Im Inneren von Amazons „Tokenmaxxing“-Problem

Wenn KI-Adoptionsziele Verhalten formen

Berichten zufolge nutzen Amazon-Mitarbeiter ein internes KI-Tool, um nicht essenzielle Aufgaben zu automatisieren und so ihre scheinbare Nutzung der KI-Systeme des Unternehmens zu erhöhen. Die Praxis, die in einem von Ars Technica auf Grundlage der Financial Times veröffentlichten Bericht beschrieben wird, wird intern als „tokenmaxxing“ bezeichnet. Der Name ist scherzhaft, doch das zugrunde liegende Problem ist ernst: Wenn das Management die KI-Nutzung als Kennzahl betont, optimieren Menschen möglicherweise die Kennzahl statt für nützliche Arbeit.

Laut dem Bericht setzt Amazon ein internes Produkt namens MeshClaw breit ein, das es Mitarbeitern ermöglicht, KI-Agenten zu erstellen, die mit Arbeitsplatzsoftware verbunden sind und Aufgaben im Namen des Nutzers ausführen. Mehrere Mitarbeiter sagten, Kollegen hätten das System genutzt, um zusätzliche, unnötige KI-Aktivität zu erzeugen, um den Token-Verbrauch zu erhöhen, also die Dateneinheiten, die Modelle verarbeiten.

Die Anreize hinter dem Verhalten

Der Artikel sagt, Amazon habe Ziele eingeführt, wonach mehr als 80 Prozent der Entwickler jede Woche KI nutzen sollten, und habe Anfang des Jahres begonnen, den KI-Token-Verbrauch auf internen Ranglisten zu verfolgen. Obwohl Amazon den Mitarbeitern Berichten zufolge mitgeteilt habe, dass Token-Statistiken nicht in Leistungsbeurteilungen einfließen würden, sagten mehrere Beschäftigte, sie glaubten dennoch, dass Manager die Daten beobachteten.

Genau diese Art von Unklarheit begünstigt performative Nutzung. Wenn Beschäftigte glauben, dass ein gemessenes Verhalten ihre Position beeinflussen könnte, versuchen sie oft, das sichtbare Signal zu maximieren, selbst wenn die zugrunde liegende Aktivität kaum oder keinen Wert liefert. In diesem Fall kann das bedeuten, KI für Aufgaben zu nutzen, die keine Automatisierung brauchten, oder Aktivität hauptsächlich zu erzeugen, damit die Kennzahlen Teilnahme widerspiegeln.

Der Bericht zitiert einen Mitarbeiter, der sagte, es habe „so viel Druck“ gegeben, die Tools zu nutzen, und einen anderen, der sagte, Manager sähen sich die Nutzungsdaten an. Ob diese Statistiken formal Bewertungen beeinflussen oder nicht, die Wahrnehmung, dass sie wichtig sind, kann ausreichen, um das Verhalten am Arbeitsplatz zu verändern. Kennzahlen müssen keine offiziellen Leistungsziele sein, um zu informellen Machtsignalen zu werden.

Warum das über Amazon hinaus wichtig ist

Die unternehmensspezifischen Details sind bemerkenswert, doch das größere Problem reicht weit über einen einzelnen Arbeitgeber hinaus. In der gesamten Tech-Branche versuchen Unternehmen, die Rendite ihrer großen KI-Investitionen zu belegen, während sie generative Tools zugleich tiefer in alltägliche Arbeitsabläufe drücken. In diesem Umfeld können Adoptionszahlen zu einem Ersatz für strategische Dynamik werden.

Das Problem ist, dass Adoption nicht dasselbe wie Produktivität ist. Eine Belegschaft kann beeindruckende Nutzungszahlen erzeugen, ohne entsprechende Gewinne bei Output, Qualität oder Geschwindigkeit zu erzielen. Wenn Mitarbeiter anfangen, Aufgaben mit geringem Wert nur zu automatisieren, um die Token-Zahlen zu erhöhen, können die resultierenden Daten die Führung aktiv in die Irre führen, indem sie die Tool-Nutzung gesünder erscheinen lassen, als sie tatsächlich ist.

MeshClaw und das Wachstum agentischer Bürosoftware

Amazons MeshClaw wird als System beschrieben, das es Mitarbeitern ermöglicht, KI-Agenten zu bauen, die sich mit Arbeitsplatzsoftware verbinden und im Namen eines Nutzers handeln können. Damit ist es Teil eines breiteren Wechsels hin zu agentischen Unternehmens-Tools, bei denen Modelle nicht nur Fragen beantworten, sondern Aktionen auslösen, Informationen zwischen Systemen verschieben und operative Aufgaben übernehmen.

Der Reiz solcher Tools ist offensichtlich. Sie versprechen Hebelwirkung: weniger manuelle Schritte, schnellere Aufgabenerledigung und die Möglichkeit, repetitive digitale Arbeit zu delegieren. Aber sie schaffen auch eine neue Berichtsebene innerhalb von Organisationen. Wenn jede Aktion gezählt, jeder Mitarbeiter gerankt und jeder Token nachverfolgt werden kann, wird die KI-Nutzung selbst zu einem Managementobjekt.

Der Bericht merkt an, dass Amazon den Zugriff auf teamweite Statistiken kürzlich eingeschränkt habe, sodass nur Mitarbeiter und Manager die Daten sehen können. Diese Änderung deutet darauf hin, dass das Unternehmen möglicherweise bereits versucht, zu kalibrieren, wie Sichtbarkeit Verhalten beeinflusst. Sobald sich eine Ranglistenkultur um interne KI-Tools bildet, lässt sich echte Experimentierfreude schwer von Punktejagd trennen.

Ein kostspieliger Hintergrund für internen Druck

Der Vorstoß findet vor dem Hintergrund enormer Ausgaben statt. Der Bericht sagt, dass Amazon in diesem Jahr voraussichtlich 200 Milliarden Dollar an Investitionen ausgeben wird, wobei der weitaus größte Teil in KI- und Rechenzentrumsinfrastruktur fließt. Eine solche finanzielle Verpflichtung erhöht naturgemäß den Druck, Auslastung zu zeigen. Die Führung will Belege dafür sehen, dass teure Infrastruktur nicht ungenutzt herumsteht.

Aus dieser Sicht sind Token-Zahlen verführerisch. Sie sind sofort verfügbar, quantifizierbar und leicht zu vergleichen. Doch sie sind auch ein oberflächlicher Proxy. Eine hohe Token-Gesamtzahl könnte produktive Programmierunterstützung, vergeudete Experimente, doppelte Aufgaben oder reines Tokenmaxxing widerspiegeln. Ohne stärkere Ergebniskennzahlen können Nutzungsdaten eine selbstbewusste, aber unvollständige Geschichte erzählen.

Die Management-Lehre

Die wichtigste Lehre ist hier nicht, dass Mitarbeiter eine Kennzahl manipuliert haben. Mitarbeiter manipulieren Kennzahlen ständig, wenn die Anreize es rational machen. Die eigentliche Lehre ist, dass Organisationen genau festlegen müssen, wofür sie belohnen. Wenn das Ziel bessere Software, schnellere Lieferung oder hochwertigere interne Abläufe ist, dann sollten diese Ergebnisse so direkt wie möglich gemessen werden. Wenn das gemessene Ziel einfach „mehr KI nutzen“ lautet, werden Beschäftigte Wege finden, genau das zu tun.

Das heißt nicht, dass Nutzungsdaten nutzlos sind. Sie können zeigen, ob Tools entdeckt werden, wo der Rollout ungleichmäßig ist oder welche Teams Unterstützung brauchen. Aber wenn Sichtbarkeit und Druck schneller wachsen als Klarheit über den Wert, wird die Kennzahl zum Spiel. Der Begriff „tokenmaxxing“ ist ein nützliches Warnschild für diesen Fehlmodus.

Ein Signal für die nächste Spannung im KI-Arbeitsalltag

Jahrelang drehte sich die Debatte über KI am Arbeitsplatz darum, ob Beschäftigte die Tools überhaupt annehmen würden. Die Amazon-Episode legt nahe, dass die nächste Phase anders sein könnte: Wie verhindert man Theater der Überadoption, oberflächliche Nutzungsanreize und interne Dashboards, die Verhalten verzerren? Während Unternehmen Belege suchen, dass KI-Investitionen sich auszahlen, könnten sie feststellen, dass die Messung der Nutzung der einfache Teil ist. Die Messung sinnvoller Nutzung ist schwieriger.

Diese Unterscheidung dürfte wichtiger werden, je mehr Enterprise-KI zum Standard wird. Die Organisationen, die damit gut umgehen, werden nicht die mit den höchsten Token-Zahlen sein. Es werden die sein, die den Unterschied zwischen echtem Hebel und teurem Lärm erkennen.

Dieser Artikel basiert auf Berichterstattung von Ars Technica. Den Originalartikel lesen.