Künstliche Intelligenz stellt die bisherige Korrelation von Mitarbeiterzahl und Wertschöpfung grundsätzlich in Frage. Block entlässt rund 40 Prozent der Belegschaft. JPMorgan verteilt knapp 320.000 Mitarbeitende intern um. Startups mit gerade mal zehn Mitarbeitenden erzielen Umsätze, die sonst nur großen Unternehmen vorbehalten waren. Was alle gemeinsam haben: Künstliche Intelligenz verändert die Gleichung, nach der Mitarbeiterzahl und Wertschöpfung in einer engen Korrelation zueinander stehen.
Künstliche Intelligenz verändert die traditionelle Gleichung, nach der mehr Wertschöpfung auch mehr Personal erfordert.
- Block entlässt 40 Prozent der Belegschaft und begründet dies mit KI-Effizienz (Strategie 1: Verschlanken).
- JPMorgan Chase hält die Kopfzahl stabil, verteilt aber KI-bedingt Rollen von operativen hin zu wertschöpfenden Tätigkeiten um (Strategie 2: Umverteilen).
- KI-native Startups erzielen mit unter zehn Mitarbeitenden und hunderten KI-Agenten eine Schlagkraft, die früher großen Unternehmen vorbehalten war (Strategie 3: Skalieren).
Stellt KI die bisherige Gleichung zwischen Personalstärke und Wertschöpfung auf den Kopf?
Ende Februar 2026 veröffentlichte Jack Dorsey, Gründer und CEO des Zahlungsdienstleisters Block, eine ungewöhnliche Ankündigung auf der Plattform X. Das Unternehmen werde seine Belegschaft von über 10.000 auf unter 6.000 Mitarbeitende reduzieren – nicht weil das Unternehmen in Schwierigkeiten sei, sondern weil KI-gestützte Werkzeuge eine grundlegend neue Arbeitsweise ermöglichten [2]. Wenige Tage zuvor hatte Jamie Dimon, CEO von JPMorgan Chase, einen anderen Ansatz skizziert: keine KI-bedingten Entlassungen, aber eine KI-bedingte Umverteilung von Rollen innerhalb der knapp 320.000 Mitarbeitenden starken Organisation – weil Aufgaben in operativen Bereichen zunehmend von KI übernommen werden können, aber gleichzeitig neue, wertschöpfende Positionen entstehen, die durch die bestehenden Mitarbeitenden ausgefüllt werden [5]. Und auf dem Weltwirtschaftsforum in Davos berichteten Gründer von KI-nativen Unternehmen, wie sie mit weniger als zehn Mitarbeitenden, aber hunderten KI-Agenten, eine operative Schlagkraft erreichen, die früher deutlich größeren Unternehmen vorbehalten blieb [3].
Drei Beispiele, drei Strategien, aber ein gemeinsamer Nenner: Künstliche Intelligenz verändert das Verhältnis von Personalstärke und Wertschöpfung. Die traditionelle Gleichung, nach der mehr Umsatz auch mehr Mitarbeitende erfordert, verliert durch KI ihre Gültigkeit.
Was bedeutet diese sich verändernde Gleichung für den Mittelstand – also für die Unternehmen, die zwischen den Extrempolen von Konzernen und KI-nativen Startups am Markt agieren? Klar ist: Künstliche Intelligenz wird die eigene Organisation verändern. Die strategische Frage lautet deshalb nicht ob dies der Fall sein wird, sondern welchen Pfad ein Unternehmen dabei einschlagen wird.
Warum hat ausgerechnet KI einen so großen Einfluss auf diese traditionellen Muster?
Dass Produktivität steigen kann, ohne dass die Beschäftigtenzahlen im gleichen Maß mitwachsen, ist an sich kein neues Phänomen. Der Ökonom Erik Brynjolfsson wies bereits vor einem Jahrzehnt auf dieses Paradoxon hin [4]. Technologiekonzerne wie Apple, Microsoft oder Google benötigen für jede weitere 100-Milliarden-Dollar-Umsatzmarke deutlich weniger zusätzliches Personal als für die vorherige – ein Muster, das auch bei Nicht-Tech-Unternehmen wie Walmart sichtbar ist [4].
Der entscheidende Unterschied: All diese Effizienzgewinne betrafen primär die Skalierung bestehender Geschäftsmodelle durch Automatisierung und Digitalisierung. Was KI grundlegend verändert, zeigt sich am dritten Beispiel aus Davos: Ein Startup mit weniger als zehn Mitarbeitenden und hunderten KI-Agenten, das eine Wertschöpfung erzielt, die früher ein Vielfaches an Personal erfordert hätte [3]. Das gab es in dieser Ausprägung bisher nicht. KI automatisiert nicht nur Prozesse – sie übernimmt erstmals auch wissensintensive, kreative und steuernde Tätigkeiten, die bisher ausschließlich menschlicher Expertise vorbehalten waren. Damit verändert sich nicht nur das Tempo der Entkopplung, sondern auch ihre Natur.
Wertschöpfung pro Kopf – welche drei grundlegenden Strategien haben wir identifiziert?
Aus den aktuellen Entwicklungen lassen sich drei grundlegende Strategien ableiten, mit denen Unternehmen KI nutzen, um die Gleichung zwischen Mitarbeiterzahl und Wertschöpfung aktiv neu zu gestalten.
Strategie 1: Verschlanken – Wie KI Personalreduktionen begründet
Blocks Entscheidung ist einer der Fälle einer KI-begründeten Personalreduktion in einem börsennotierten Unternehmen, der einige Sichtbarkeit erreicht und zu vielfältigen Kommentierungen geführt hat. Jack Dorsey begründete den Schritt mit einer grundlegenden Veränderung der Arbeitsweise: Kleinere Teams mit flacheren Hierarchien könnten dank KI-Werkzeugen mehr leisten. Zudem prognostizierte er, dass die Mehrheit aller Unternehmen innerhalb eines Jahres zu ähnlichen Schlüssen kommen werde [2].
Die Marktreaktion war eindeutig: Der Aktienkurs von Block stieg nach der Ankündigung um mehr als 24 Prozent [8]. Auch das ist ein Signal, das andere Vorstände kaum ignorieren können.
Die Debatte um diesen Schritt verdient allerdings ebenfalls eine vielschichtige Betrachtung. Analysten weisen darauf hin, dass Block seine Belegschaft zwischen 2019 und 2022 von knapp 3.900 auf über 12.000 Mitarbeitende aufgestockt habe – eine Wachstumsphase, die von der Pandemie-bedingten Nachfrage getrieben war [8].
Block ist nicht allein. Auch Pinterest, CrowdStrike und Chegg haben zuletzt Personalreduktionen direkt mit KI-bedingten Effizienzgewinnen begründet [8]. Unabhängig davon, wie stark KI tatsächlich den Ausschlag gab – die Dynamik ist klar: Märkte belohnen schlankere Strukturen.
Zu bedenken ist aber auch, dass laut dem Personalberatungsunternehmen Challenger, Gray & Christmas im gesamten Jahr 2025 in den USA rund 55.000 Stellenstreichungen explizit mit KI begründet wurden – bei insgesamt 1,17 Millionen Entlassungen. Das sind weniger als fünf Prozent [9]. Kritiker sprechen in diesem Zusammenhang von „AI-Washing“: dem Phänomen, dass Unternehmen klassische Kostensenkungsmaßnahmen als KI-bedingt kommunizieren [6].
Strategie 2: Umverteilen – Wie KI Rollen verschiebt, ohne Stellen zu streichen
JPMorgan Chase verfolgt einen fundamental anderen Ansatz. Das Unternehmen beschäftigt weiterhin rund 320.000 Menschen, verschiebt aber die internen Gewichtungen: Rollen in operativen Bereichen gingen um etwa vier Prozent zurück, Support-Funktionen um zwei Prozent, während umsatzgenerierende und kundennahe Positionen um vier Prozent zunahmen [5]. Der Ansatz nutzt KI nicht als Instrument zur Personalreduktion, sondern als Hebel zur Umverteilung von Kapazitäten hin zu wertschöpfenden Tätigkeiten.
Die KI-gestützten Effizienzgewinne bei JPMorgan Chase sind messbar: Laut der Investor-Präsentation der Bank arbeiten Softwareentwickler mit KI-Coding-Assistenten rund zehn Prozent produktiver, operative Teams bearbeiten sechs Prozent mehr Konten pro Mitarbeitendem, und die Kosten pro Betrugsfall sanken durch KI-gestützte Erkennung um elf Prozent. Rund 150.000 Mitarbeitende der Bank nutzen wöchentlich die interne KI-Plattform, die auf Modellen von OpenAI und Anthropic basiert [5]. Das Technologiebudget von JPMorgan Chase liegt bei knapp 20 Milliarden Dollar jährlich – das größte der Branche [5].
Jamie Dimon, CEO von JPMorgan Chase, hat öffentlich davor gewarnt, KI-Implementierung von der Personalplanung zu entkoppeln. Sein Argument: Bestimmte Tätigkeiten seien durch KI bereits weggefallen – die betroffenen Mitarbeitenden habe man in neue Rollen innerhalb der Bank überführt. Gleichzeitig warnte er vor den gesellschaftlichen Folgen, wenn dieser Wandel unkontrolliert ablaufe [5].
Die Herausforderungen, die diese Herangehensweise mit sich bringt, sind erheblich. Redeployment erfordert umfassende Qualifizierungs- und Weiterbildungsprogramme, verändert Stellenbeschreibungen und Anforderungsprofile und kann nicht bei allen Mitarbeitenden gleichermaßen erfolgreich umgesetzt werden. Der Übergang von einer ausführenden zu einer interpretierenden oder steuernden Rolle setzt Kompetenzen voraus, die erst aufgebaut werden müssen – eine Herausforderung, die wir in unserem Beitrag AI First bedeutet neue Skills: Warum alle Mitarbeitenden mit KI-Management vertraut sein müssen ausführlich beleuchten. Laut einer Deloitte-Studie von 2026 gestalten bislang nur 33 Prozent der Unternehmen aktiv Karrierewege und interne Mobilität im Kontext von KI um [10].
Strategie 3: Skalieren – Wie KI-Agenten den Output pro Kopf vervielfachen
Die dritte Strategie wird vor allem in KI-nativen Unternehmen sichtbar, gewinnt aber zunehmend auch für etablierte Organisationen an Bedeutung. Auf dem Weltwirtschaftsforum in Davos berichtete Yutong Zhang, Präsident von Moonshot AI, von Startups mit weniger als zehn Mitarbeitenden, die hunderte KI-Agenten für operative Aufgaben einsetzen und damit eine Wertschöpfung erzielen, die früher ein Vielfaches an Personal erfordert hätte [3]. Die Rede ist von einem „hohen operativen Hebel“, bei dem KI nicht einzelne Aufgaben automatisiert, sondern ganze Arbeitsabläufe als Kollaborationspartner durchdringt.
Das World Economic Forum beschreibt fünf Merkmale solcher KI-nativer Betriebsmodelle: adaptive Feedback-Schleifen, dokumentiertes Kontextwissen – ein Aspekt, den wir in Warum informelles Betriebswissen der blinde Fleck jeder KI-Implementierung ist vertiefen –, klar definierte Datenstandards, frühzeitige Einbindung von Produktionsteams und Echtzeit-Evaluation von Ergebnissen [3]. Der Ansatz beginnt nicht bei der Frage „Welche Aufgaben kann KI übernehmen?“, sondern bei der grundlegenderen Frage: „Wenn wir Zugang zu unbegrenzter Intelligenz hätten – was würden wir bauen?“ [3].
Diese Entwicklung folgt einer Logik, die wir als KI-Evolution beschreiben: vom Einzelnutzer über KI-gestützte Teams bis hin zu Organisationen, in denen Menschen die Richtung vorgeben und KI-Agenten die Umsetzung übernehmen – „Human led, Agent operated“. Die Human-to-AI-Ratios in solchen Organisationen übersteigen Berichten zufolge bereits das Verhältnis 10:1 – zehn KI-Agenten pro menschlichem Mitarbeitenden [3]. Was das in der Praxis bedeutet und welche Voraussetzungen dafür nötig sind, beschreiben wir in Multi-Agenten-Systeme: Was der Mittelstand darüber wissen sollte. Nicht die Personalstärke bestimmt dann die Leistungsfähigkeit, sondern die Fähigkeit, menschliche Expertise mit KI-gestützter Intelligenz zu orchestrieren.
Lassen sich die drei KI-Strategien klar voneinander trennen – oder greifen sie ineinander?
In der Praxis lassen sich die drei Strategien selten trennscharf voneinander abgrenzen. Selbst Block, das den radikalsten Schritt vollzogen hat, verteilt intern Aufgaben neu und erwartet von den verbleibenden Mitarbeitenden einen deutlich höheren Output pro Kopf. JPMorgan Chase wiederum baut in operativen Bereichen ab und wächst gleichzeitig in kundennahen Rollen – streng genommen eher eine Umverteilung als eine Verschlankung, weil die Gesamtbelegschaft stabil bleibt. Und KI-native Startups, die auf Skalierung setzen, werden bei weiterem Wachstum unweigerlich auch Rollen verschieben oder im Sinne des „Human led, Agent operated“-Modells neu definieren müssen.
Die drei Strategien beschreiben also keine sich ausschließenden Alternativen, sondern mögliche strategische Schwerpunktsetzungen. Der wesentliche Unterschied bei der Umgestaltung der Gleichung liegt im Ansatzpunkt: Verschlanken setzt am Nenner an (weniger Köpfe), Umverteilen am Einsatz (andere Rollen), Skalieren am Zähler (mehr Output). Die meisten Organisationen werden im Lauf der Zeit alle drei Hebel bedienen – entscheidend ist, welcher den strategischen Einstieg bildet und im wörtlichen Sinn die größte Hebelwirkung entfalten kann.
Welche Impulse gibt das dem Mittelstand?
Die beschriebenen Fälle stammen aus dem Konzernumfeld und von KI-nativen Startups. Der Mittelstand agiert zwischen diesen beiden Polen – ohne die Ressourcen für milliardenschwere Redeployment-Programme, aber auch ohne den Luxus, auf der grünen Wiese KI-nativ neu starten zu können. Und dennoch betrifft ihn die zugrunde liegende Dynamik in besonderer Weise.
Der DIHK-Fachkräftereport 2025/2026 zeigt, dass Fachkräfteengpässe inzwischen im Mittelstand stärker ausgeprägt sind als in Großunternehmen. Zwischen 44 und 47 Prozent der Unternehmen mit 20 bis 999 Beschäftigten berichten von Stellenbesetzungsproblemen [7]. 83 Prozent aller befragten Unternehmen erwarten, dass sich die Situation in den kommenden Jahren weiter verschärft [7]. Gleichzeitig fehlen laut Bitkom in der deutschen Wirtschaft rund 109.000 IT-Fachkräfte.
Wohin diese Entwicklung langfristig führen kann, zeigt der Blick nach Ostasien. Japan verzeichnete 2024 einen Rekord-Bevölkerungsrückgang von über 900.000 Menschen; fast 30 Prozent der Bevölkerung sind über 65 Jahre alt [11]. Südkoreas Erwerbsbevölkerung könnte sich laut Morgan Stanley innerhalb von 40 Jahren halbieren [12]. Beide Länder investieren massiv in KI und Robotik – nicht als strategische Option, sondern als Antwort auf einen schrumpfenden Arbeitskräftemarkt, der keine anderen Alternativen zulässt. Deutschland steht von der Demographie her gesehen auf einem ähnlichen Entwicklungspfad, wenn auch mit einem erkennbaren Zeitversatz.
In diesem Kontext zeichnet sich für den Mittelstand ein realistischer Entwicklungspfad ab, der Strategie 3 und Strategie 1 kombiniert: Zunächst mit dem bestehenden Personalbestand durch KI-Unterstützung mehr erreichen – also Strategie 3 als Einstieg, ein Thema, das wir in KI-Produktivität im Mittelstand: Wann kommt der Durchbruch wirklich? vertiefen. Sobald altersbedingt Stellen frei werden und wegen der Arbeitsmarktsituation nicht mehr nachbesetzt werden können, greift schrittweise Strategie 1: mit weniger Personal dennoch wachsen oder zumindest das bisherige Niveau halten. Wichtig ist: Dieser Pfad ist eine Prognose, kein gesichertes Szenario. Aber die demografischen Daten aus dem DIHK-Report und die Erfahrungen aus Japan und Südkorea deuten darauf hin, dass er für viele Mittelständler zur Realität werden könnte.
Der Umsetzung dieser Strategien steht aber eine erhebliche Lücke entgegen. Christina Raab, Deutschland-Chefin von Accenture, wies auf dem Weltwirtschaftsforum in Davos darauf hin, dass weniger als die Hälfte der Beschäftigten sich auf den Umgang mit KI vorbereitet fühlt. Besonders problematisch sei die fehlende Kommunikation: Nur ein sehr kleiner Teil berichte, dass Führungskräfte mit ihnen darüber sprechen, was KI konkret für ihren Arbeitsalltag bedeute [1]. Diese Sprachlosigkeit erzeuge Unsicherheit und bremse die Umsetzungsgeschwindigkeit. Genau hier setzt ein Ansatz an, den wir als „Leadership First“ bezeichnen: Erst das Führungsteam befähigen, KI strategisch zu verstehen und vorzuleben, bevor der unternehmensweite Rollout beginnt – ein Prinzip, das wir in unserem Beitrag KI-Strategie für den Mittelstand näher beschreiben.
Raab fordert einen Paradigmenwechsel: weg von „Human in the Loop“ – der rein kontrollierenden Einbindung – hin zu „Human in the Lead“, bei dem Mitarbeitende aktiv KI-Ergebnisse einordnen, bewerten und Entscheidungen treffen [1]. Ein Prinzip, das wir in KI-Entscheidungen im Unternehmen: Warum der Mensch die letzte Instanz bleiben muss ausführlich beleuchten. Für den Mittelstand bedeutet das: KI-Werkzeuge einzuführen ist der einfachere Teil. Der anspruchsvollere liegt darin, die Organisation – Führung, Kommunikation und Kompetenzentwicklung – auf diese neue Arbeitsweise vorzubereiten.
Verschlanken, umverteilen oder skalieren – welcher KI-Pfad passt zu Ihrem Unternehmen?
Die drei Strategien – Verschlanken, Umverteilen und Skalieren – existieren nicht als Entweder-oder, sondern als parallele Hebel, die je nach Ausgangslage über ein unterschiedliches Umsetzungspotenzial verfügen. Block und JPMorgan Chase zeigen die Extreme der gesamten Bandbreite, auf der sich jede Organisation verorten muss.
Für den Mittelstand ist die Kombination aus Strategie 3 und Strategie 1 wahrscheinlich in vielen Fällen der realistischste Pfad: zunächst mit KI den Output pro Kopf halten oder im Idealfall steigern, dann über die demografisch bedingte Verknappung des Arbeitsmarktes schrittweise schlanker werden. Dies impliziert auch, dass KI nicht zu Kündigungen führt, sondern im Gegenteil die Resilienz des Unternehmens steigert, was wiederum Arbeitsplätze sichert. Doch gerade dieser Weg setzt voraus, dass Führungskräfte den KI-Wandel aktiv gestalten, statt KI als reines IT-Projekt zu behandeln.
KI verschiebt sich zunehmend von einem Instrument zur Kostensenkung zu einem Wachstumstreiber und Resilienzfaktor [1]. Die entscheidende Frage ist nicht mehr, ob KI die eigene Organisation verändern wird. Sondern wie diese Veränderung aktiv gestaltet und begleitet werden kann.
Quellen
[1] Handelsblatt/dpa – „Top-Beraterin: Große Wahrnehmungslücke bei KI in Unternehmen“. Christina Raab, Accenture Deutschland-Chefin, am Rande des Weltwirtschaftsforums in Davos. Januar 2026. https://www.handelsblatt.com/dpa/kuenstliche-intelligenz-top-beraterin-grosse-wahrnehmungsluecke-bei-ki-in-unternehmen/100193483.html
[2] Jack Dorsey – Mitteilung an Block-Mitarbeitende und Aktionärsbrief, veröffentlicht auf X. Februar 2026. https://x.com/jack/status/2027129697092731343
[3] World Economic Forum – „How AI-first operating models unlock scalable value“. Maria Basso, Michael Römer. Februar 2026. https://www.weforum.org/stories/2026/02/how-ai-first-operating-models-unlock-scalable-value/
[4] 36kr – „$4 Trillion with Just 36,000 People: NVIDIA Unveils Harsh Truth – Labor Decoupling from Wealth“. November 2025. https://eu.36kr.com/en/p/3558186189044608
[5] CNBC – „Jamie Dimon says AI is already reshaping JPMorgan Chase’s workforce as bank plans ‚huge redeployment'“. Februar 2026. https://www.cnbc.com/2026/02/24/jpm-ceo-jamie-dimon-ai-reshaping-workforce-redeployment.html
[6] Bloomberg – „Jack Dorsey’s 4,000 Job Cuts at Block Arouse Suspicions of AI-Washing“. März 2026. https://www.bloomberg.com/news/articles/2026-03-01/jack-dorsey-s-4-000-job-cuts-at-block-arouse-suspicions-of-ai-washing
[7] DIHK – Fachkräftereport 2025/2026: „Engpässe bleiben eine Herausforderung“. Dezember 2025. https://www.dihk.de/de/newsroom/fachkraeftereport-2025-2026-engpaesse-bleiben-eine-herausforderung-159846
[8] Fortune – „Block CEO Jack Dorsey lays off nearly half of his staff because of AI and predicts most companies will make similar cuts“. Februar 2026. https://fortune.com/2026/02/27/block-jack-dorsey-ceo-xyz-stock-square-4000-ai-layoffs/
[9] Built In / Challenger, Gray & Christmas – „Did AI Take Your Job? The Truth About AI Washing“. März 2026. https://builtin.com/articles/ai-washing-layoffs
[10] Deloitte – „The State of AI in the Enterprise 2026: The Untapped Edge“. Befragung von 3.235 Führungskräften in 24 Ländern. Januar 2026. https://www.deloitte.com/global/en/issues/generative-ai/state-of-ai-in-enterprise.html
[11] Bank of Japan / ISDP – Daten zur demografischen Entwicklung Japans. Bevölkerungsrückgang 2024, Anteil der über 65-Jährigen. https://www.isdp.eu/the-demographic-deficit-national-security-challenges-for-japan-and-south-korea/
[12] Morgan Stanley – „South Korea Population Decline Crisis“. Prognose zur Entwicklung der Erwerbsbevölkerung. https://www.morganstanley.com/ideas/south-korea-population-decline-aging-crisis
Sie möchten KI in Ihrem Unternehmen einsetzen und haben Fragen zur KI-Implementierung?
Gerne analysieren wir mit Ihnen in einem ersten unverbindlichen Strategiegespräch, wie der Einsatz von KI in Ihrem Unternehmen aussehen könnte und was dabei zu beachten ist.
