Microsoft entließ am Montag 4.800 Beschäftigte, rund 2,1 Prozent der weltweiten Belegschaft, und erhöhte gleichzeitig sein KI-Infrastrukturbudget für das laufende Jahr auf etwa 190 Milliarden Dollar – ein Anstieg von mehr als 60 Prozent gegenüber 2025. Personalchefin Amy Coleman erklärte in einem internen Schreiben, die gestrichenen Stellen würden nicht durch KI ersetzt, räumte jedoch ein, dass KI die Art der Arbeit verändere. Der Vorgang verdichtet eine branchenweite Spannung: Rekordinvestitionen in Rechenkapazität und Modelle gehen mit Stellenstreichungen einher, während der betriebswirtschaftliche Nutzen der Technologie zunehmend hinterfragt wird.

Diese Skepsis speist sich aus konkreten Erfahrungen. Uber etwa hatte den KI-Assistenten Claude Code an rund 5.000 Entwickler ausgerollt; 95 Prozent nutzten KI-Werkzeuge, und 70 Prozent des neuen Codes entstanden unter KI-Beteiligung. Dennoch war das Jahresbudget für KI bereits nach vier Monaten erschöpft, weil der Token-Verbrauch die Prognosen weit übertraf. Konzernchef Andrew Macdonald räumte ein, es sei schwierig, einen klaren Zusammenhang zwischen dem gestiegenen KI-Aufwand und sichtbaren Produktverbesserungen herzustellen. Ähnliche Kostenparadoxien melden Beobachter aus weiteren Großunternehmen, was die Frage aufwirft, ob die auf Volumen getrimmten Abrechnungsmodelle der großen Sprachmodelle mit den Kalkülen der Anwender harmonieren.

Parallel dazu formiert sich eine neue Dienstleistungsklasse. Microsoft, OpenAI und Amazon investieren Milliarden in sogenannte Forward Deployed Engineers – Spezialisten, die direkt in Kundenunternehmen Prozesse umbauen und KI-Lösungen implementieren. Aus Washingtoner und Silicon-Valley-Sicht ist dies das Eingeständnis, dass der Engpass nicht in der Modellqualität liegt, sondern in der organisatorischen Umsetzung. Die Technologie allein genügt nicht; sie verlangt nach Übersetzern, die Geschäftslogik und Datenarchitektur zusammenführen. Brasilianische Forscher etwa demonstrierten anhand von 1.573 Beobachtungen zu Staatsanleihen, dass KI-Agenten in der Risikoerkennung zwar mehr Kapital in Stressphasen allozieren, aber das menschliche Urteil über die Außerkraftsetzung von Modellen nicht ersetzen können.

Bildungseinrichtungen reagieren auf diese Verschiebung mit analogen Gegenbewegungen. Die University of Chicago Law School verbannt Laptops aus den Vorlesungen des ersten Studienjahrs und setzt auf mündliche Prüfungen, um eigenständiges Denken zu erzwingen. Zugleich entstehen in wohlhabenden US-Milieus Privatschulen, die KI-gestütztes individualisiertes Lernen mit projektbasierten Lebenskompetenzen verbinden. Die Stanford-Forscherin Lucy Gill-Simmen warnt vor einer „epistemischen Atrophie“: Wenn KI-Antworten nicht mehr hinterfragt würden, verkümmere die Fähigkeit, Wissen selbstständig zu prüfen. Der Internationale Währungsfonds schließlich hält in seiner Juli-Ausgabe des World Economic Outlook fest, dass die KI-getriebene Investitionswelle vor allem jene Volkswirtschaften begünstigt, die in die Hardware-Lieferketten eingebunden sind, während weite Teile der Welt mit ungleichen Ergebnissen und wirtschaftlicher Instabilität rechnen müssen. Der nächste Prüfstein wird die Fähigkeit der Unternehmen sein, aus den Pilotprojekten belastbare Produktivitätskennziffern abzuleiten – und damit die Investoren zu überzeugen, deren Geduld angesichts gefallener Tech-Aktien schwindet.