Block, das Unternehmen hinter Square und Cash App, hat gestern 4.000 Menschen entlassen, das entspricht 40 Prozent der Belegschaft. CEO Jack Dorsey nennt es eine strategische Entscheidung für die KI-Zukunft. Für die Betroffenen klingt „intelligence-native company“ vermutlich anders als für die Investoren, die den Kurs nach oben trieben. Und für alle, die sich fragen, was KI tatsächlich mit Arbeitsplätzen macht, lohnt sich ein genauerer Blick – auf die Zahlen, die Narrative und die Forschung dahinter.
Meine These: Was Block macht, ist weniger KI-Transformation als eine aggressive Profitabilitätsmaßnahme im Gewand des Zeitgeists. Und Block ist kein Einzelfall. Es ist ein Muster, dem Forscher*innen mittlerweile einen Namen gegeben haben: AI-Washing.
Was Block tatsächlich sagt – und was die Zahlen zeigen
Dorseys Argumentation klingt auf den ersten Blick schlüssig. In seinem Aktionärsbrief schreibt er sinngemäß, dass KI-Tools die Art verändert hätten, wie man ein Unternehmen aufbaut und führt. Ein deutlich kleineres Team könne mit diesen Werkzeugen mehr leisten und das besser. Er positioniert die Entlassungen nicht als Reaktion auf eine Krise, sondern als vorausschauende Entscheidung. Die meisten Unternehmen, so Dorsey, würden innerhalb eines Jahres zu derselben Schlussfolgerung kommen.
Die Finanzdaten stützen zunächst seine Position: Block verzeichnete 2025 ein Bruttogewinnwachstum von 17 Prozent auf 10,36 Milliarden Dollar. Allein im vierten Quartal wuchs der Bruttogewinn um 24 Prozent. Cash App legte um 33 Prozent zu. Das ist kein Unternehmen in der Krise. Es ist ein Unternehmen, das bei guten Zahlen massiv Kosten senkt.
Und genau hier wird es aufschlussreich. Die Prognose für 2026 zeigt, wohin die Reise geht: Block erwartet eine Steigerung des bereinigten operativen Ergebnisses um 54 Prozent auf 3,2 Milliarden Dollar, bei einer operativen Marge von 26 Prozent statt bisher 20. Diese Verbesserung kommt nicht primär aus neuen KI-Produkten. Sie kommt aus dem Wegfall von 4.000 Gehältern. Die Restrukturierungskosten von 450 bis 500 Millionen Dollar amortisieren sich innerhalb weniger Quartale.
Ethan Mollick, KI-Forscher an der Wharton School, brachte es am selben Tag auf den Punkt: Da effektive KI-Tools noch sehr neu seien und wir wenig darüber wüssten, wie man Arbeit um sie herum organisiert, sei es schwer vorstellbar, dass ein Unternehmen plötzlich einen firmenweiten Effizienzgewinn von über 50 Prozent realisiere, der solche Einschnitte rechtfertige.
Das Muster: Pandemic Hiring trifft auf AI-Narrativ
Block beschäftigte Ende 2019 knapp 3.800 Menschen. Bis 2025 wuchs die Belegschaft auf über 10.000 – eine Verdreifachung in fünf Jahren, getrieben von der Pandemie-Nachfrage nach digitalen Zahlungslösungen. Gleichzeitig fiel der Aktienkurs um mehr als 75 Prozent seit seinem Höchststand. Das ist ein Unternehmen, das während des Booms massiv eingestellt hat und nun die Korrektur unter dem Label „KI-Transformation“ vollzieht.
Dieses Muster ist nicht einzigartig. CNN und andere Medien haben darauf hingewiesen, dass Meta seinen Personalbestand in etwa zwei Jahren fast verdoppelt hatte, bevor die Entlassungswellen kamen. Amazon, Pinterest, CrowdStrike, Chegg – sie alle haben in den letzten Monaten Stellen gestrichen und KI als Grund genannt. Chris Martin, Arbeitsmarktforscher bei Glassdoor, beschreibt es als einen Nachwirkungseffekt des überhitzten Arbeitsmarkts: Unternehmen, denen es gut geht, entscheiden sich trotzdem für Personalabbau, um die Profitabilität zu steigern.
Forrester, das Technologie-Analystenhaus, hat dieses Phänomen in seinem „Predictions 2026″-Report untersucht und festgestellt, dass viele Unternehmen, die KI-bedingte Entlassungen ankündigen, gar keine ausgereiften KI-Anwendungen haben, die diese Stellen ersetzen könnten. Forresters Prognose: Mehr als die Hälfte der KI-begründeten Entlassungen werde still wieder rückgängig gemacht, wenn Unternehmen die operativen Herausforderungen des vorschnellen Ersatzes menschlicher Arbeitskraft erkennen.
Was die Forschung sagt: Stabilität statt Disruption
Die wissenschaftlichen Daten zeichnen ein deutlich nüchterneres Bild als die Schlagzeilen. Das Yale Budget Lab hat in einer fortlaufenden Studie den US-Arbeitsmarkt seit der Veröffentlichung von ChatGPT beobachtet und kommt zu einem klaren Ergebnis: Die Angst vor den Auswirkungen von KI auf den aktuellen Arbeitsmarkt sei zwar weit verbreitet, aber nach den vorliegenden Daten weitgehend spekulativ. Der Arbeitsmarkt zeige insgesamt Stabilität, keine größere Disruption.
Das Budget Lab hat dabei verfolgt, wie sich der Mix der Berufsgruppen verändert und ob die Arbeitslosigkeitsdauer in KI-exponierten Berufen steigt. Beides ist nicht in einem Ausmaß geschehen, das auf einen massiven Strukturwandel hindeutet. Martha Gimbel, Direktorin des Yale Budget Lab, hat eine unbequeme Erklärung dafür, warum CEOs trotzdem KI als Grund anführen: Es sei eine investorenfreundliche Botschaft. Die Alternative – zuzugeben, dass man den Arbeitsmarkt falsch eingeschätzt hat oder schlicht zu viel Personal aufgebaut hat – klinge deutlich weniger nach visionärer Führung.
Davenport und Srinivasan kommen in einer HBR-Analyse von Januar 2026 zu einem ähnlichen Befund: Unternehmen entlassen aufgrund des Potenzials von KI, nicht aufgrund tatsächlich erbrachter Leistung der Technologie. Auf Basis einer Befragung von über 1.000 Führungskräften weltweit zeigen die Daten, dass KI zwar hinter einigen Entlassungen steht, diese aber fast ausschließlich in Erwartung künftiger Wirkungen geschehen – nicht auf Basis messbarer Effizienzgewinne.
Das Brookings Institute bestätigt dieses Bild mit eigenen Arbeitsmarktdaten: Der Anteil der Beschäftigten in Berufen mit hoher, mittlerer und niedriger KI-Exposition sei bemerkenswert stabil geblieben. Von einem KI-bedingten Jobverlust im großen Stil sei in den Daten nichts zu erkennen.
Warum das für Marketing-Teams relevant ist
Block ist ein Tech-Unternehmen. Aber die Dynamik, die sich hier zeigt, beschränkt sich nicht aufs Silicon Valley. In unseren Seminaren erleben wir, wie Führungskräfte aus mittelständischen Unternehmen dieselbe Rhetorik übernehmen: „Wir müssen mit weniger Leuten mehr schaffen, weil KI das jetzt kann.“ Manchmal stimmt das. Oft stimmt es nicht.
In unseren Vorabfragebögen und Schulungsauswertungen sehen wir, dass die meisten Marketing-Teams noch nicht einmal die vorhandenen KI-Tools auf einem Niveau nutzen, das Arbeitsweisen grundlegend verändert. Die EY Work Reimagined Survey mit 15.000 Befragten zeigt dasselbe Bild im großen Maßstab: 88 Prozent nutzen KI, aber fast alle nur für Suche und Zusammenfassungen. Nur 5 Prozent arbeiten auf einem Niveau, das tatsächlich Prozesse transformiert.
Wenn selbst in technikaffinen Unternehmen die fortgeschrittene KI-Nutzung bei 5 Prozent liegt, dann ist die Behauptung, man könne 40 Prozent der Belegschaft streichen und die Lücke mit KI-Tools füllen, bestenfalls eine Wette auf die Zukunft. Schlimmstenfalls ist es das, was Forrester AI-Washing nennt: finanziell motivierte Entscheidungen, die mit Verweis auf künftige KI-Implementierung gerechtfertigt werden.
Warum die Unterscheidung wichtig ist
Es geht nicht darum, zu bestreiten, dass KI Arbeit verändert. Das tut sie. Die METR-Studie zeigt messbare Produktivitätseffekte bei bestimmten Aufgaben. Die Brynjolfsson-Studie im Quarterly Journal of Economics dokumentiert 14 bis 15 Prozent mehr gelöste Fälle pro Stunde im Kundenservice mit KI-Unterstützung. Und unsere eigene Erfahrung in Seminaren zeigt, dass Teams mit gezieltem KI-Einsatz bestimmte Aufgaben deutlich schneller erledigen.
Aber es gibt einen Unterschied zwischen „KI macht bestimmte Aufgaben effizienter“ und „KI ersetzt die Hälfte der Belegschaft“. Der erste Satz ist durch Forschung gut belegt. Der zweite ist eine Behauptung, für die es keine belastbaren Daten gibt. Und wer den zweiten Satz als Begründung für Massenentlassungen nutzt, betreibt – ob bewusst oder unbewusst – AI-Washing.
Mercer berichtet in seinem Global Talent Trends Report 2026, dass die Sorge von Beschäftigten vor KI-bedingtem Jobverlust von 28 Prozent im Jahr 2024 auf 40 Prozent gestiegen ist. 62 Prozent der Beschäftigten sind der Meinung, ihre Führungskräfte unterschätzen die emotionalen und psychologischen Auswirkungen von KI auf die Belegschaft. Glassdoor spricht von einer wachsenden Kluft zwischen Führungskräften und Mitarbeitenden: Das Vertrauen erodiert.
Für Unternehmen, die KI ernsthaft einsetzen wollen, ist das ein Problem. Denn KI-Adoption funktioniert nicht in einer Kultur der Angst. Die Studie aus dem Journal of Applied Psychology, die wir in einem früheren Artikel analysiert haben, zeigt: Mitarbeitende profitieren von KI nur dann, wenn sie die Fähigkeit zur Metakognition mitbringen – also das eigene Denken beobachten und anpassen können. Diese Fähigkeit entwickelt sich nicht unter Existenzangst. Sie entwickelt sich in einem Umfeld, das Experimentieren ermöglicht, Fehler erlaubt und Lernzeit einräumt.
Praxis-Take-Away: Drei Fragen für Führungskräfte
Wenn in deinem Unternehmen über KI-bedingte Umstrukturierungen diskutiert wird, helfen drei Fragen, AI-Washing von echtem Wandel zu unterscheiden:
Frage 1: Wo sind die konkreten Belege? Wenn jemand sagt, „KI ersetzt diese Stellen“, dann frag nach den Daten. Welche Aufgaben übernimmt die KI konkret? Wie hoch ist die Fehlerquote? Welche Qualitätskontrolle existiert? Block behauptet, ein kleineres Team könne mit KI-Tools mehr leisten, aber zeigt keine messbaren Belege dafür. Behauptung ist kein Beweis.
Frage 2: Wäre diese Entscheidung auch ohne KI-Narrativ gefallen? Block hat seine Belegschaft in fünf Jahren verdreifacht, während der Aktienkurs um 75 Prozent fiel. Hätte Dorsey auch ohne „intelligence-native“ als Begründung die Belegschaft verkleinert? Vermutlich ja. Die KI-Story macht die betriebswirtschaftlich nachvollziehbare Korrektur gesellschaftlich akzeptabler.
Frage 3: Investiert das Unternehmen gleichzeitig in Kompetenzaufbau? Unternehmen, die KI ernst nehmen, investieren in die Fähigkeiten der verbleibenden Mitarbeitenden. Block hat ein internes Tool namens Goose gebaut und schreibt KI-Nutzung in die Leistungsbewertung. Das ist ein Indikator für echten Wandel. Aber es erklärt nicht, warum man dafür 4.000 Stellen streichen muss, bevor man die Ergebnisse dieser Tools belastbar messen kann.
Die Unterscheidung zwischen echtem KI-getriebenen Wandel und AI-Washing ist keine akademische Übung. Sie bestimmt, ob Mitarbeitende der Technologie mit Offenheit oder mit Angst begegnen. Und damit bestimmt sie, ob KI in einem Unternehmen tatsächlich funktioniert – oder nur als Ausrede dient.
Quellen
- Block Inc. (2026). Q4 2025 Shareholder Letter, 26. Februar 2026.
- Forrester Research (2025). Predictions 2026: The Workforce Muddles Through Ambient Disruption. Veröffentlicht November 2025.
- Yale Budget Lab (2026). Evaluating the Impact of AI on the Labor Market: November/December CPS Update. Siehe auch: Brookings Institute (2025). New Data Show No AI Jobs Apocalypse – For Now
- Davenport, T. H. & Srinivasan, L. (2026). Companies Are Laying Off Workers Because of AI’s Potential – Not Its Performance. Harvard Business Review, Januar 2026.
- Mollick, E. (2026). LinkedIn-Kommentar zu Block-Entlassungen, 26. Februar 2026.
- Challenger, Gray & Christmas (2026). 2025 Year-End Challenger Report. KI wurde für 54.836 Entlassungen als Grund genannt (2025), über 71.000 seit 2023.
- Mercer (2026). Global Talent Trends 2026. Basierend auf 12.000 Befragten weltweit.
- Fortune (2026). AI-Washing and Forever Layoffs. Glassdoor-Daten zur „Great Employee-Leader Divide“.
- TechCrunch (2026). AI Layoffs or AI-Washing? NYT-Analyse mit Forrester- und Brookings-Zitaten.
- Quartz (2026). AI-Washing Rises as Companies Blame AI for Layoffs. Interview mit Scott Dylan (NexaTech Ventures) und Forrester-Analyst J.P. Gownder.
