Tokenmaxxing: Warum Amazon-Mitarbeiter absichtlich KI-Ressourcen verschwenden

Tech-Konzerne messen den Erfolg ihrer Mitarbeiter zunehmend am Verbrauch von KI-Tokens – das führt zum Phänomen des Tokenmaxxing, bei dem Angestellte bewusst Ressourcen verschwenden.

Amazon drängt seine Entwickler, KI wöchentlich zu nutzen, und erfasst den Token-Verbrauch in internen Ranglisten. Laut Financial Times sollen über 80 Prozent der Entwickler KI einsetzen.

Die Maßnahme steigert jedoch nicht zwangsläufig die Produktivität, sondern erzeugt unerwünschte Nebeneffekte. Mitarbeiter beginnen, KI-Tools mit sinnlosen Aufgaben zu beauftragen, um ihren Verbrauch zu maximieren.

Meta verfolgt einen ähnlichen Ansatz: Personalchefin Janelle Gale kündigte an, den Erfolg aller Mitarbeiter ab 2026 anhand ihres „KI-Impacts“ zu messen. Teams werden ermutigt, mehrmals wöchentlich an KI-Schulungen teilzunehmen und eigene Tools zu entwickeln.

Mark Zuckerberg sagte bei der Bilanzpressekonferenz im Januar: „Wir investieren in KI-native Tools, damit die Beschäftigten bei Meta mehr leisten können.“

Amazon setzt das interne Tool Meshclaw ein, mit dem Mitarbeiter KI-Agenten erstellen können. Das Unternehmen betont, dass Token-Statistiken nicht für Leistungsbeurteilungen herangezogen werden.

Mehrere Mitarbeiter gaben jedoch an, dass Vorgesetzte die Daten dennoch im Blick haben. „Die Manager:innen schauen sich das an“, sagte ein aktueller Mitarbeiter der Financial Times. „Wenn sie die Nutzung verfolgen, schafft das falsche Anreize, und manche Leute sind dabei sehr ehrgeizig.“

Ein weiteres Teammitglied sagte: „Der Druck, diese Tools zu nutzen, ist einfach riesig. Manche Leute nutzen Meshclaw einfach nur, um ihren Token-Verbrauch zu maximieren.“

Dieser Trend wird als Tokenmaxxing bezeichnet. Früher galt die Anzahl geschriebener Codezeilen als Leistungsmaßstab, heute hat der Token-Verbrauch diese Rolle übernommen.

Am 8. Mai schrieb ein Amazon-Mitarbeiter auf der Plattform Team Blind: „Ich verbrenne Token, um meinen Projektmanager zu verarschen. Immer wenn er irgendwelchen Blödsinn redet, starte ich zehn Subagenten, um ihn zu verarschen. Tolle Nutzung der GPUs.“

Auf der Plattform finden sich zahlreiche Threads, in denen Angestellte von Tech-Konzernen nach Tipps fragen, wie sie ihren Token-Verbrauch maximieren können.

Analysen belegen jedoch, dass hoher Token-Verbrauch nicht gleichbedeutend mit höherer Produktivität ist. KI-Tools erzeugen schneller Code, der jedoch häufiger überarbeitet werden muss.

Alex Circei, CEO von Waydev, gibt an, dass die Code-Akzeptanzraten zunächst bei 80 bis 90 Prozent liegen, durch spätere Überarbeitungen aber auf zehn bis 30 Prozent sinken.

Brian Jabarian von der University of Chicago erforscht, wie neue Technologien die Arbeit verändern. Er hält das Tracking des Token-Verbrauchs für sinnvoll, jedoch aus anderen Gründen.

Er sagte dem Wall Street Journal: „Alle dachten, man setze einfach KI-Token ein, erhalte eine Produktivitätssteigerung und das war’s dann. Aber die Realität ist komplizierter.“

Im Hintergrund verbrauchen KI-Tools immense Ressourcen. Das belastet die Umwelt und lässt die Strompreise für Verbraucher steigen.

Mehrere US-Bundesstaaten wollen deshalb den Bau von KI-Rechenzentren stoppen.

Das Phänomen des Tokenmaxxing zeigt, wie Fehlanreize in der Leistungsmessung zu ineffizientem Verhalten führen können.

Unternehmen sollten daher überlegen, ob der reine Token-Verbrauch ein sinnvoller Indikator für Produktivität ist.

Stattdessen könnten qualitätsorientierte Metriken wie die tatsächliche Nutzung von KI-Outputs oder die Fehlerquote bessere Ergebnisse liefern.