KI-Erwartungen an Teams: Was Unternehmen aus Amazons Memo lernen
02. November 2026
KI-generiert, redaktionell von 8thsense ausgewählt, geprüft und freigegeben. EU AI Act, Art. 50
Amazon hat Ende Oktober ein internes Memo öffentlich gemacht, das die Rolle seiner Softwareentwickler im Zeitalter der Künstlichen Intelligenz neu beschreibt. Die Kernaussage: Nicht die Nutzung von KI zählt, sondern das Ergebnis für Kunden, Geschäft und Team. Wer feststellt, dass KI bei einer Aufgabe nicht hilft, soll das dokumentieren, und das gilt ausdrücklich als Befund, nicht als Versagen. Kritiker sehen im selben Text aber widersprüchliche Signale. Für jeden Geschäftsführer, der gerade überlegt, was er beim KI-Einsatz von seinem Team erwartet, ist das ein lehrreicher Fall.
Was im Amazon-Memo steht
Verfasst hat das Schreiben Terk Terkowitz, Vice President und Distinguished Engineer bei Worldwide Amazon Stores. Adressaten sind Entwickler und deren Führungskräfte, intern verschickt wurde es laut The Register bereits im September. Amazon hält seine Rollenbeschreibungen traditionell frei von konkreten Technologien, macht bei KI aber eine Ausnahme, weil der Umbruch größer sei als frühere Wellen wie Cloud oder Microservices. Zentral sind drei Sätze: KI werde „im Zentrum der Softwareentwicklung” stehen, aber weder die Rolle noch das Ergebnis eines Entwicklers werde „durch die Nutzung von KI definiert”. Und: „Wenn Ihre Arbeit nicht von aktuellen KI-Werkzeugen profitiert, ist das ein Befund, kein Versagen.” (Quelle: aboutamazon.com)
Der Hintergrund: Wettrennen um Token
Das Memo kommt nicht aus dem Nichts. Bei Amazon gab es eine inoffizielle interne Rangliste namens KiroRank, die Beschäftigte nach ihrem KI-Verbrauch sortierte. Laut Fortune ließen manche Mitarbeiter KI-Agenten sinnlose Aufgaben erledigen, nur um ihren Token-Zähler hochzutreiben. Amazon stellte die Rangliste im Mai wegen unnötiger Rechenkosten ein. Im Memo heißt es nun, dieses sogenannte Tokenmaxxing stehe im Widerspruch zum Grundsatz der Sparsamkeit, und das Zählen von Token oder Codezeilen sei als Produktivitätsmaß „zutiefst fehlerhaft”. (Quelle: fortune.com) Ein Muster, das man auch aus kleineren Betrieben kennt: Sobald eine Zahl sichtbar wird, optimieren Menschen auf die Zahl, nicht auf das eigentliche Ziel.
Warum die Botschaft trotzdem verunsichert
Corey Quinn, Cloud-Ökonom und Kolumnist bei The Register, lobt den Fokus auf Kundenergebnisse, sieht aber drei Positionen, die sich reiben. Erstens soll Nicht-Nutzung legitim sein. Zweitens sollen Eingangsmetriken wie Token-Verbrauch und Tool-Adoption weiter genutzt werden, nur „mit Vorsicht” und nicht als Zielgröße. Drittens heißt es, Teams, die KI nicht übernehmen, fielen zurück. Laut Fortune schreibt Terkowitz zudem, die Adoptionsmetriken korrelierten gut mit den Ergebnissen, die zählen. Quinns Einwand: Führungskräfte können sich so je nach Bedarf die passende Lesart heraussuchen. Sein Prüfstein lautet, was mit jemandem passiert, der dokumentiert, dass KI eine Aufgabe schlechter gemacht hat. Wird er gehört oder ausgebremst? (Quelle: theregister.com)
Was davon auf mittelständische Betriebe übertragbar ist
Amazon hat Tausende Entwickler, ein Pflegedienst mit 40 Beschäftigten oder eine Tanzschule mit zehn Leuten nicht. Die Grundfrage ist aber dieselbe: Was erwarte ich von meinem Team beim Umgang mit KI, und woran messe ich es? Drei Punkte aus dem Memo sind für jede Größe brauchbar:
Ergebnis vor Werkzeug: Ziele beschreiben, was am Ende besser sein soll (schnellere Angebotserstellung, weniger Rückfragen, sauberere Dokumentation), nicht, wie oft ein Tool geöffnet wird.
Negative Befunde erwünscht: Wer zeigt, dass KI bei einer Aufgabe nicht hilft, liefert wertvolles Wissen. Das muss ausgesprochen und auch so behandelt werden.
Nutzungszahlen nur als Beobachtung: Lizenz- oder Verbrauchsdaten helfen, Kosten und Lernbedarf zu erkennen. Als Leistungsziel erzeugen sie Fehlanreize und unnötige Ausgaben.
Was das für Unternehmen bedeutet
Wer KI-Erwartungen in Stellenprofile oder Zielvereinbarungen schreibt, sollte das konkret und widerspruchsfrei tun. Ein praktikabler Start: Für zwei oder drei wiederkehrende Abläufe, etwa die Bearbeitung von Kundenanfragen in einem Handwerksbetrieb oder die Pflegedokumentation, ein messbares Ziel festlegen und das Team selbst ausprobieren lassen, wo KI hilft. Die Ergebnisse, auch die negativen, kommen in eine kurze gemeinsame Notiz. Daraus entsteht mit der Zeit ein Bild, welche Schritte sich für Prozessautomatisierung eignen und welche nicht. Wer dabei Unterstützung sucht, kann mit einem strukturierten KI-Potenzial-Check klären, wo sich der Einsatz tatsächlich lohnt.
Entscheidend ist die Haltung der Führung. Ein Satz wie „Wir erwarten, dass alle KI nutzen” klingt modern, setzt aber genau den Druck, den Amazon jetzt mühsam wieder einfangen muss. Besser ist eine Formulierung, die Neugier verlangt und Urteilsvermögen belohnt: Ausprobieren ist Pflicht, das Ergebnis zählt, und wer begründet feststellt, dass ein Werkzeug nicht passt, hat seine Arbeit gut gemacht. Kosten entstehen bei diesem Vorgehen vor allem als Arbeitszeit für Tests und Austausch, nicht für teure Lizenzpakete auf Vorrat.