KI-native Entlassungen: Warum die Märkte jubeln, während Arbeitnehmer verlieren
Veröffentlicht: 27. Februar 2026
Die Block-Aktie stieg am 26. Februar 2026 im Nachbörsenhandel um 25 %. Die Nachricht, die dies auslöste: 4.000 Menschen hatten gerade ihren Job verloren.
Diese Zahl verdient Aufmerksamkeit. Ein Unternehmen entlässt 40 % seiner Belegschaft — von rund 10.000 Mitarbeitern auf 6.000 — und die Marktreaktion ist Euphorie. Keine Besorgnis, keine Vorsicht. Euphorie. Die Aktienkursreaktion ist die eigentliche Geschichte, denn sie signalisiert etwas viel Größeres als die Umstrukturierung eines einzelnen Unternehmens.
KI-Entlassungen 2026: Das Block-Playbook nimmt Form an
Jack Dorseys interne Mitteilung war direkt: „Wir machen Block heute kleiner." Das Framing drumherum war alles andere als direkt — es war durchdacht, strategisch und zunehmend vertraut. Block, das Fintech-Unternehmen hinter Square und Cash App, wird „KI-nativ". Es integriert KI in seine gesamten Abläufe, um menschliche Arbeitsabläufe und letztlich menschliche Köpfe zu ersetzen.
Die Einzelheiten sind hier entscheidend. Block ging von rund 10.000 auf 6.000 Mitarbeiter zurück. Das ist kein Trimming oder eine leistungsbasierte Personalreduzierung. Das ist eine strukturelle Entscheidung darüber, was für ein Unternehmen Block sein will. Und der Markt liebte es.
Laut Reuters-Berichterstattung vom 26. Februar 2026 stiegen Blocks Aktien im Nachbörsenhandel um mehr als 25 %. LA Times, NYT und SiliconAngle bestätigten alle dieselbe Geschichte: KI-native Transformation als Rechtfertigung, massiver Stellenabbau als Mechanismus, Aktienkurssteigerung als Validierung.
Der Schlüsselbegriff in Dorseys Framing — „KI-nativ" — trägt schwer. Er signalisiert Absicht, bietet aber auch Deckung. KI-nativ bedeutet nicht nur „wir nutzen KI-Tools". Es bedeutet „wir glauben, dass ein kleineres Team, unterstützt von KI, das leisten kann, was früher ein größeres Team getan hat." Ob dieser Glaube auf nachgewiesenen Produktivitätsgewinnen beruht, ist eine separate Frage.
Das aufkommende Muster: Wenn „KI-Effizienz" zur neuen Restrukturierungssprache wird
Block agiert nicht im Vakuum. Der Entlassungsmarkt wurde in den letzten 18 Monaten durch die zunehmende Verfügbarkeit von KI-Entwicklertools, Coding-Assistenten und agentischen Workflows neu gestaltet. Unternehmen aus Fintech, Unternehmenssoftware und sogar Consumer-Tech führen still und leise Experimente durch: Was passiert, wenn wir X menschliche Prozesse durch KI-gestützte Pipelines ersetzen?
Was Block anders gemacht hat, ist, die Schlussfolgerung öffentlich und explizit zu machen, bevor die Produktivitätsgewinne vollständig demonstriert wurden. Das ist das Playbook, das sich in Echtzeit herausbildet:
- „KI-native Transformation" ankündigen — als zukunftsorientierte strategische Entscheidung framen
- Mitarbeiterzahl substanziell reduzieren (20-50%-Bereich)
- Den Markt den Schritt mit einem Kursanstieg belohnen lassen
- Zusehen, wie andere Vorstände ihre CEOs fragen, warum sie dasselbe nicht tun
Die Blackstone-Investition von 1,2 Milliarden Dollar in Neysa (ein indisches KI-Cloud-Startup, das 20.000 GPUs einsetzt, bereits Mitte Februar angekündigt) zeigt, wohin das Kapital fließt: in KI-Infrastruktur, die groß angelegte Automatisierung machbar macht. Die Angebotsseite baut schnell aus. Die Nachfrageseite — das sind die Personalentscheidungen in Unternehmen — wird folgen.
Dieses Muster ist nicht einzigartig für Block. Es ist das entstehende Drehbuch für die nächste Phase der KI-Adoption in Unternehmen: nicht KI als Wettbewerbsvorteil, sondern KI als Rechtfertigung für Stellenabbau.
Mollicks Gegengewicht: Die Produktivitätslücke, die niemand zugeben möchte
Nicht alle sind überzeugt, dass die Rechnung aufgeht.
Ethan Mollick, Professor für Management an der Wharton School und einer der sorgfältigsten KI-Forscher, die öffentlich publizieren, widersprach direkt den Produktivitätsbehauptungen, die Entscheidungen wie die von Block zugrunde liegen. Seine Einschätzung, die am 26. Februar 2026 weit geteilt wurde:
„Angesichts der Tatsache, dass effektive KI-Tools sehr neu sind und wir wenig Ahnung haben, wie wir die Arbeit um sie herum organisieren sollen, ist es schwer vorstellbar, dass ein Unternehmen plötzlich einen 50%igen Effizienzgewinn erzielt. CEOs mit Vision, die gute Mitarbeiter eingestellt haben, sollten KI für Expansion und Stärkung nutzen, nicht für Dezimierung."
Das ist wichtig, weil Mollick kein KI-Skeptiker ist — er hat umfangreiche Forschungen zu den Produktivitätseffekten von KI veröffentlicht und findet sie generell positiv. Sein Widerspruch betrifft Maßstab, Geschwindigkeit und organisationales Wissen. Ein plötzlicher, firmenweiter Effizienzgewinn von 50 % über eine Organisation von 10.000 Menschen mit vielfältigen Funktionen hinweg — das ist eine außerordentliche Behauptung. Und außerordentliche Behauptungen erfordern außerordentliche Beweise.
Die Beweise scheinen noch nicht vorhanden zu sein. KI-Coding-Assistenten beschleunigen tatsächlich die individuelle Entwicklerproduktivität — Studien deuten auf Verbesserungen von 20-55 % bei spezifischen Aufgaben hin. Aber das ist weit entfernt von „wir können jetzt alles mit 40 % weniger Menschen im gesamten Unternehmen erledigen."
Die präzisere Version dieses Punktes kam von einem Entwickler namens rvivek, dessen einzeiliger Kommentar den Lärm durchschnitt: „90 % des Codes von KI geschrieben und 90 % weniger Nachfrage nach Software-Ingenieuren sind Welten voneinander entfernt."
Er hat recht. Schneller Code schreiben bedeutet nicht automatisch, dass man weniger Menschen braucht. Es könnte bedeuten, dass man mehr Code schreibt, mehr Features liefert und ehrgeizigerere Probleme angeht. Der Produktivitätsgewinn durch KI-Tools hat kein festes Ziel — er kann in Richtung Expansion oder Kontraktion gehen. Block wählte Kontraktion. Der Markt jubelte.
Für Entwickler: Die duale Realität, in der ihr lebt
Hier ist die unbequeme Position, in der sich Entwickler seit Anfang 2026 befinden: Ihr baut gleichzeitig die Tools, die das ermöglichen, und seid potenziell den Konsequenzen davon ausgesetzt.
Wenn ihr an KI-Coding-Assistenten, LLM-gestützten Entwicklertools oder Agenten-Frameworks arbeitet — herzlichen Glückwunsch, ihr helft dabei, die Infrastruktur aufzubauen, die Unternehmen wie Block nutzen, um ihre Ingenieurzahlen zu rechtfertigen. Das ist keine moralische Verurteilung; es ist nur die Form der Sache.
Gleichzeitig, wenn ihr Software-Ingenieure bei einem Unternehmen seid, das jetzt Blocks Kursanstieg beobachtet und die KI-Effizienz-Rechnung für seine eigene Belegschaft aufstellt, habt ihr echten Grund, darüber nachzudenken, wie euer Job in 18 Monaten aussieht.
Der KI-Arbeitsmarkt für Entwickler im Jahr 2026 teilt sich in zwei Bahnen auf. Auf einer Bahn: hohe Nachfrage nach Ingenieuren, die KI-Systeme bauen, warten und integrieren können — Menschen, die sowohl die Modelle als auch die Systeme, auf denen sie laufen, verstehen. Diese Bahn ist gesund und wird gesünder. Auf der anderen Bahn: allgemeine Software-Entwicklungsrollen bei Unternehmen, die KI-Tools nutzen, um ihre Ingenieurteams zu komprimieren. Diese Bahn steht unter echtem Druck.
Die Unterscheidung, die zählt — und auf die Mollick hinweist — ist, ob Unternehmen KI zur Augmentation nutzen (gleiches Team, mehr Output, höhere Decke) oder zum Ersatz (kleineres Team, ungefähr ähnlicher Output, niedrigere Kosten). Im Moment zeigt der Marktanreiz in Richtung Ersatz. Das verdient ernsthafte Aufmerksamkeit.
Bei Context Studios: Warum wir das anders sehen
Bei Context Studios bauen wir KI-native Entwicklungs-Workflows — das ist buchstäblich das, was wir tun. Wir nutzen Claude Code, agentische Pipelines und MCP-basiertes Tooling, um mit einem kleinen Team das zu erreichen, was vor drei Jahren deutlich mehr Menschen erfordert hätte. Wir haben die Produktivitätsgewinne selbst erlebt, auf die sich Unternehmen wie Block jetzt beziehen, um große Stellenabbau-Maßnahmen zu rechtfertigen.
Hier ist unsere ehrliche Einschätzung: Die Gewinne sind real. KI-Tools haben tatsächlich erweitert, was ein kleines, kompetentes Team leisten kann. Aber wir glauben nicht, dass das beweist, was Blocks Schritt zu beweisen versucht.
Die Produktivitätsgewinne, die wir bei Context Studios erfahren haben, sind Fähigkeitsgewinne, nicht nur Geschwindigkeitsgewinne. Wir können komplexere Projekte übernehmen, schneller liefern und höhere Codequalität aufrechterhalten — aber wir machen nicht dieselbe Arbeit mit weniger Menschen. Wir machen andere und ehrgeizigere Arbeit. Das ist Augmentation, nicht Dezimierung.
Das Szenario, dem wir widersprechen würden, ist das, bei dem ein Unternehmen mit 10.000 Mitarbeitern sechs Monate lang KI-Tools nutzt, entscheidet, dass die Tools „gut genug" sind, und dann 40 % des Teams abbaut in der Annahme, dass die Produktivität aufrechterhalten wird. Das ist keine Augmentation — das ist eine Wette auf die aktuellen KI-Fähigkeiten, die aufgehen kann oder auch nicht. Und die Menschen, die den Preis zahlen, wenn sie nicht aufgeht, sind die 4.000, die ihren Job verloren haben, nicht die Aktionäre, die den 25%igen Kursanstieg bekamen.
Wir bauen KI-nativ. Wir tun es bewusst, sorgfältig und ohne die Menschen zu dezimieren, die die Arbeit möglich machen. Das schließt sich gegenseitig nicht aus.
Vorbehalte: Wann KI-basierter Stellenabbau tatsächlich Sinn ergibt
Ehrlichkeit erfordert anzuerkennen, dass nicht jeder KI-getriebene Stellenabbau nur Fassade ist. Es gibt legitime Fälle, in denen KI tatsächlich menschliche Arbeit im Maßstab ersetzt und Stellenabbau die rationale Reaktion ist.
Wenn es tatsächlich Sinn ergibt:
- Repetitive, klar definierte Aufgaben mit klaren Erfolgsmetriken (Dokumentenverarbeitung, grundlegender Kundensupport, Dateneingabe im Maßstab)
- Funktionen, bei denen die KI-Genauigkeit über Zeit mit realem Produktionsverkehr validiert wurde
- Schrittweise Reduzierungen durch natürliche Fluktuation, keine Massenentlassungen — Zeit lassen, um tatsächliche Produktivitätsauswirkungen zu beobachten
- Unternehmen, die gleichzeitig Umsatzwachstum oder Produkterweiterung demonstrieren und damit beweisen, dass die Produktivitätsgewinne real sind
Wenn es wahrscheinlich Deckmantel ist:
- Massenentlassungen wenige Wochen nach dem Bekenntnis zur „KI-nativen Transformation" angekündigt — unzureichende Zeit zur Validierung von Produktivitätsbehauptungen
- Keine begleitenden Belege für KI-Tool-Adoptionsmetriken (welche Tools, welche Nutzung, welche gemessene Verbesserung)
- Die Reduzierung betrifft unverhältnismäßig stark nicht-technische Rollen, bei denen KI-Tools weniger bewiesen sind
- Die Marktreaktion ist das primäre zitierte Signal — der Aktienkurs ist kein Beweis für Produktivität
Blocks Ankündigung landet irgendwo in der Mitte dieses Spektrums.
Drei Signale zum Beobachten: Echte Produktivität vs. Headcount-Theater
Wenn ihr Unternehmen, die sich mit KI wirklich transformieren, von solchen unterscheiden wollt, die das Narrativ nutzen, um Kosten zu senken, achtet auf diese drei Signale in den nächsten 12 Monaten:
1. Umsatz pro Mitarbeiter, 12 Monate später. Wenn Blocks KI-native Transformation real ist, sollte ihr Umsatz pro Mitarbeiter deutlich steigen — nicht nur weil sie weniger Mitarbeiter haben, sondern weil das KI-unterstützte Team mehr Output produziert. Achtet auf die Q1- und Q2-2026-Gewinnberichte von Block.
2. Produkt-Velocity. Unternehmen, die mit KI wirklich produktiver sind, liefern mehr Produkt. Sie launchen mehr Features, erschließen neue Märkte und steigern die Komplexität ihres Angebots. Wenn Blocks Produkt-Roadmap nach den Entlassungen langsamer wird oder stagniert, ist das KI-Effizienz-Narrativ verdächtig.
3. Der Wiedereinstellungstest. Unternehmen, die aus Produktivitätsgründen entlassen, müssen selten schnell wieder einstellen. Unternehmen, die aus Kostengründen entlassen — mit KI als Deckmantel — entdecken oft innerhalb von 6-12 Monaten, dass sie die Menschen zurückbrauchen, oder dass die Qualität auf Weisen gesunken ist, die im Aktienkurs nicht sichtbar sind. Achtet auf Blocks Mitarbeiterzahlen im Jahr 2027.
Häufig gestellte Fragen
Wird KI Software-Ingenieure wirklich ersetzen?
Nicht vollständig und nicht sofort — aber der Druck auf allgemeine Software-Engineering-Rollen ist real und wächst. Was passiert, ist eine Bifurkation: Ingenieure, die KI-Systeme bauen und integrieren können, sind sehr gefragt, während Ingenieure, die routinemäßige Entwicklungsarbeit erledigen, die KI-Tools jetzt übernehmen können, unter Druck geraten. Das Ersetzungsrisiko ist am höchsten für Rollen, bei denen die Arbeit klar definiert, repetitiv ist und kein architektonisches Urteil oder neuartiges Problemlösen erfordert.
Was ist der Unterschied zwischen KI-Augmentation und KI-Ersatz?
Augmentation bedeutet, dass KI-Tools dein bestehendes Team leistungsfähiger machen — ihr liefert mehr, geht härtere Probleme an und erweitert das Mögliche mit ähnlicher Mitarbeiterzahl. Ersatz bedeutet, dass KI-Tools genug von der Arbeit erledigen, dass ihr weniger Menschen braucht, um denselben Output zu erreichen. Beide Phänomene sind real. Der Schlüsselunterschied ist, was mit Produkt und Umsatz passiert: Augmentationsunternehmen wachsen; Ersatzunternehmen werden einfach schlanker.
Sollten Entwickler Unternehmen meiden, die „KI-nativ werden"?
Nicht unbedingt, aber das Framing ist wichtig. „KI-nativ" kann bedeuten, dass ein Unternehmen ernsthaft in Entwicklertools investiert und euch genuinen interessante Arbeit mit KI-Systemen bietet. Oder es kann bedeuten, dass sie das Block-Playbook fahren — Mitarbeiterzahl reduzieren und es als Strategie framen. Macht Due Diligence: Fragt nach spezifischen genutzten KI-Tools, wie die Ingenieur-Roadmap nach der Reduzierung aussieht und ob das Unternehmen in Entwicklerproduktivität oder nur Kostenreduzierung investiert.
Wie unterscheidet sich Blocks Modell von Unternehmen, die KI für Wachstum nutzen?
Block nutzt KI als Rechtfertigung für Stellenabbau bei in etwa gleicher Umsatzbasis — das ist Effizienz durch Kompression. Unternehmen, die KI für Wachstum nutzen, erweitern ihre Produktfläche, erschließen neue Märkte oder bedienen mehr Kunden mit ihren KI-unterstützten Teams. Der Unterschied liegt darin, ob KI ihnen ermöglicht, mehr zu tun, oder einfach dasselbe mit weniger. Beide beeinflussen den Arbeitsmarkt, aber auf unterschiedliche Weise: Wachstumsunternehmen stellen selektiv ein, Effizienz-Kompressions-Unternehmen stellen überhaupt nicht ein.
Was sollte ein Entwickler tun, wenn sein Unternehmen eine „KI-native Transformation" ankündigt?
Stelle spezifische Fragen: Welche KI-Tools wurden bereits eingesetzt? Was sind die Belege für bisher erzielte Produktivitätsgewinne? Wird die Mitarbeiterzahl in allen Funktionen reduziert oder hauptsächlich in bestimmten Bereichen? Wie sieht die Produkt-Roadmap für die nächsten 12 Monate aus? Die Antworten werden zeigen, ob dies ein Unternehmen ist, das genuinen etwas Interessantes mit KI aufbaut, oder eines, das Kosten senkt und KI als Narrativ nutzt. In jedem Fall ist es ein vernünftiger Moment, den Lebenslauf zu aktualisieren und zu verstehen, wie die eigene spezifische Rolle in der transformierten Organisation aussieht.
Weiterführende Lektüre: Warum CLIs, Agent Frameworks und MCP Apps die Zukunft der Softwareentwicklung sind | Perplexity Computer vs Claude Cowork