Metas KI-Personalplan ist kein Ausrutscher – sondern ein Warnsignal für die ganze Branche

Bei Meta ging es offenbar um mehr als ein paar Effizienzideen. Intern stand demnach ein radikaler Umbau im Raum: Teams sollten um bis zu 60 Prozent schrumpfen, in zwei Wellen, bekannt unter dem Namen „Project OT“. Das Ziel: ein „AI native“ aufgestellter Konzern, in dem KI-Agenten einen Teil der Arbeit von Beschäftigten übernehmen.

Der Plan scheiterte. Mitarbeitende wehrten sich. Und die eingesetzten KI-Agenten lieferten nicht die Leistung, die man intern offenbar erwartet hatte. Kurz vor einer größeren Entlassungsrunde im Mai stoppte Mark Zuckerberg laut den bekannt gewordenen Details sogar die Planung weiterer Kürzungen.

Das Problem ist größer als Meta

Die Geschichte wirkt auf den ersten Blick wie eine klassische Tech-Überdehnung: Management sieht in generativer KI die nächste Produktivitätsmaschine, rechnet zu früh mit Einsparungen und läuft dann in die Grenzen der Technik. Genau darin liegt aber die eigentliche Brisanz. Meta ist kein kleines Startup mit einer überdrehten Folienstrategie, sondern einer der finanzstärksten Konzerne der Branche.

Wenn selbst dort der Versuch scheitert, Belegschaft in großem Stil durch KI-Agenten zu ersetzen, dann sagt das viel über den realen Stand dieser Systeme. KI kann Aufgaben beschleunigen. Sie kann Vorlagen bauen, Prozesse anstoßen, interne Tools stützen. Aber aus solchen Fortschritten folgt nicht automatisch, dass ganze Teams austauschbar sind.

„AI native“ klingt hart – und ist es auch

Der Begriff „AI native“ hat in vielen Konzernen gerade einen glänzenden Klang. Er steht für Tempo, Automatisierung, weniger Reibung. In der Praxis ist er oft auch ein Codewort für Personalabbau. Genau deshalb ist der Fall Meta so aufschlussreich. Hier zeigt sich, wie schnell aus einer Technologieerzählung ein sehr klassisches Sparprogramm werden kann.

Bis zu 60 Prozent weniger Teamgröße sind keine Feinjustierung. Das ist ein Eingriff in die Arbeitsfähigkeit eines Unternehmens. Wer so plant, betrachtet KI nicht als Werkzeug für Beschäftigte, sondern als Ersatz für sie. Das ist eine andere Kategorie von Strategie – und eine mit hohem Risiko.

Warum die KI-Agenten an Grenzen stoßen

Dass die KI-Agenten „nicht wie erwartet“ funktionierten, ist der entscheidende Punkt. Denn genau hier kollidiert die Vision mit dem Alltag. Viele Aufgaben in großen Organisationen bestehen nicht nur aus Textproduktion oder dem Abarbeiten klarer Regeln. Es geht um Abstimmung, Kontext, implizites Wissen, Eskalationen, Verantwortung und Fehlersituationen.

KI kann in solchen Umgebungen helfen. Aber sie scheitert oft genau dort, wo Arbeit unordentlich wird. Und in Konzernen ist Arbeit fast immer unordentlich. Wer diese Reibung aus dem Organigramm herauskalkuliert, baut auf Annahmen, nicht auf belastbare Prozesse.

Der interne Widerstand war absehbar

Dass Mitarbeitende sich gegen den Plan stellten, überrascht wenig. Wenn ein Unternehmen in zwei Wellen massive Kürzungen vorbereitet und diese mit KI begründet, geht es nicht nur um Stellen. Es geht um Vertrauen. Beschäftigte hören dann nicht „Transformation“, sondern: Eure Arbeit wird als austauschbar betrachtet.

Für ein Unternehmen wie Meta ist das heikel. Solche Signale wirken direkt auf Motivation, Loyalität und die Bereitschaft, riskante Projekte mitzutragen. Wer Innovation will, kann nicht gleichzeitig den Eindruck erzeugen, dass Belegschaft vor allem ein Kostenblock ist, den man möglichst schnell durch Software ersetzt.

Für die Branche ist das eine unbequeme Lektion

Der Fall passt in einen größeren Trend. Viele Tech-Konzerne verkaufen KI gerade als Produktivitätsrevolution. Investoren hören das gern, weil es nach Wachstum und sinkenden Kosten klingt. Doch zwischen Demo, Pilotprojekt und echter Organisationsleistung liegt ein tiefer Graben.

Meta zeigt nun sehr deutlich, was passiert, wenn das Management diesen Graben zu klein rechnet. Die Technik ist stark genug, um Erwartungen hochzutreiben. Aber oft noch nicht stabil genug, um tief in Personalmodelle einzugreifen, ohne dass das Unternehmen selbst Schaden nimmt.

Die klare Lehre daraus: Wer KI zuerst als Entlassungsmaschine denkt, setzt falsch an. Der robustere Weg ist unspektakulärer. Teams mit KI produktiver machen. Prozesse umbauen. Messbar testen, wo Systeme wirklich tragen. Und erst dann über Strukturfolgen sprechen.

Bei Meta ist dieser Ablauf offenbar umgedreht worden. Genau deshalb ist die Geschichte mehr als eine interne Fehlplanung. Sie ist ein Warnsignal für eine Branche, die gerade dazu neigt, die organisatorische Realität dem KI-Hype unterzuordnen.