Der neue Nenner der KI-Bewertung: Token-Effizienz
In den letzten zwei Jahren hat fast jedes Unternehmen massiv in KI investiert, Mitarbeiter nutzen große Sprachmodelle, und Führungskräfte haben „KI-Nutzungsrate“ und „Token-Verbrauch“ in die Leistungsbeurteilung aufgenommen. Und das Ergebnis? Die Anzahl der Sitzungen ist nicht gesunken, Genehmigungsverfahren sind nicht verschwunden, und die Daten zur Personaleffizienz stagnieren – „KI wird genutzt, die individuelle Effizienz steigt, aber die betriebliche Personaleffizienz steigt nicht“.
Laut dem „Forschungsbericht zur Personaleffizienz chinesischer Unternehmen“ von Mu Sheng Consulting erwähnen fast 70 % der Führungskräfte jedes Jahr die „Personaleffizienz“, aber nur sehr wenige Unternehmen sind tatsächlich in der Lage, die Personaleffizienz zu „verstehen und zu steuern“.
Heute erläutere ich dieses Thema anhand von zwei gegensätzlichen Fällen: Volkswagen in Deutschland kürzt Produktionskapazitäten und Überkapazitäten, während Meta das Vorhaben „KI ersetzt Mitarbeiter“ aussetzt.
01 Personaleffizienz ist keine „einfache Division“
Personaleffizienz ist die Abkürzung für Human Resource Efficiency (Personalwirtschaftliche Effizienz), und ihr Wesen ist das „Verhältnis von Einsatz zu Ertrag“, also das Verhältnis von Betriebs- oder Geschäftsleistung zum Personaleinsatz. In der Praxis vereinfachen neun von zehn Unternehmen dies jedoch zu einer „einfachen Division“: Der Gesamtumsatz wird durch die Anzahl der Mitarbeiter im Unternehmen geteilt, oder der Gesamtgewinn wird durch die gesamten Personalkosten des Unternehmens geteilt.
Vor dem Hintergrund der traditionellen, eher „qualitativen“ als „quantitativen“ Ausrichtung der Personalwirtschaft, dem Druck der Personalabteilungen, die eine Datenbasierung als berufliche Barriere benötigen, und der laufenden digitalen Transformation von Unternehmen entspricht diese Art der „einfachen Division“ zwar den aktuellen Anforderungen, verschleiert aber die wesentliche Bedeutung der Personaleffizienz für den Betrieb.
Ich nenne diese Berechnungsmethode „breit definierte Personaleffizienz“, die die Gesamteffizienz des Unternehmens berechnet. Führungskräfte und Personalmitarbeiter nutzen sie natürlich, um die angemessene Personalstärke und den Personalkostenpool des Unternehmens abzuschätzen. Aber Unternehmen, die nur auf die breit definierte Personaleffizienz achten, verflachen ihr Verständnis von Personaleffizienz, was sehr gefährliche Folgen hat – es führt Manager dazu, das Einfachste zu tun, nämlich „den Nenner zu verkleinern“. Personalabbau, Gehaltskürzungen und Kürzung der Personalstärke sorgen sofort für schöne Zahlen in den Berichten, aber diese Zahlen sind oft falsch und hinterlassen dem Unternehmen „innere Verletzungen“.
Der Schlüssel zum Personalmanagement liegt in der „eng definierten Personaleffizienz“, also dem Verhältnis des „Nordstern-Indikators“ der Leistung zum „Pool von Kernmitarbeitern“. Im digitalen Zeitalter erzeugen 20 % der Kernmitarbeiter 80 % der Leistung, und ihre Hebelwirkung ist enorm. Im KI-Zeitalter ist die Hebelwirkung der Kernmitarbeiter noch größer: Möglicherweise bleiben von den ursprünglichen 20 % der Kernmitarbeiter nur 10 % übrig, die 100 % der Leistung erzeugen können. Dies zeigt deutlich, dass die eng definierte Personaleffizienz der eigentliche Kern des Wachstums ist.
Darüber hinaus liegt die Bedeutung der Personaleffizienz darin, dass sie die finanzielle Effizienz beeinflusst. Eine große Stichprobenuntersuchung von Mu Sheng Consulting zum A-Aktien-Markt im Jahr 2020 ergab, dass sich bei Unternehmen mit Internet-Merkmalen jede Einheit der Veränderung der Personaleffizienz in derselben Richtung mit 4,33 Einheiten der finanziellen Effizienz verändert.
Unter Berücksichtigung der Hebelwirkung der Kernmitarbeiter und dieses Gesetzes sollten wir uns eigentlich auf das Verhältnis von Personaleinsatz zu Ertrag in jedem einzelnen Geschäftsfluss (einer Sammlung von Arbeitsabläufen) konzentrieren. Das bedeutet, dass wir die eng definierte Personaleffizienz herunterbrechen und in die Geschäftsszenarien eintauchen müssen, um zu beobachten, ob die Personalkräfte in diesem Geschäftsszenario gezielt eingesetzt werden und Leistungen erbringen, die den Erwartungen entsprechen und die Konkurrenten übertreffen.
Dies ist offensichtlich eine betriebliche Aufgabe, die die Personalabteilung nicht alleine bewältigen kann. Die Führungskräfte sollten gemeinsam mit den Personalmitarbeitern detaillierte Berechnungen durchführen und den Betrieb steuern.
02 Die Falle des Goodhart-Gesetzes
Im KI-Zeitalter ist eine neue Art der „einfachen Division“ beliebt geworden – die Beurteilung des Token-Verbrauchs.
Lassen Sie uns zuerst eine volkswirtschaftliche Grundregel klarstellen. Der britische Ökonom Charles Goodhart stellte 1975 in einem Artikel fest: „Jede beobachtete statistische Regel neigt dazu, zusammenzubrechen, sobald Druck zu Kontrollzwecken ausgeübt wird.“ Einfacher ausgedrückt: Wenn politische Entscheidungsträger ein Ziel durch die Steuerung eines bestimmten Indikators erreichen wollen, verliert dieser Indikator oft seinen ursprünglichen Referenzwert. Diese Erkenntnis wurde ursprünglich zur Analyse der Geldpolitik verwendet, später aber in vielen Bereichen wie Bildung, Unternehmensführung und Sozialpolitik weit verbreitet und wird umgangssprachlich als „Goodhart-Gesetz“ zusammengefasst. Wie ist dieses Gesetz zu verstehen? Einfach zusammengefasst: Wenn ein Indikator als Beurteilungsziel verwendet wird, ist er kein guter Indikator mehr. Zurück zur Beurteilung der „KI-Transformation“ in Unternehmen: Sie entspricht vollständig diesem Gesetz. Wenn Sie die Anzahl der Codezeilen beurteilen, teilen Programmierer eine Zeile in zehn Zeilen auf; wenn Sie den Token-Verbrauch beurteilen, lassen Mitarbeiter die KI im Leerlauf laufen.
Das ist kein Witz. Medienberichten zufolge hat ein Ingenieur in einem großen Top-Unternehmen in seiner Freizeit ein internes Token-Ranking erstellt, bei dem Zehntausende von Mitarbeitern in 30 Tagen Billionen von Tokens verbraucht haben. Der Mitarbeiter auf Platz 1 verursachte allein in einem Monat Rechenkosten von über einer Million US-Dollar. Noch absurder ist, dass einige Personen speziell KI-Agenten anweisen, stundenlang „redundante Forschungsaufgaben“ auszuführen, mit dem einzigen Ziel, das Ranking zu verbessern.
Diese Art von Vorfall ist mir sehr vertraut. Sie entspricht genau dem alten Vorwurf, den ich schon oft geäußert habe: Die meisten Unternehmen „wandeln Einnahmen in Kosten und Kosten in Aufwendungen um“. Wenn Sie etwas, das eigentlich die Leistung messen soll, zu einer explizit bezahlbaren und manipulierbaren „Einsatzgröße“ machen, werden die Mitarbeiter natürlich alle Mittel einsetzen, um diesen Einsatz zu vergrößern. Folglich steigern sie den Umsatz ohne Rücksicht auf die Kosten, und im Laufe der Zeit werden die Kostenausgaben nicht mehr klar zugeordnet, sondern vollständig zu allgemeinen Umlagekosten, die ohne ersichtlichen Grund Jahr für Jahr ausgegeben und erhöht werden. In diesen Unternehmen, die den „Token-Verbrauch“ beurteilen, manipulieren die Mitarbeiter nicht einmal Tokens, sondern ihre eigene Sichtbarkeit; sie verbrennen nicht Rechenleistung, sondern echtes Geld.
Ich habe bereits kritisiert, dass das Personalmanagement das Verhältnis von Einsatz zu Ertrag steuert und nicht den Einsatz verringert. Aber haben Sie bemerkt, dass Unternehmen, die sich extrem auf eine Leistung (z. B. die „KI-Transformation“) konzentrieren, zu einem anderen Extrem gelangen – sie vergessen vollständig, das Verhältnis von Einsatz zu Ertrag zu beurteilen, und beurteilen stattdessen direkt die Einsatzmenge. Sie gehen automatisch davon aus, dass es ein festes Verhältnis von Einsatz zu Ertrag gibt: Wenn der Token-Verbrauch steigt, muss die „KI-Transformation“ des Unternehmens auch steigen, und geraten so in die Falle des Goodhart-Gesetzes.
Im Wesentlichen beurteilt die Bewertung, „wie viel KI genutzt wird“, immer noch den Einsatz – nur dass die „Anzahl der Mitarbeiter“ durch die „Anzahl der Tokens“ ersetzt wurde. Unternehmen denken, dass Mitarbeiter nicht nützlich sind, also reduzieren sie Personal und Gehälter; sie denken, dass KI nützlich ist, also erhöhen sie den KI-Einsatz. Ihr Denken dringt nie in die Geschäftsszenarien vor, um das Verhältnis von Einsatz zu Ertrag zu betrachten – das ist nicht anders als das starre Denken, das nur auf den Nenner achtet.
03 Ohne Organisationsänderung lässt sich keine Personaleffizienz erreichen
Der erste Fall ist die Selbstrettung von Volkswagen in Deutschland, nachdem es mit sinkender Effizienz konfrontiert wurde.
In der ersten Hälfte des Jahres 2026 sank die Betriebsgewinnmarge von Volkswagen von 4,2 % auf 3,8 %, und der Nachsteuergewinn ging um 30,7 % zurück. CEO Oliver Blume gab selbst zu, dass die Fixkosten von Volkswagen um etwa 30 % höher sind als bei vergleichbaren Unternehmen. Zur Selbstrettung startete Volkswagen die größte Umstrukturierung in seiner hundertjährigen Geschichte: Bis 2030 sollen etwa 50.000 Stellen in Deutschland optimiert werden, der globale potenzielle Personalabbau kann bis zu 100.000 Personen erreichen, die Produktionskapazität wird von 12 Millionen auf 9 Millionen Fahrzeuge gekürzt, die Anzahl der Modelle wird maximal halbiert, und die Komplexität der Konfigurationen wird um bis zu 75 % reduziert.
Achten Sie auf ein Detail von Oliver Blume: Volkswagen wird in Zukunft vor allem die Kosten „außerhalb der direkten Fahrzeugproduktion“ reduzieren, also Managementpositionen, Konzernstellen und zentrale Funktionsabteilungen. Einfach ausgedrückt ist Volkswagen der Meinung, dass die eigentliche Überlastung nicht bei den Arbeitern in den Produktionslinien liegt, sondern bei den mittleren und hinteren Abteilungen und mittleren Managementebenen, die nicht direkt „Einnahmen erzielen“.
Mit anderen Worten: Das Problem von Volkswagen war nie, dass „es zu viele Mitarbeiter gibt“, sondern dass „die Organisation zu überladen ist“ und die Personalstärke nicht für die eigentlichen operativen Aufgaben eingesetzt wird. Der Nachteil von 30 % bei den Fixkosten ist im Wesentlichen eine organisatorische Überlastung, die durch Abteilungsgrenzen, Isolierschichten und veraltete Prozesse entstanden ist. Die Maßnahmen von Volkswagen sind zurzeit einfach und direkt: Personalabbau, Kürzung von Produktionskapazitäten und Modellen – alles Maßnahmen zur „Subtraktion“.
Ist Subtraktion falsch? Nein. Aber wenn man „nur subtrahiert“, macht man einen großen Fehler. Man könnte die Mitarbeiter in der Frontlinie verlieren, die Einnahmen erzielen, und die Mitarbeiter in den Verwaltungsabteilungen behalten, die nur Show betreiben. Diese Vorgehensweise nenne ich „organisatorische Kompression“ und nicht „organisatorische Verfeinerung“ – das Unternehmen wird immer weniger agil, und die Personaleffizienz verschlechtert sich weiter.
Glücklicherweise zielen die von Volkswagen veröffentlichten Pläne offenbar auf die echte organisatorische Überlastung ab. Ob es bei der tatsächlichen Umsetzung Abweichungen geben wird, ist noch ungewiss.
Der andere Fall ist das Scheitern von Metas Vorhaben „KI ersetzt Mitarbeiter“.
Anfang dieses Jahres plante Meta ein Umstrukturierungsprojekt mit dem Codenamen „Project OT (Organisationstransformation)“, dessen Kern darin bestand, KI-Agenten und schlankere kleine Teams zu nutzen, um den gesamten Betrieb des Unternehmens neu zu gestalten. Intern wurde zeitweise erwogen, die Größe einiger Teams um bis zu 60 % zu reduzieren – durch Personalabbau, Einstellungsstopps und Beendigung von Arbeitsverhältnissen aufgrund von Leistungsmängeln.
Und das Ergebnis? Die KI hat die erwartete Personaleffizienz nicht erreicht, und das Projekt wurde gestoppt. Die eigenen Daten von Meta sprechen für sich: Die Anzahl der Codeänderungen auf der internen Plattform stieg im Jahresvergleich um 220 %, aber die Anzahl der neuen Funktionen oder Verbesserungen, die tatsächlich für Nutzer freigegeben wurden, stieg nur um 36 %. Die zusätzlichen Codezeilen stauten sich größtenteils in Genehmigungs-, Prüf- und Nachbearbeitungsprozessen zu einem Stausee; die KI-Agenten haben auch viele Probleme verursacht, schwere technische Sicherheitsunfälle stiegen im Jahresvergleich um 40 %, und die Mitarbeiter verbrachten 70 % mehr Zeit damit, diese Probleme zu beheben.
220 % gegenüber 36 %, eine fast surreale Zahl. Das ist genau das, was ich immer sage: Dass KI die individuelle Effizienz steigert, bedeutet nicht, dass sie die organisatorische Effizienz steigert. KI macht jeden Programmierer schneller beim Schreiben von Code, aber damit der Code zu einem Produkt wird, muss er noch zehn Hürden überwinden. Wenn Sie den Produktionsprozess von 3 Tagen auf 30 Minuten verkürzen, aber der Übertragungsprozess nach wie vor unverändert 15 Tage dauert – wie viel schneller ist das Unternehmen dann wirklich? Das ist die Wahrheit hinter „Pyramidenorganisation + KI“ – sie ist nicht gleichbedeutend mit einer Organisation von intelligenten Agenten.
KI-Einsatz ohne organisatorische Veränderung ist im Wesentlichen das Austauschen eines dickeren Wasserhahns an einem undichten Eimer – der Wasserfluss wird größer, aber die Wassermenge im Eimer steigt nicht unbedingt.
Letztendlich ist KI nicht dazu gedacht, „Mitarbeiter zu ersetzen“, sondern in den betrieblichen Alltag integriert zu werden, um die Personaleffizienz der Kernmitarbeiter zu steigern. Ein traditioneller Automobilhersteller erkennt bereits die organisatorischen Probleme und beginnt, die organisatorische Überlastung zu reduzieren, was wahrscheinlich zu einer organisatorischen Verfeinerung oder sogar einer organisatorischen Veränderung führt. Ein High-Tech-Unternehmen aus dem Silicon Valley verfolgt jedoch den Ansatz „KI ersetzt Mitarbeiter“ und nutzt das Banner der „Organisationstransformation“, um die eigentliche organisatorische Veränderung zu umgehen. Die reale Geschäftswelt ist wirklich surreal.
04 Um die Organisation neu zu gestalten, braucht man ein „neues Maß“
Nach all diesen Ausführungen ergeben sich zwei Fragen:
Erstens: Sollte man den Nenner beachten? Wenn ja, welchen Nenner sollte man beachten?
Zweitens: Wenn man nicht nur den Nenner beachten und nicht nur den Token-Verbrauch beurteilen kann – was soll man dann beurteilen?
Meine Antwort ist einfach: Erstens dringen Sie in die Geschäftsszenarien vor und achten Sie auf das Verhältnis von Einsatz zu Ertrag. Zweitens fügen Sie in der KI-transformierten Organisation den „Token-Verbrauch“ in den Nenner der Effizienz ein und wechseln Sie das Maß von „Einsatz“ auf „Verhältnis von Einsatz zu Ertrag“.
Nach dieser Idee ist das „neue Maß“ für die Personaleffizienz im KI-Zeitalter leicht zu verstehen.
Die erste Dimension ist die „Token-Effizienz“. Teilen Sie die finanziellen oder Geschäftsdaten durch den gesamten Mensch-Maschine-Einsatz – also „Personalkosten + gesamter KI-Einsatz“.
Lassen Sie uns zuerst das Konzept des „gesamten Mensch-Maschine-Einsatzes“ klären. Das ist der Gesamtverbrauch des Unternehmens für den Betrieb von Mensch-Maschine-Teams, der Nenner, auf den sich ein KI-transformiertes Unternehmen wirklich konzentrieren sollte. Die Investitionen in KI teilen sich in zwei Teile auf: Erstens die Investitionen zur Erstellung von KI-Agenten-Mitarbeitern, zweitens die Investitionen zum Betrieb dieser KI-Agenten. Ersteres wird nach der Rechenzeit von GPU/TPU und den Personalkosten für Training und Entwicklung berechnet, Letzteres kann über den „Token-Verbrauch“ gemessen werden. Beide Teile lassen sich zusammen mit den täglichen Personalkosten in