt haben, KI werde in ihren Häusern Stellen abbauen. Der Finanzsektor galt seit Längerem als der nächste, den es nach Tech treffen würde. Genau das zeichnet sich jetzt ab (3).

Zwei Jahre sind lang genug, um zu erkennen, wie die erste Welle verlaufen ist. Einige der Tech-Unternehmen, die sie angeführt haben, holen inzwischen still und leise Mitarbeitende zurück, oft zu einem höheren Preis als zuvor. Die Orgvue-Studie 2025 zur Belegschaft ergab, dass 39% der Führungskräfte KI-bedingte Entlassungen vorgenommen haben, und 55% dieser Gruppe sagen heute, die Entscheidung sei falsch gewesen. Gartner prognostiziert, dass bis 2027 die Hälfte der Organisationen, die ihren Kundenservice wegen KI stark reduzieren wollten, diese Pläne wieder aufgeben werden (1, 2).

Konkrete Beispiele sind längst keine Randerscheinung mehr. Das AskHR-System von IBM bearbeitet 94% aller HR-Anfragen; unabhängig davon hat das Unternehmen angekündigt, seine Einstiegspositionen in den USA zu verdreifachen, gerade in Rollen, die weithin als durch KI ersetzbar galten. Ford holte 350 erfahrene Ingenieure zurück, nachdem KI-basierte Qualitätssysteme nicht gehalten hatten, was sie sollten, und belegte im J.D. Power Initial Quality Survey 2026 den ersten Platz unter den Volumenmarken. Klarna räumte ein, beim Ersatz des Kundenservice durch KI zu weit gegangen zu sein, und stellt seither wieder menschliche Servicekräfte ein (4, 5, 6).

Ein Satz aus dem Bloomberg-Artikel, den man zweimal liest.

In dem Bloomberg-Artikel zu den Stellenkürzungen bei den Banken sagte Pooja Sriram, Senior US Economist bei Barclays, einen Satz, den man zweimal lesen sollte: „Ein Teil davon könnte tatsächlich Produktivität sein, die Arbeitskräfte ersetzt. Aber das Narrativ, das immer wieder aufkommt, ist wirklich eine Kostensenkungsübung vieler Firmen, gemessen an den Summen, die sie in KI investiert haben." (3)

Das ist eine sehr präzise Aussage, sorgfältig formuliert. Ein Teil der Kürzungen ist tatsächlich Produktivität, die Arbeitskräfte ersetzt. Das Muster in den Schlagzeilen ist es nicht.

KI kann Arbeit ersetzen. Das ist hier nicht die Frage.

Es gibt kein ernsthaftes Argument dagegen, dass KI Positionen und Aufgaben ersetzen kann. In den Bereichen, in denen sie funktioniert, funktioniert sie. Dieser Punkt ist geklärt und muss nicht neu aufgemacht werden.

Interessant ist die Lücke zwischen dem, was gemessene Produktivität rechtfertigen würde, und dem, was tatsächlich gestrichen wird. Wären die Entlassungen entlang von Produktivitätsdaten getaktet, würden wir erwarten, dass sie Rolle für Rolle und Sektor für Sektor voranschreiten und sich verlangsamen, wo die Daten nicht bestätigen, dass das Modell einsatzbereit ist. Dieses Muster sehen wir nicht. Die Personalabbauten sind schneller und tiefer erfolgt, als es die gemessene Produktivität stützen würde, und sie sind am schnellsten in den Sektoren erfolgt, die unter dem größten Kapitalmarkt-Druck stehen, eine Rendite auf die KI-Investitionen sichtbar zu machen.

Die Ausgaben für Enterprise-KI beliefen sich 2025 auf mehrere hundert Milliarden Dollar (7). Zahlen dieser Größenordnung verlangen einen sichtbaren Ertrag. Belastbare Produktivitätsdaten brauchen Jahre, bis sie entstehen, und weitere Jahre, bis sie sich sauber dem Werkzeug zuordnen lassen. Ein Personalabbau taucht dagegen schon im nächsten Quartal auf.

Genau da liegt die Diskrepanz. Personalabbau folgt dem Quartalsrhythmus. Produktivität folgt anderen Zeitintervallen und lässt sich deutlich schwerer messen. Wenn beide auseinanderlaufen, greifen Führungskräfte zu dem Instrument, das bis zum nächsten Earnings Call Wirkung zeigt. Ein Personalabbau kann das. Ein Produktivitätsgewinn, der noch nicht eingetreten ist, kann es nicht.

In der Produktivitätsrechnung fehlt eine Variable.

Die Rechnung, die zu KI-bedingten Entlassungen aufgemacht wird, jedenfalls in der Version für die Vorstandspräsentation, ist geradlinig. Kosten der wegfallenden Rollen: abgezogen. Kosten des KI-Systems: hinzugezählt. Output des KI-Systems: hinzugezählt. Netto-Produktivitätsgewinn: berechnet.

Diese Rechnung hat einen bekannten Fehler. Sie zählt, was das Werkzeug leistet. Sie zählt, was die entlassenen Personen geleistet haben. Sie zählt nicht, was mit der Produktivität derjenigen geschieht, die bleiben.

Die Forschung zu den Verbleibenden ist jahrzehntealt und konsistent. Gallups Engagement-Forschung zeigt, dass Entlassungen Engagement, Bindung und Vertrauen in der verbleibenden Belegschaft beschädigen. In der HR-Literatur trägt dieses Muster einen eigenen Namen: „layoff survivor syndrome", erstmals in den 1980er-Jahren von Joel Brockner und Kollegen dokumentiert und seither in Dutzenden Studien bestätigt. Die Studie von Trevor und Nyberg von 2008 im Academy of Management Journal hat eine Facette davon quantifiziert: Schon ein moderater Personalabbau, eine Reduktion um 0,5%, ging im Folgejahr mit einem Anstieg der freiwilligen Fluktuation um 2,6 Prozentpunkte einher. Diejenigen, die ein Unternehmen am liebsten halten möchte, gehen tendenziell zuerst, weil der Markt sie dafür belohnt (8, 9, 10).

Ein Personalabbau kostet mehr als die abgebauten Stellen.

Wenn Menschen gehen, sinkt die Produktivität nicht nur um ihren Anteil an der Leistung. Sie sinkt auch bei denjenigen, die bleiben.

Die Last verdoppelt sich, und sie verdoppelt sich auf eine bestimmte Weise. Forschung zur Einführung generativer KI zeigt, dass diese Werkzeuge Arbeit vom Ausführen zum Überwachen verlagern. Mitarbeitende investieren beträchtliche kognitive Anstrengung in die Prüfung, Korrektur und Einbindung von KI-Output. Ein Connext-Global-Report zur KI-Aufsicht von 2026 hat ergeben: Nur 17% der US-Erwachsenen halten KI am Arbeitsplatz für zuverlässig ohne menschliche Aufsicht; der Rest sagt, sie brauche eine kurze Prüfung oder eine dedizierte Überwachung. Wenn ein Unternehmen Personal abbaut und die Arbeit an KI übergibt, tragen die Verbleibenden zwei Lasten: die Arbeit der weggegangenen Kolleg:innen und die Überwachung, die die KI selbst nun verlangt (11, 12).

Das Vertrauen dünnt aus. Die Leistungsträger, die die kritische Arbeit getragen haben, tragen mehr davon, und weniger davon wird bemerkt.

Genau diese Variable lässt das Produktivitätsmodell weg. Entlassungen kosten mehr als die Personalzahl in der Bilanz. Sie kosten einen Teil der Produktivität aller Verbleibenden, und sie kosten sie am stärksten bei denjenigen, die das Unternehmen am wenigsten entbehren kann.

Zwei Jahre in die KI-Entlassungswelle hinein wird diese fehlende Variable auf der anderen Seite der Bilanz sichtbar. Die Wiedereinstellungen sind die sichtbare Korrektur. Die Engagement-Werte, die stillen Abgänge erfahrener Fachkräfte, die Produktivität der Leistungsträger: Sie zeigen sich in dem Produktivitätsgewinn, der eigentlich hätte eintreten sollen und ausgeblieben ist.

Die dominierende Erzählung zu KI-Entlassungen ist eine Erzählung über das Modell. Die Erzählung, die es zu beobachten lohnt, ist die über die Rechnun

Quellen: