Wenn der Inhaber eines Unternehmens mit 60 Mitarbeitenden liest, dass Shopify jede Neueinstellung gegen KI rechtfertigen lässt, ist die erste Reaktion meist eine Rechnung. Wenn ein Wettbewerber mit weniger Leuten auskommt, warum dann nicht auch wir? Oft stellt innerhalb einer Woche auch ein Verwaltungsrat oder ein Investor dieselbe Frage.
Die Memos, die diese Debatte ausgelöst haben, sind echt. Echt sind auch die Folgen, die einige Unternehmen erlebt haben, nachdem sie die Kostenlogik kopiert und die Arbeitsgestaltung ausgelassen hatten. 2025 verkündeten zwei bekannte Firmen KI-first-Regeln und ernteten öffentliche Kritik, eine davon entschuldigte sich für die Wirkung ihrer Botschaft. Ein drittes Unternehmen machte eine Wette im Kundenservice rückgängig, die es zuvor laut beworben hatte.
Ein KI-first-Unternehmen profitiert von veränderten Rollen und einer anderen Teamform, während Headcount-Regeln, die KI als Grund für Kürzungen behandeln, auf Qualität und Vertrauen zurückfallen. Dieser Artikel zeigt, was die Memos sagten, was die Beschäftigungsdaten stützen, welche Berufe sich verändern und welche einfache Headcount-Regel zu einem Schweizer KMU passt. Wenn Sie jemanden suchen, der KI-Agenten-Workflows in Ihrem Team aufbaut und verantwortet, ist unser Forward-Deployed-AI-Engineering-Angebot genau dafür gedacht.
Zur Rollenfrage gibt es zwei verwandte Artikel. Für die Softwareseite lesen Sie vom Entwickler zum AI Product Manager. Für das Betriebsmodell hinter diesem Artikel lesen Sie AI-native Unternehmen.
Was die Memos der KI-first-Unternehmen tatsächlich sagten
Ein Grossteil der Debatte läuft über Paraphrasen, deshalb lohnt sich der genaue Blick auf die Aussagen.
Shopify, Memo vom März 2025, im April 2025 veröffentlicht. CEO Tobi Lütke teilte den Mitarbeitenden mit, dass der reflexhafte Einsatz von KI eine Grunderwartung sei. Laut BetaKit müssen Teams darlegen, warum sie mit KI nicht erreichen, was sie wollen, bevor sie mehr Stellen und Ressourcen beantragen. Zudem sollten Fragen zur KI-Nutzung in Leistungs- und Peer-Beurteilungen aufgenommen werden. Die Schlagzeile der Presse verkürzt das auf „Beweise, dass KI den Job nicht kann“. Das Memo verlangt jedoch eine Demonstration, und genau die ist der interessante Teil.
Duolingo, April 2025. CEO Luis von Ahn kündigte einen KI-first-Ansatz an, bei dem das Unternehmen schrittweise auf externe Auftragnehmer für Arbeiten verzichten würde, die KI erledigen kann, wie Entrepreneur zitiert. Öffentliche Kritik folgte. Im August 2025 sagte er der New York Times: „Das lag an mir. Ich habe nicht genug Kontext gegeben.“ Fortune berichtete, er habe erklärt, Duolingo habe keine Vollzeitstellen gestrichen und plane dies auch nicht. Diese Aussage stammt vom Unternehmen selbst.
Keines der beiden Unternehmen hat eine Studie veröffentlicht, die seine Regel mit Ergebnissen verknüpft. Ein Memo zeigt, was die Führung beabsichtigt. Dass die Regel funktioniert, belegt es nicht.
Die Hürde „Beweisen Sie, dass KI es nicht kann“: Was sie leistet und wo sie scheitert
Die Hürde hat eine echte Stärke. Ein Team, das schriftlich begründen muss, warum ein Agent eine Aufgabe nicht bewältigt, muss zuerst die Aufgabe, ihre Eingaben, ihre Ausnahmen und ihren Qualitätsanspruch beschreiben. Viele Anträge auf neue Stellen entpuppen sich als Beschreibung eines Prozesses, den nie jemand erfasst hat. Dort beginnt das Prozess-Redesign, das häufig Verschwendung aufdeckt, noch bevor ein Modell ins Spiel kommt.
Die Risiken sind ebenso konkret:
- Der Test wird zum Theater. Ein Team probiert halbherzig einen Chat-Assistenten aus, der Versuch scheitert, und die Stelle wird bewilligt. Oder es kommt zum Gegenteil: Niemand wagt es mehr, überhaupt Personal anzufordern.
- Qualitätsverlust bleibt monatelang unsichtbar. Reduzierte Kapazität zeigt sich in Beschwerdequoten und Kundenabwanderung lange nach der Headcount-Entscheidung.
- Die besten Leute verstehen das Memo als Drohung. Qualifizierte Mitarbeitende, die anderswo leicht Arbeit finden, gehen womöglich als Erste.
- Externe fangen den Druck auf. Externe Kapazität zu kürzen ist einfach und geräuschlos, doch das Know-how verlässt mit ihnen das Haus.
Keine Studie isoliert die Wirkung einer solchen Hürde auf Produktivität, Qualität oder Mitarbeiterbindung. Wer in die eine oder andere Richtung Belege behauptet, rät also nur. Behandeln Sie die Hürde als Anstoss für eine strukturierte Prüfung mit benannter Verantwortung und schriftlichem Ergebnis und nicht als Regel, die allein entscheidet.
Was Klarna und Duolingo über kostengetriebene KI zeigen
Klarna ist das meistzitierte Beispiel. Die Pressemitteilung vom 27. Februar 2024 besagte, der KI-Assistent habe im ersten Monat 2,3 Millionen Gespräche geführt und damit die Arbeit von 700 Vollzeitkräften geleistet. Das ist eine vom Unternehmen selbst berichtete Zahl, ein unabhängiges Audit gibt es nicht. Im Mai 2025 berichtete Entrepreneur unter Berufung auf ein Bloomberg-Interview, CEO Sebastian Siemiatkowski habe Investitionen in die Qualität des menschlichen Supports als Zukunft von Klarna beschrieben.
Für ein KMU sind zwei Details wichtig. Klarnas Personalbestand sank um rund 22 % auf etwa 3.500, überwiegend durch Fluktuation und ohne angekündigte Entlassungen. Und das Unternehmen behauptete nicht, den gesamten menschlichen Service ersetzt zu haben: Es begann wieder, Menschen für den Support einzustellen, und hielt die Möglichkeit offen, mit einer Person zu sprechen.
Duolingo zeigt ein anderes Scheitern. Die Produktrichtung mag stimmen, doch der Ton des Memos traf Kunden und Mitarbeitende gleichzeitig, und der CEO räumte öffentlich ein, zu wenig Kontext geliefert zu haben. Die Lehre betrifft Kommunikation und Reihenfolge. Wer eine Headcount-Regel ankündigt, bevor er den Kolleginnen und Kollegen zeigen kann, was aus ihrer Arbeit wird, löst genau die Reaktion aus, die er vermeiden wollte.
Beide Fälle führen zur gleichen Lesart. Kosten sind ein legitimes Ergebnis von Automatisierung. Wird aber die Kostenfrage zur Ausgangsfrage, vor Qualität und Kundenerlebnis, entstehen tendenziell Ergebnisse, die öffentlich korrigiert werden müssen.
Was die Beschäftigungsdaten bisher sagen
Die Evidenz ist dünner, als selbstsichere Schlagzeilen vermuten lassen, und sie weist in mehr als eine Richtung.
- Unternehmensumfrage. Das NBER Working Paper 34836 befragte fast 9.000 Führungskräfte in sieben Ländern. Die Befragten berichten über die vergangenen drei Jahre praktisch keinen Nettoeffekt auf die Beschäftigung und erwarten für die nächsten drei Jahre wenig. Sie geben an, dass KI das Wachstum der Arbeitsproduktivität bisher um rund 0,2 % pro Jahr erhöht hat. Es handelt sich um selbst berichtete Einschätzungen und nicht um gemessene Ergebnisse.
- Junge Beschäftigte in exponierten Berufen. Stanfords Studie „Canaries in the Coal Mine“ fand auf Basis von Lohnabrechnungsdaten einen relativen Beschäftigungsrückgang von 13 % bei 22- bis 25-Jährigen in den am stärksten KI-exponierten Berufen, konzentriert dort, wo KI eher automatisiert als unterstützt.
- Eine mildere Lesart. Die Arbeitsmarktstudie von Anthropic fand keinen systematischen Anstieg der Arbeitslosigkeit bei exponierten Beschäftigten und nur Hinweise auf langsamere Einstellungen junger Arbeitskräfte. Ihre Autoren arbeiten für einen KI-Anbieter, das sollte man im Hinterkopf behalten.
- Der KI zugeschriebene Entlassungen. Fortune berichtete, Oxford Economics lese die US-Entlassungsdaten so, dass in den ersten elf Monaten 2025 rund 4,5 % der gemeldeten Stellenverluste auf KI zurückgingen, und vermute, dass manche Firmen Entlassungen als KI-Geschichte darstellen, obwohl andere Ursachen wie Überbesetzung dahinterstehen. Diese Zahl bezieht sich auf ein Land und einen Zeitraum.
- Block. Fortune berichtete, Block habe rund 4.000 Beschäftigte entlassen und Jack Dorsey habe den Schritt mit kleineren, flacheren Teams begründet und zugleich die Überbesetzung während der Covid-Zeit genannt. Wie gross der KI-Anteil war, ist umstritten.
Das ehrliche Fazit lautet: Der Nettoeffekt auf die Gesamtbeschäftigung ist bislang klein. Das Signal, das man im Auge behalten sollte, betrifft den Berufseinstieg, und es sollte beeinflussen, wie Sie Einstiegsstellen in Ihrem eigenen Unternehmen gestalten.
Rollen, die sich in einem KI-first-Unternehmen verschieben
Die folgenden Verschiebungen sind Richtungsangaben. Kein neutraler Datensatz erfasst Stellenbezeichnungen innerhalb von Unternehmen, betrachten Sie sie also als Muster, die Sie prüfen sollten, und nicht als Prognosen.
| Rolle heute | Wohin sich die Arbeit verlagert | Was die Person verantwortet |
|---|---|---|
| Entwickler | Vom Schreiben erster Entwürfe zur Prüfung und Orchestrierung der Agenten-Ergebnisse | Spezifikationen, Review, Tests und die Entscheidung zur Auslieferung |
| Support-Mitarbeitende | Von Routineantworten zu Ausnahmen, Eskalationen und Ermessensfällen | Schwierige Fälle, Tonalität und das Feedback, das den Agenten verbessert |
| Mitarbeitende in Betrieb oder Administration | Vom Ausführen einzelner Schritte zur Verantwortung für einen Workflow von Anfang bis Ende | Genauigkeit, Kosten und Ausnahmen des Workflows |
| Neu: Harness- oder Forward-Deployed-Verantwortliche | Aufbau und Pflege des Agentensystems rund um das Modell | Kontext, Tools, Berechtigungen, Monitoring und Korrekturen |
| Neu: Evaluationsverantwortliche | Prüfung, ob die Agenten-Ergebnisse den Standard erfüllen | Testsets, Prüfregeln und Qualitätsberichte |
Der Economic Index von Anthropic vom März 2026 meldet, dass Programmieraufgaben weiter von der unterstützten Nutzung zu stärker automatisierten Workflows wandern. Das sind Nutzungsdaten aus dem Produkt eines einzelnen Anbieters. Sie stützen die Zeile zum Entwickler als Richtung und sagen nichts über Stellenzahlen aus. Die Einzelheiten dieser Verschiebung finden Sie in unserem Beitrag zu Entwicklern als AI Product Managern.
Für Support und Betrieb lässt sich das Muster leichter vorstellen als messen. Eine Support-Mitarbeiterin, die früher vierzig Routinetickets pro Tag beantwortete, prüft nun die fünf, die der Agent nicht abschliessen konnte, und hält fest, warum. Das ist eine andere Tätigkeit mit einem anderen Kompetenzmix, und sie braucht eine andere Schulung.
Zwei Rollen sind neu genug, um sie zu benennen. Die erste ist die Person, die den Harness rund um das Modell verantwortet. Die zweite verantwortet die Evaluation. In einer kleinen Firma können beide bei einer einzigen Person liegen, und diese Kombination entspricht in etwa dem, was der Markt als Forward Deployed Engineer bezeichnet. Die Zahl der Stellenanzeigen mit diesem Titel ist von einer kleinen Basis aus steil gestiegen, doch die berichteten Wachstumszahlen widersprechen sich, lesen Sie also keinen genauen Wert hinein.
Eine Headcount-Regel für ein KI-first-Unternehmen mit 20 bis 200 Mitarbeitenden
Statt einer Hürde, die Teams den Beweis einer Negativaussage abverlangt, empfiehlt sich eine Regel mit Evidenz, Verantwortlichen und Zeitlimit. Das ist ein Vorschlag aus unserer Praxis und in keiner veröffentlichten Studie getestet.
- Verlangen Sie vor jeder Einstellung einen schriftlichen Workflow-Test. Das antragstellende Team dokumentiert die Aufgabe, lässt einen Agenten auf eine Stichprobe echter Fälle los und hält Genauigkeit, Zeitaufwand und Ausnahmen fest.
- Benennen Sie eine verantwortliche Person für das Ergebnis. Eine Person haftet für die Ergebnisse des Agenten, ob das Resultat nun Ja oder Nein lautet.
- Bewilligen Sie die Stelle, wenn der Test eine Lücke zeigt. Ein gescheiterter Test ist eine Information. Eine Einstellung, die auf eine dokumentierte Lücke folgt, lässt sich leichter vertreten als eine aus dem Bauchgefühl.
- Setzen Sie Mitarbeitende um, bevor Sie reduzieren. Wenn ein Agent Arbeit übernimmt, verlagern Sie die Personen zuerst in Rollen für Ausnahmen und Prüfung. Reduzieren Sie nur über die normale Fluktuation und warten Sie ein Quartal, bevor Sie urteilen.
- Schützen Sie die Einstiegsschiene. Bestätigt sich das Stanford-Signal zum Berufseinstieg, verlieren Firmen, die keine Junioren mehr einstellen, die Leute, die im nächsten Jahr die Prüfenden wären. Behalten Sie einige Junior-Stellen bei, die auf die Prüfung von Agenten-Ergebnissen ausgerichtet sind.
- Messen Sie Qualität neben den Kosten. Beschwerdequote, Nacharbeit und Bearbeitungszeit gehören auf dieselbe Seite wie die Einsparungen.
Ein anschauliches Beispiel: Ein Grosshändler mit 40 Mitarbeitenden automatisiert Auftragsbestätigungs-E-Mails und halbiert damit die Arbeit zweier Teilzeit-Sachbearbeiter. Sinnvoll ist, diesen beiden die Ausnahmen-Queue und die Lieferantennachfassung zu übertragen, für die bisher niemand Zeit hatte, und beide Stellen zu behalten. Die Einsparung zeigt sich als Kapazität.
KI-Kompetenz in der Schweiz einstellen, zukaufen oder einbetten
Schweizer KMU erwarten überwiegend Effizienzgewinne, und nur wenige rechnen mit kleineren Teams. In der KMU-Arbeitsmarktstudie 2026 von AXA und Sotomo mit 336 KMU in der Deutsch- und Westschweiz erwartete nur eines von neun KMU Stellenabbau durch KI. Unter den KMU mit KI-Erfahrung rechneten 12 % mit einem geringeren Personalbedarf und 47 % mit Zeitgewinnen ohne Veränderung des Personalbestands. AXA ist ein Versicherer mit Interesse am KMU-Markt, lesen Sie die Studie daher als Stimmungsindikator.
Zur Vergütung nennt die SwissICT-Lohnstudie 2026, wiedergegeben von Netzwoche, einen ICT-Gesamtmedian von CHF 130.200 und einen Median für Senior-Expertinnen und -Experten von CHF 177.938, basierend auf 37.112 Löhnen aus 214 Unternehmen. Es handelt sich um Löhne für ICT-Rollen allgemein und nicht speziell für KI-Ingenieure, und der Bericht verweist auf Knappheit in Bereichen wie KI, Cloud, Cybersicherheit und Daten. Die Arbeitgeberkosten liegen über dem Grundlohn.
Sie haben im Wesentlichen drei Optionen:
- Einstellen. Das passt, wenn die KI-Arbeit dauerhaft anfällt und Sie eine erfahrene Person gewinnen und halten können. Am schwierigsten ist es, jemanden zu finden, der Agenten im Produktivbetrieb geführt und sie nicht bloss als Prototyp gebaut hat.
- Zukaufen. Eine Plattform oder ein Anbieter eignet sich für klar umrissene Standardaufgaben. Der Preis dafür ist weniger Kontrolle über Kontext, Berechtigungen und Evaluation.
- Einbetten. Ein Engineer, der für einen festgelegten Zeitraum in Ihren Systemen arbeitet, passt, wenn die ersten Workflows aufgebaut werden müssen und danach ein Team sie betreiben soll. Die Zahlen finden Sie unter was ein eingebetteter KI-Ingenieur kostet.
Ein rechtlicher Punkt verdient ein Telefonat vor jeder Ankündigung. Das Schweizer Recht (Art. 335d ff. des Obligationenrechts) sieht bei Massenentlassungen Konsultationspflichten vor, und die Schwellenwerte hängen von der Betriebsgrösse und der Zahl der Entlassungen innerhalb eines 30-Tage-Fensters ab. Häufig genannte Werte beginnen bei zehn Entlassungen für Betriebe mit mehr als 20 und weniger als 100 Beschäftigten. Prüfen Sie den aktuellen Gesetzestext und Ihre Verträge mit einer Fachperson für Arbeitsrecht, denn wir können keine Rechtsberatung leisten, und die Einzelheiten sind entscheidend.
Was das für das KI-first-Unternehmen bedeutet
In einem Punkt stimmen die Memos überein: KI-Nutzung ist heute eine Führungserwartung, und Führungskräfte müssen Kapazitätsanträge daran messen lassen. In einem anderen Punkt stimmt die Evidenz überein: Bisher hat KI stärker verändert, was Menschen tun, als wie viele Menschen Unternehmen beschäftigen, mit dem deutlichsten Signal bei den jüngsten Beschäftigten in den am stärksten exponierten Berufen.
Für ein KMU ergibt sich daraus eine schlichte Reihenfolge. Gestalten Sie einen Prozess neu, versetzen Sie Mitarbeitende in die Rollen, die das Redesign schafft, messen Sie Qualität neben den Kosten und lassen Sie den Personalbestand aus dem Ergebnis folgen. Unternehmen, die bei der Headcount-Zahl beginnen, entdecken häufig öffentlich und auf eigene Kosten, was Kunden zu tolerieren bereit sind.
Häufige Fragen
Was ist ein KI-first-Unternehmen?
Ein KI-first-Unternehmen macht die Nutzung von KI zur Grundannahme im Arbeitsalltag und prüft, ob KI eine Aufgabe erledigen kann, bevor es Mitarbeitende oder externe Auftragnehmer hinzuzieht. Der Begriff stammt aus den öffentlich gewordenen Memos von Shopify und Duolingo aus dem Jahr 2025. Er beschreibt eine Führungshaltung, entscheidend ist daher, was das Team konkret anders macht.
Sollte ein KMU von Teams verlangen, vor einer Einstellung zu belegen, dass KI die Arbeit nicht erledigen kann?
Ja, als Prüfschritt und niemals als Veto. Ein kurzer schriftlicher Test der KI-Variante zwingt Teams, den Prozess zu beschreiben, und deckt dabei oft Verschwendung auf. Eine starre Regel, die Einstellungen unabhängig vom Ergebnis blockiert, kann Qualitätsprobleme auf die Kundschaft abwälzen, wie Klarnas Kehrtwende 2025 nahelegt.
Senkt KI in der Praxis den Personalbestand?
Die beste aktuelle Evidenz zeigt bislang nur einen geringen Nettoeffekt. Eine NBER-Umfrage unter rund 9.000 Führungskräften fand praktisch keine Nettoveränderung der Beschäftigung, während Stanford bei 22- bis 25-Jährigen in den am stärksten betroffenen Berufen einen relativen Beschäftigungsrückgang von 13 % feststellte. Die Effekte unterscheiden sich nach Rolle und Alter, messen Sie deshalb Ihre eigenen Workflows.
Welche Rollen verändern sich am stärksten, wenn ein Unternehmen KI einführt?
Entwickler verlagern sich auf Prüfung und Orchestrierung der Agenten-Ergebnisse, Support-Mitarbeitende auf Ausnahmen und Eskalationen, Mitarbeitende im Betrieb auf die Verantwortung für einen Workflow von Anfang bis Ende. Neue Aufgaben entstehen rund um Evaluation und den Agent Harness. Diese Verschiebungen sind Richtungsangaben, denn kein neutraler Datensatz erfasst Stellenbezeichnungen innerhalb von Unternehmen.
Was sollte ein Schweizer KMU prüfen, bevor es wegen KI Personal abbaut?
Lassen Sie vor jeder Ankündigung die Arbeitsverträge und die Konsultationspflichten bei Massenentlassungen nach Art. 335d ff. des Obligationenrechts von einer Fachperson für Arbeitsrecht prüfen. Die Schwellenwerte hängen von der Betriebsgrösse und der Zahl der Entlassungen innerhalb von 30 Tagen ab. Stellen Sie ausserdem sicher, dass der KI-Workflow seit Monaten stabil läuft, denn Wiedereinstellungen sind teuer.