Autor: TT3LABS, Web3/AI/SaaS Remote-Rekrutierungsplattform
- Februar 2026, kündigte der Fintech-Gigant Block an, mehr als 4000 Mitarbeiter zu entlassen, das Team wurde von über 10.000 auf weniger als 6.000 reduziert. CEO Jack Dorsey schrieb an die Aktionäre:
„Intelligente Werkzeuge haben die Bedeutung der Gründung und Führung eines Unternehmens verändert… Ein deutlich kleineres Team, das die von uns entwickelten Tools nutzt, kann mehr erreichen und bessere Ergebnisse liefern.“
Dorsey gab auch eine äußerst kalte Prognose ab:
„Ich denke, die meisten Unternehmen sind bereits zu spät. In den nächsten zwölf Monaten werden die meisten Unternehmen zu ähnlichen Schlussfolgerungen kommen und ähnliche strukturelle Anpassungen vornehmen.“
Nach Börsenschluss stieg der Block-Aktienkurs um über 20 %. Dies ist die Reaktion des Kapitalmarkts mit echtem Geld: Für die Hebelwirkung und Effizienzsteigerung im Unternehmen durch KI zahlen.
Ein ganz normaler Mensch, der keine Programmierkenntnisse hat, kann mit großen Modellen über Nacht eine voll funktionsfähige App eigenständig entwickeln. Der Kapitalmarkt wird daher eine scharfe Frage stellen: Wie viel Wert hat die riesige Belegschaft eines Tech-Giganten, der Tausende Programmierer beschäftigt, um eine Super-App täglich am Laufen zu halten, angesichts der enormen Personalkosten?
Der Trend, menschliche Arbeitskraft durch KI zu ersetzen, wird von immer mehr großen Unternehmen aufgegriffen. Die Angst ist verständlich, aber bloßes Angsthaben nützt nichts. Wir müssen mit den großen Veränderungen beginnen, Schritt für Schritt, und uns auf individuelle Überlebensstrategien konzentrieren.
KI ist mehr als nur ein Werkzeug, sie wird zum Produktionsmittel
Auf dem Markt beginnen einige, den aktuellen Abschnitt als „Web4“ zu bezeichnen. Um den Überblick zu behalten, schauen wir uns die verschiedenen Phasen der Internetentwicklung an:
Web2
Kern ist die Interaktion zwischen Software und Menschen. Verschiedene Plattformen ziehen durch Algorithmen die Aufmerksamkeit der Nutzer auf sich – im Wesentlichen ein Kampf um Traffic.
Web3
Versucht, Eigentumsrechte an digitalen Vermögenswerten und die Wertverteilung zu regeln. Viele verbinden es einfach mit Kryptowährungen, aber im Kern bleibt es ein Spiel um Verteilungsregeln, ohne die Produktions- und Herstellungsbeziehungen digitaler Produkte zu berühren.
Vorabend von Web4
KI hat erstmals die Produktionsbeziehungen selbst berührt. Es ist nicht mehr nur ein Effizienzsteigerungswerkzeug, sondern entwickelt sich zu einem neuen Produktionsmittel. Wer es besser nutzt, kann die Produktionsgrenze erheblich erweitern.
In traditionellen Teamarbeitssystemen gibt es viele versteckte Kosten: Die Urteilskraft und Branchenintuition guter Führungspersönlichkeiten sind schwer zu kopieren, Missverständnisse und Nacharbeit bei Teamarbeit sind unvermeidlich. Diese „dunkle Steuer“ belastet die Organisation, bisher ohne klare Lösung. KI hat diese dunkle Steuer stark reduziert: Es gibt keine Lernkurve, klare Anweisungen genügen, um qualitativ hochwertige Ergebnisse zu erzielen, und sie kann mehrere Aufgaben gleichzeitig bearbeiten. Die strategische Urteilskraft eines Menschen plus KI-Execution-Hebel kann die Produktion eines ganzen Teams im Handumdrehen übertreffen.
Natürlich kann KI momentan noch gelegentlich „ernsthaft Unsinn reden“, was die menschliche Überprüfung und Urteilskraft unverzichtbar macht. Doch die Zuverlässigkeit der Modelle verbessert sich monatlich, und der Puffer für reine Ausführungsstellen ist kürzer als viele denken.
Effizienzgleichheit und tiefe Krise: Wenn Eintrittsbarrieren verschwimmen
Kurzfristig profitieren normale Menschen durch den Zugang zu KI-Tools bei Effizienzgewinnen. Doch langfristig, wenn KI die grundlegende Effizienzlücke schließt und den Einstieg in Fachgebiete stark vereinfacht, zeigt sich: Wenn die individuelle Produktivität stark steigt, aber das Geschäftsvolumen nicht proportional wächst, wird die Beibehaltung der bisherigen Mitarbeiterzahl zu einer Belastung.
Die aktuelle Gehaltsentwicklung zeigt das deutlich. Laut TT3LABS-Daten gab es ab 2025 wiederholt Gehaltsangebote im Bereich „über 10 Millionen USD“, vor allem für junge KI-Ingenieure ohne umfangreiche Teammanagementfähigkeiten. Meta lockte Top-Forscher von OpenAI mit Boni, die die 1-Milliarde-USD-Marke übersteigen. Bei OpenAI liegt das durchschnittliche Aktiengehalt bei 1,5 Mio. USD, bei Anthropic bei bis zu 690.000 USD Jahresgehalt (ohne Aktien).
Kapital investiert in eine knappe Fähigkeit: die Verbesserung der KI selbst. Wer die zugrunde liegenden Modelle weiterentwickelt, kann in der gesamten Geschäftskette exponentiell an Wert gewinnen. Andere, deren Arbeit durch KI günstiger abgedeckt werden kann, könnten an Wert verlieren.
Dies löst eine tiefere potenzielle Krise aus: Immer mehr Menschen wenden bei Problemen direkt KI an, überspringen den eigenen Denk- und Prüfprozess – und verlieren so langfristig die Fähigkeit zum eigenständigen Denken. Diese „dummen Arbeitsschritte“ formen das Problembewusstsein. Wenn man sich zu sehr auf KI verlässt, wird die Rolle im Job auf einen „Anforderungsübersetzer“ reduziert: Anforderungen in KI-Inputs umwandeln, AI-Ausgaben weitergeben. Dieser Zwischenschritt ist genau der, den die nächste Generation von KI am einfachsten überspringen kann.
Karte des Einflusses: Wo stehst du?
Ohne Orientierung ist Angst nur Panik. Bevor wir Strategien diskutieren, brauchen wir eine „Impact-Map“. Ziel ist nicht, Panik zu schüren, sondern die eigene Position zu bestimmen.
Jobs mit klaren Anweisungen, die durch KI ersetzt werden können
Einfaches Programmieren, Basisdatenanalyse, standardisierte Berichte, Template-Design, Übersetzungen und Korrekturen. Diese Jobs lassen sich klar in „Eingabe → Verarbeitung → Ausgabe“ zerlegen. Unter den 4000+ bei Block entlassenen Personen befinden sich viele in diesem Bereich. Ihre Fähigkeiten sind gut, aber die Aufgaben sind genau das, was große Modelle leisten können.
Ein Maßstab: Wenn deine gesamte Arbeit in eine KI-Anweisung umformuliert werden kann, ist die Maschine bereit, dich zu ersetzen. Der Rest ist nur eine Frage des Zeitpunkts.
Erfahrungsbasierte Mittelschicht, die durch „Druck“ verdrängt wird
Projektmanager, Operationsleiter, mittlere Ingenieure. Ihre Arbeit umfasst Urteilsfähigkeit und Koordination. Kurzfristig kann KI das nicht vollständig übernehmen, aber sie wird „komprimiert“. Früher brauchte eine Geschäftsleitung fünf Mittelschichtler, die jeweils einen Abschnitt steuerten. Jetzt übernimmt KI die Ausführung der gesamten Kette, und wenige Personen können den Ablauf steuern.
Diese Gruppe steht vor der Situation: „Weniger Positionen“. Ihre Fähigkeiten sind nicht schlechter geworden, aber die Nachfrage nach ihrer Rolle sinkt rapide. Der Ausweg ist, KI zu nutzen, um die eigene Ausführungskraft zu verstärken, und sich auf die Definition von Problemen zu konzentrieren.
Wertschöpfung bei Unsicherheit
Ein Job, bei dem es nicht nur um „richtig machen“ geht, sondern um „Entscheidungen bei unvollständigen Informationen“ und das Risiko zu tragen. Komplexe Verhandlungen, Krisenmanagement, interkulturelle Organisationen, Hochrisikoinvestitionen. KI kann Analysen und Empfehlungen liefern, aber nicht unterschreiben, keine Verantwortung übernehmen, keine nonverbale Kommunikation im Essen interpretieren.
Diese Rollen werden nicht an Wert verlieren, sondern profitieren: Durch die Reduktion der Grundkosten kann mit demselben Budget mehr bewegt werden, die Entscheidungsmacht wächst.
Viele Menschen arbeiten in mehreren dieser Bereiche gleichzeitig. Ein einfacher Selbsttest: Überlege, wie viel deiner täglichen Arbeit klar in eine Anweisung gefasst werden kann, wie viel du im Unklaren entscheiden musst. Je höher der Anteil der klaren Anweisungen, desto dringender ist eine Veränderung.
Hör auf, dich über Werkzeuge zu sorgen, und nutze öffentliche Rechenleistung als Wettbewerbsvorteil
Ende Januar kam OpenClaw („Krebs“), innerhalb weniger Tage über 170.000 GitHub-Sterne. Anbieter folgen schnell, Alibaba Cloud bietet One-Click-Deployment, Tencent stellt CoPaw vor, MiniMax, Kimi und andere bieten kompatible Lösungen.
Doch eine interessante Beobachtung: Viele verbringen mehr Zeit damit, „wie man den Krebs deployt“ und „welcher Tarif günstiger ist“, als tatsächlich mit KI geschäftliche Ergebnisse zu erzielen. Nach der Implementierung kann jeder die Konfiguration in zwei Stunden kopieren.
„Alle großen Sprachmodelle – OpenAI, Anthropic, Meta, Google, xAI – werden mit denselben öffentlich verfügbaren Internetdaten trainiert. Sie sind im Wesentlichen gleich, was ihre schnelle Kommerzialisierung erklärt.“
— Larry Ellison, Oracle Q2 2026 Finanzbericht
Das bedeutet: Wenn deine Arbeit nur auf öffentlich zugänglichen großen Modellen basiert, ist dein Output homogen. Selbst wenn deine Anweisungen ausgeklügelt sind, hast du keine echte Schutzmauer.
Der wahre Schutz liegt im Übergang vom öffentlichen zum privaten Modell
Der Trend ist klar: Von Großunternehmen bis Startups setzen immer mehr Organisationen auf lokale, private Modelle. Der Grund ist die Datensicherheit: Niemand möchte sensible Geschäftsdaten an Dritte-APIs weitergeben. Doch eine unterschätzte Folge ist: Wenn alle Branchenführer ihre Daten und Wissen in private Systeme verlagern, wird öffentlich verfügbares Branchenwissen immer weniger und veraltet. Obwohl KI die Einstiegshürden senkt, verschwindet das wertvolle Branchenwissen zunehmend aus dem öffentlichen Netz und wandert in private Wissensbasen.
Dein jahrelang angesammeltes Branchenwissen wird nicht abgewertet, sondern aufgewertet. Vorausgesetzt, du nutzt es.
Sortiere deine unstrukturierten Erfahrungen, Chat-Protokolle, alte Mails, und strukturiere sie. Mache sie für dein privates Modell nutzbar. Laut TT3LABS-Daten haben Kandidaten mit über zwei Jahren Web3-Erfahrung eine deutlich höhere Erfolgsquote bei Vorauswahl als Generalisten. Der Grund: Branchen-Know-how ist wertvoller als allgemeine technische Fähigkeiten. Ein Operator mit drei Jahren CEX-Erfahrung kennt die Compliance-Logik und Insider-Regeln, ein DAO-Guru mit zwei Runden Erfahrung erkennt Trends bei Vorschlägen und Community-Stimmung, ein vertikal erfahrener Content-Creator versteht Zielgruppenpsychologie und Erzählrhythmus – all das findet sich nicht in öffentlichen Trainingsdaten.
Wenn du diese privaten Erfahrungen strukturierst und ins Modell einspeist, wird dein KI-Partner kein allgemeines Nachschlagewerk, sondern ein maßgeschneiderter Assistent, der nur für dich arbeitet. Diese Tiefe ist schwer für andere, die nur mit Standardmodellen arbeiten, nachzubauen.
Der Kern: KI verarbeitet öffentliches Wissen besser als alle, aber bei privatem Erfahrungswissen hängt alles von deinem Input ab. Wer tiefes Branchen-Know-how mit KI verbindet, ist in der neuen Arbeitsteilung der zentrale Vermögenswert.
Deine Erfahrungsdatenbank ist das eigentliche „Modell“
KI-Modelle entwickeln sich rasant. Heute GPT, Claude, Gemini – in sechs Monaten vielleicht durch noch stärkere Versionen ersetzt. Für dich ist ein Wechsel des Modells nur ein API-Wechsel. Das, was dich unersetzlich macht, ist dein privates Daten- und Erfahrungskorpus.
Modelle sind die Infrastruktur, jeder kann sie nutzen. Aber dein Branchenwissen, deine Business-Urteile, deine Fehlerprotokolle – das ist dein persönliches „Trainingsmaterial“. Je stärker das Modell, desto besser verarbeitet es dein Material, desto höher deine private Barriere. Deshalb ist es egal, ob du jetzt eine Wissensdatenbank aufbaust – sie ist eine Vermögenswerte, die durch Modell-Iterationen nicht an Wert verliert. Das Modell ändert sich, deine Datenbarriere wächst mit der KI-Fähigkeit.
Gleichzeitig wird die traditionelle Karriere-Logik neu geschrieben. Früher konnten Mitarbeiter durch Überstunden ihre Einstellung zeigen. Doch wenn Maschinen 24/7 outputen, ist der Wettbewerb „Ich kann länger durchhalten“ obsolet.
Viele sagen: „Ich bringe noch emotionale Werte ins Team.“ Das ist richtig, das ist menschlich. Aber der Mehrwert hängt von deiner Hierarchie ab. Wenn das Team von zehn auf zwei Personen plus AI schrumpft, verschwindet der „Team-Glue“ im Szenario. In der Führungsebene hingegen sind komplexe Verhandlungen, Vertrauensaufbau, Konfliktlösung zwischen Interessen viel wertvoller, weil die Grundkosten sinken. Emotionale Werte wandern nach oben.
Kurz gesagt: Im KI-Zeitalter ist die wichtigste Investition nicht, welches Tool du benutzt, sondern deine private KI-Strategie. Werkzeuge werden besser, dein Erfahrungswissen bleibt.
Drei Schritte, die du sofort starten kannst
Zurück zum Block-Beispiel: Manche wurden entlassen, andere bleiben. Der Unterschied: Nach der Etablierung von KI als Standard-Produktionsmittel bleibt nur noch, wer unersetzlich ist. Warte nicht auf firmeninterne KI-Schulungen. Beginne heute mit diesen Schritten:
01. Von „Eigenleistung“ zu „Arbeitsabläufe aufbauen“
Der größte Fehler ist, KI nur zum „Faulenzen“ zu nutzen (z.B. für Wochenberichte, E-Mails). Das ist nur eine Ausführungsperspektive. Wirklich solltest du dich als „Auftragsnehmer“ sehen, der die wichtigsten Kernprodukte deines Jobs in eine automatisierte KI-Produktionslinie umwandelt.
Nicht gleich zehn Modelle testen, sondern ein bewährtes Tool (z.B. ChatGPT Plus oder Claude) auswählen und es in den zeitintensivsten, erfahrungsabhängigen Bereich integrieren. Die bisher manuelle „Datensammlung → Analyse → Ergebnis“-Kette umwandeln in: „Automatisiertes Sammeln → KI-Analyse → Menschliche Feinjustierung“. Wenn du es schaffst, den Arbeitsaufwand von einer Woche auf einen Tag zu reduzieren, bei gleichbleibender Qualität, bist du kein einzelner Rechenknoten mehr, sondern eine „Mini-Firma“ mit hohem Hebel.
02. Verborgene Erfahrungen „kapseln“ und zum persönlichen digitalen Zwilling machen
Große Modelle lernen aus öffentlich verfügbaren Daten. Sie verstehen Theorien, aber nicht deine speziellen Kunden, deine internen Fallstricke. Diese „Dark Knowledge“ ist dein wertvollstes Asset.
Wenn du es nur im Kopf hast, bringt es keinen Mehrwert. Nutze die aktuellen Möglichkeiten (z.B. Custom GPTs, Claude Projects), um deine Erfahrungen in systematische Anweisungen zu verwandeln. Füttere sie mit Fallstudien, Fehleranalysen, ungeschriebenen Regeln. Ziel ist kein statisches Nachschlagewerk, sondern ein persönlicher Assistent, der nur für dich arbeitet. Wenn dieser „digitale Zwilling“ fertig ist, kannst du mit einem maßgeschneiderten KI-Partner konkurrieren.
03. Mehr Kontrolle bei Problemdefinition und Verantwortlichkeit
Beginne, die Fragen „Antworten finden“ an die Maschine zu delegieren, und selbst bei „Fragen stellen“ und „Entscheidungen treffen“ die Kontrolle zu behalten. KI kann Empfehlungen liefern, aber nicht die Geschäftsziele hinterfragen. Nur du kannst entscheiden, welche Lösung realistisch ist, welche Prioritäten passen.
Außerdem: KI übernimmt keine Verantwortung. Wenn du Code oder Pläne einreichst, musst du sagen können: „Ich habe die Ergebnisse geprüft, ich trage die Verantwortung.“ Diese Bereitschaft, Verantwortung zu übernehmen, ist ein Wert, den keine Maschine ersetzen kann.
Dorsey sagt: „Die meisten Unternehmen sind schon zu spät.“ Für den Einzelnen gilt das umgekehrt: Viele haben noch nicht begonnen, sich vorzubereiten, und erkennen den Trend nicht.
Nicht jeder muss KI-Experte werden. Aber jeder sollte sich fragen: Welche Aufgaben in deinem Job werden früher oder später von Maschinen erledigt? Welche bleiben deine Kernkompetenz? Dann solltest du deine Zeit und Energie auf die letzten konzentrieren.
Wenn KI in allen Bereichen den Menschen überholt, könnte das schon 2027 oder 2030 passieren. Aber das ist keine Veränderung, die du nur beobachten kannst.
Sie wartet nicht auf dich.
