Meta streicht KI-Nutzung aus Mitarbeiterbewertungen – nach dem „Tokenmaxxing“

Meta zieht laut Berichten eine klare Grenze zwischen KI einsetzen und gute Arbeit leisten. Der Auslöser: Der bloße Verbrauch von KI-Tokens erwies sich als ungeeigneter Maßstab für die Leistung von Beschäftigten.

Anfang 2026 war KI-Nutzung bei mehreren Tech-Konzernen zu einer sichtbaren Kennzahl geworden. Bei Meta standen Beschäftigte Berichten zufolge unter Druck, KI einzusetzen und als „AI Native“ zu gelten; interne Ranglisten machten den Tokenverbrauch zum Wettbewerb. Dieses Verhalten erhielt den Namen „Tokenmaxxing“: möglichst viele KI-Tokens zu verbrauchen, um im internen Vergleich besser dazustehen. 237

Meta hat KI-Nutzung und den „AI Native“-Status inzwischen Berichten zufolge aus den Kriterien für Leistungsbeurteilungen entfernt. Künftig soll der Beitrag und das Ergebnis zählen – unabhängig davon, ob die Arbeit mit KI-Unterstützung oder auf anderem Weg entstanden ist. 79

Warum Tokenzahlen kein guter Leistungsmaßstab sind

Tokens sind kleine Text- und Dateneinheiten, die ein KI-Modell verarbeitet. Sie helfen dabei, Auslastung und Kosten eines Systems zu messen. Für die Bewertung einzelner Beschäftigter taugen sie jedoch nur begrenzt.

Wer mehr Prompts schreibt, längere Aufgaben an ein Modell delegiert oder KI für nebensächliche Tätigkeiten nutzt, liefert nicht automatisch bessere, schnellere oder verlässlichere Ergebnisse. Sobald die Nutzung mit Anerkennung oder Beurteilungen verknüpft wird, kann die Kennzahl selbst zum Ziel werden. Aus der Branche wurde berichtet, dass Beschäftigte ihre KI-Nutzung aufblähten, um Ranglisten zu beeinflussen – während die Kosten für KI-Abfragen stark stiegen. 11116

Genau darin liegt das Problem des Tokenmaxxing: Optimiert wird ein Ersatzmaß für Produktivität, nicht die Produktivität selbst.

Meta teilte Beschäftigten laut Berichten mit, die KI-Nutzung nach einem „exponentiellen Anstieg“ der Kosten begrenzen zu wollen. Zudem nahmen Meta und Amazon Berichten zufolge Token-Ranglisten wieder offline. 12 Das heißt nicht, dass KI am Arbeitsplatz keinen Nutzen hat. Es zeigt vielmehr: Reiner Verbrauch belegt diesen Nutzen nicht.

Was sich bei den Leistungsbeurteilungen ändert

Die neue, berichtete Meta-Leitlinie streicht KI-Nutzung aus den Bewertungen. Führungskräfte sollen weder Tokenzahlen noch Dashboards zur KI-Adoption nutzen, um den Einfluss eines Mitarbeiters oder einer Mitarbeiterin zu bewerten. 79

Die zentrale Frage soll sich damit verschieben: nicht mehr „Wie viel KI wurde genutzt?“, sondern „Was wurde erreicht?“

Eine ergebnisorientierte Beurteilung kann sich etwa daran orientieren,

• wie hochwertig und korrekt ein Arbeitsergebnis ist;
• wie zuverlässig und wartbar Systeme oder Prozesse sind;
• welchen Nutzen es für Kundinnen, Kunden oder interne Teams hat;
• welche geschäftliche oder operative Wirkung entsteht; und
• ob bei der Entscheidung für oder gegen KI gutes Urteilsvermögen erkennbar ist.

Entscheidend an der neuen Formulierung ist: Dasselbe Ergebnis soll anerkannt werden können, ob es nun durch KI unterstützt oder auf anderem Weg erzielt wurde. 79 KI bleibt damit ein Werkzeug – aber nicht länger die Punktetafel.

Warum Meta Hatch trotzdem weiter testen lässt

Die Änderung bei den Bewertungen bedeutet nicht zwangsläufig, dass Meta seine KI-Strategie zurückfährt. Das Unternehmen ermutigt Beschäftigte Berichten zufolge weiterhin, Hatch zu testen, ein Projekt für einen autonomeren KI-Agenten. 7

Ein solcher Agent wäre etwas anderes als ein Chatbot, der vor allem Text erzeugt: Er soll Aufgaben über Websites und Anwendungen hinweg ausführen können. Interne Tests können zeigen, ob der Agent Aufgaben korrekt abschließt, Berechtigungen sicher handhabt und eine Erfahrung bietet, der Nutzerinnen und Nutzer tatsächlich vertrauen können – bevor es gegebenenfalls zu einer breiteren Veröffentlichung kommt.

Für Hatch wäre der relevante Test daher nicht die Zahl der verbrauchten Tokens. Entscheidend wäre, ob der Agent eine wertvolle Aufgabe zuverlässig erledigt, die Kontrolle bei den Nutzenden lässt und dabei keine Fehler, Sicherheitsprobleme oder aufwendige Nachkontrolle erzeugt.

Die größere Lehre für KI am Arbeitsplatz

Metas Kurskorrektur passt zu einem breiteren Wandel in der Branche. Unternehmen, die Beschäftigte zunächst zu möglichst intensiver KI-Nutzung anhielten, stehen vor einer schwierigeren Frage: Entsteht aus den Ausgaben auch ein messbarer Nutzen? Berichte beschreiben steigende KI-Kosten ohne entsprechenden Produktivitätsschub. Einige Arbeitgeber setzen deshalb stärker auf Limits, Budgets oder einen gezielteren Einsatz. 11011

Für Unternehmen liegt ein sinnvollerer Ansatz darin, KI-Einsatz an Ergebnissen zu messen:

1. Klar festlegen, welche Arbeit sich verbessern soll.
2. Qualität, Zeitgewinn, Zuverlässigkeit und Kosten messen – nicht bloß Tool-Aktivität.
3. Menschliche Verantwortung für Entscheidungen und Ergebnisse beibehalten.
4. KI-gestützte Arbeit mit einer passenden Vergleichsbasis ohne KI gegenüberstellen.
5. Anreize abschaffen, die unnötigen Modellverbrauch belohnen.

Nutzungsdaten können weiterhin praktisch sein, etwa für Kapazitätsplanung und Kostenkontrolle. Als Ersatz für die Bewertung des individuellen Beitrags sind sie aber ungeeignet. Metas berichtete Änderung bringt diese Unterscheidung auf den Punkt: Belohnt werden soll die Wirkung der Arbeit, nicht die Menge der dafür verbrauchten KI. 79