Jack Dorseys „KI-getriebene“ Entlassungen sind weniger eine technologische Revolution als eine längst überfällige Abrechnung mit aufgeblähten Unternehmensstrukturen. Ihr Unternehmen ist als Nächstes dran.
Ich steckte im üblichen Samstagsverkehr auf der 405 fest und kroch am Flughafen vorbei, als die Nachricht über Block in meinem Podcast-Feed auftauchte. Jack Dorsey hatte gerade fast die Hälfte seines Unternehmens ausgelöscht – mehr als 4.000 Stellen an einem einzigen Tag. Die Begründung des CEO, verkündet in einem Aktionärsbrief und einem Post auf X, lautete: „Ein deutlich kleineres Team, das die Tools nutzt, die wir bauen, kann mehr leisten und es besser machen.“ Die Aktie stieg natürlich im nachbörslichen Handel um bis zu 24 %.
Das ganze Wochenende über flogen die Meinungen hin und her. Auf der einen Seite stehen die Untergangspropheten, die Matt Shumers viralen Essay nachhallen lassen. Er warnte, dass KI innerhalb von einem bis fünf Jahren oder noch früher wesentliche Teile jedes Jobs übernehmen wird, der an einem Bildschirm erledigt wird. Auf der anderen Seite stehen die Skeptiker, die argumentieren, KI sei nur eine bequeme Erklärung für Entlassungen, die in Wahrheit auf zu viele Neueinstellungen und einen schwächelnden Markt zurückgehen.
Aus meiner Sicht als Commerce-Architekt, der seit Jahren verworrene Spaghetti-Code-Commerce-Systeme entwirrt, verfehlen beide Seiten den Kern. Die Geschichte lautet nicht: „KI ist jetzt klug genug, um 4.000 Wissensarbeiter zu ersetzen.“ Die eigentliche Geschichte ist, dass im vergangenen Jahrzehnt Tausende dieser Beschäftigten vermutlich als menschliche Middleware eingestellt wurden, um die Lücken zwischen fragilen Altsystemen zu überbrücken. Ihre Aufgabe war es, schlechte Architektur auszugleichen. Die KI hat sie nicht ersetzt. Sie hat nur auf schmerzhaft öffentliche Weise offengelegt, wie sinnlos ihre Rollen waren.
Hat also ein LLM 4.000 Kündigungen verteilt?
Seien wir schonungslos ehrlich. Die Vorstellung, Block habe am Donnerstag, dem 26. Februar 2026, plötzlich eine empfindungsfähige, jobfressende KI eingesetzt, die über Nacht die Hälfte der Belegschaft überflüssig gemacht hat, ist reines Unternehmenstheater. Es ist eine packende Geschichte, und die Wall Street liebt sie offensichtlich, aber sie hält dem Realitätstest von niemandem stand, der tatsächlich Produktionssoftware gebaut und ausgeliefert hat.
In seinem Memo sprach Dorsey von „Intelligenz-Tools“ und von der „Dringlichkeit“, Millionen von Kunden zu bedienen, und sagte voraus: „Innerhalb des nächsten Jahres … wird die Mehrheit der Unternehmen zum selben Schluss kommen und ähnliche strukturelle Veränderungen vornehmen.“ Eine kühne Aussage, die sich stark am Drehbuch von Elon Musk bei Twitter orientiert – dem Unternehmen, das Dorsey mitgegründet hat und an dem er eine indirekte Beteiligung behielt, indem er seine Aktien in Musks Übernahme einbrachte. Das Problem ist das eklatante Fehlen technischer Details. Keine Erwähnung bestimmter Large Language Models (LLMs), keine Diskussion einer neuen Agentic-Commerce-Architektur, kein Hinweis auf proprietäre APIs oder Protokolle, die diesen plötzlichen Effizienzsprung ermöglicht hätten. Man hat uns eine Schlussfolgerung ohne Beweis präsentiert.
Für einen Architekten ist das das größte Warnsignal. Wenn wir Systeme einführen, die echte Effizienz schaffen, sprechen wir über die Einzelheiten: über Datenmodelle, Orchestrierungsschichten, Fine-Tuning-Strategien, Latenz-Benchmarks. Wir wedeln nicht einfach mit den Händen und sagen „Intelligenz-Tools“. Diese Art von Vagheit ist ein klassisches Zeichen dafür, dass eine Erzählung nachträglich an eine bereits getroffene Entscheidung angepasst wird. Die Entscheidung lautete, massiv Personal abzubauen. Die Begründung wurde KI.
Die Aussage von CFO Amrita Ahuja, die Kürzungen ermöglichten es Block, „mit kleineren, hochtalentierten Teams, die mit KI mehr Arbeit automatisieren, schneller voranzukommen“, ist aufschlussreich. Das ist keine Geschichte über eine KI, die die Arbeit eines Produktmanagers oder Marketers übernimmt. So wie ich es lese, ist es eine Geschichte über die Automatisierung von Aufgaben innerhalb von Workflows – etwa Transaktionsverarbeitung, Betrugserkennung und Kundenserviceanfragen. Genau in diesen Bereichen sammeln Unternehmen menschliche „Middleware“ an. Es sind die Mitarbeitenden, deren täglicher Job darin besteht, Daten von einem Bildschirm auf einen anderen zu kopieren, ein Support-Ticket manuell zu eskalieren oder einen Bericht aus einem System zu ziehen und für ein anderes zu formatieren, weil die Kernsysteme nicht miteinander sprechen. Diese Jobs waren nie sicher; sie waren ein Symptom technischer Schulden, und KI ist einfach der Prüfer, der diesen Schulden endlich einen Dollarbetrag zugewiesen hat.
Der Geist in der Maschine: Wo sind die technischen Spezifikationen?
Hätte Block wirklich einen Durchbruch im Agentic Commerce erzielt, der fast die Hälfte der Belegschaft überflüssig macht, wäre die technische Ankündigung ebenso bedeutend gewesen wie die Entlassungen selbst. Wir würden Diagramme sehen, Whitepaper lesen und neue API-Dokumentation analysieren. Wir haben nichts gesehen. Das Schweigen ist ohrenbetäubend.
Wie sähe eine echte agentengesteuerte Commerce-Architektur aus? Sicher nicht wie eine einzelne, monolithische „KI“. Es wäre ein verteiltes System spezialisierter Agenten, die zusammenarbeiten und über ein zentrales Protokoll orchestriert werden. Als Commerce-KI-Architekt würde ich unter der Haube Folgendes erwarten.
Hier ein vereinfachter Blick darauf, was eine echte agentische Architektur für einen Zahlungsabwickler wie Block umfassen könnte:
Das ist nicht einfach ein eingebundener Chatbot. Es ist ein grundlegender Umbau der Art, wie Anfragen verarbeitet werden. Der Orchestrierungs-Agent (B) agiert wie ein Projektmanager: Er übernimmt die strukturierte Ausgabe eines Kundenabsicht-Agenten (C) – der selbst Vektordatenbanken nutzt, um natürliche Sprache zu verstehen – und koordiniert dann eine Flotte spezialisierter Agenten für Betrugserkennung, Routing und Abrechnung. Jeder Agent ist ein eigenständiger Dienst mit einer klaren Aufgabe, der mit klar definierten APIs (K, M) und strukturierten Datenquellen (H, I, J) interagiert.
Der entscheidende Punkt: Dieses System automatisiert nicht nur Arbeit, es beseitigt ganze Kategorien von Arbeit, die nur wegen architektonischer Lücken existieren. Sie brauchen keinen Menschen mehr, der jede markierte Transaktion prüft, weil der Betrugserkennungs-Agent (D) ein ausgefeilteres, datengetriebenes Modell hat. Sie brauchen kein Team für den manuellen Abgleich von Abrechnungen, weil der Abrechnungs-Agent (F) und das Hauptbuch (L) ständig automatisiert miteinander kommunizieren.
Hat Block das gebaut? Vielleicht. Aber falls ja, hat das Unternehmen es geheim gehalten. Weitaus wahrscheinlicher ist, dass es rudimentäre Versionen einiger dieser Komponenten gibt und die Führung das Potenzial gesehen und beschlossen hat, die Belegschaft zu verkleinern, bevor die Technologie ausgereift war. Sie setzen auf den architektonischen Bauplan, nicht auf das fertige Haus.
„KI-Effizienz“ ist die neue „Synergie“: ein Deckmantel für technische Schulden
Bei Handelsmarken in Los Angeles, von Fast-Fashion-Anbietern im Fashion District bis hin zu Wellness-Marken in Venice Beach, ist dasselbe Muster verbreitet. Sie haben ein schickes Shopify- oder Magento-Frontend, ein Dutzend SaaS-Tools für Marketing, Analytics und Support und ein ERP, das vor zehn Jahren eingeführt wurde. Das Bindegewebe, das alles zusammenhält? Menschen. Dutzende davon.
Das sind die „menschlichen APIs“ des Unternehmens. Es ist die Marketingmitarbeiterin, die ihre Woche damit verbringt, CSV-Dateien aus drei verschiedenen Plattformen manuell zu exportieren, um ein Kampagnensegment zu bilden. Es ist das Kundenservice-Team, das fünf Tabs offen haben muss, um eine einzige „Wo ist meine Bestellung?“-Anfrage zu beantworten, weil die Fulfillment-Daten nicht ins CRM integriert sind. Es ist das Finanzteam, das in Tabellen ertrinkt, weil die Berichte des Zahlungsabwicklers nicht mit denen der Bank übereinstimmen.
KI in ihrer heutigen Form ist ein phänomenaler Prüfer genau dieses Problems. Wenn Sie auch nur einen einfachen KI-Agenten einführen wollen, lautet seine erste Frage: „Wo ist die API dafür?“ Die zweite: „Sind die Daten strukturiert?“ Lautet die Antwort „Wir haben jemanden in der Buchhaltung, der diesen Bericht zieht“ oder „Dafür muss man sich in dieses andere System einloggen“, kann die KI nicht arbeiten. Und genau dort liegen die Kosten Ihrer technischen Schulden offen: Es ist das Gehalt der Person, deren gesamte Aufgabe darin besteht, ein Workaround für gescheiterte Integrationsprojekte zu sein.
Genau das ist meiner Vermutung nach bei Block passiert. Die „Intelligenz-Tools“, die Dorsey erwähnte, legen wahrscheinlich offen, wie viel der Gehaltsliste von mehr als 10.000 Menschen dem Flicken dieser architektonischen Löcher diente. Statt ein mehrjähriges, politisch heikles Umbauprojekt zu starten, hat er sich an Musk orientiert: zuerst die menschliche Middleware streichen und das verbleibende Team zwingen, die Automatisierung zu bauen, um zu überleben. Das ist brutal, aber wirksam. Der nachbörsliche Kurssprung von bis zu 24 % sagt alles darüber, was der Markt schätzt. Es geht nicht um revolutionäre Technologie, sondern um ein rücksichtsloses Bekenntnis zu operativer Effizienz.
Agentische Architektur vs. menschliche Middleware: ein Vergleich
Machen wir es konkret. Nehmen wir ein alltägliches, trügerisch komplexes Commerce-Szenario: Eine Kundin in West Hollywood hat in einem Geschäft auf der Melrose ein Kleid gekauft, doch es kam beschädigt an. Sie möchte einen Ersatz an ihr Büro in Downtown geschickt bekommen und zugleich eine Teilerstattung für den Ärger.
So läuft das in zwei unterschiedlichen Organisationsstrukturen ab (Zeiten und Beträge sind Beispiele).
| Prozessschritt | Die „Menschliche Middleware“-Architektur (die aufgeblähte Marke) | Die Agentic-Commerce-Architektur (die schlanke Marke) |
|---|---|---|
| Auslöser | Die Kundin schickt eine verärgerte E-Mail mit Fotos. | Die Kundin öffnet ein Chatfenster. Ein Kundenabsicht-Agent erfasst die Anfrage: „beschädigter Artikel, Ersatz, neue Adresse, Frage nach Teilerstattung“. |
| Prüfung | Ein Tier-1-Supportmitarbeiter öffnet die E-Mail, sucht die Bestellung in Shopify, öffnet das CRM, um die Kundenhistorie zu sehen, und bittet die Kundin um dieselben Fotos in höherer Auflösung. | Ein Prüf-Agent nimmt die Fotos auf, bestätigt den Schaden mit einem Bildanalysemodell und gleicht die Bestellnummer mit dem Versanddatensatz ab – alles in Sekunden. |
| Bestandsprüfung | Der Mitarbeiter stellt die Kundin in die Warteschleife und öffnet ein separates Bestandssystem (oder ein Google Sheet), um zu sehen, ob ein Ersatz im lokalen Fulfillment-Center vorrätig ist. Die Daten sind 12 Stunden alt. | Ein Bestands-Agent fragt in Echtzeit die API des Lagerverwaltungssystems ab. Er bestätigt den Bestand und reserviert ein Stück. |
| Adressänderung | Der Mitarbeiter tippt die neue Büroadresse manuell in die Bestellnotizen, obwohl er weiß, dass das oft zu Versandfehlern führt. | Der Orchestrierungs-Agent validiert die neue Adresse über die API eines Postdienstes, aktualisiert das Kundenprofil und markiert die Adresse für die Ersatzbestellung. |
| Erstattung/Rabatt | Der Mitarbeiter sagt der Kundin, er müsse die Erstattung „an einen Vorgesetzten eskalieren“. Dadurch entsteht ein neues Ticket. Der Vorgesetzte prüft es in 24–48 Stunden. | Ein Richtlinien-Agent prüft die Regel-Engine: „Wenn Warenwert > 100 $ und Schaden bestätigt, automatisch 15 % Erstattung genehmigen.“ Er führt die Erstattung über die API des Zahlungsabwicklers aus. |
| Lösung | 2 Tage später, nach 4 E-Mails und 3 verschiedenen Mitarbeitenden, erhält die Kundin die Nachricht, dass ein neuer Artikel verschickt und eine Erstattung veranlasst wurde. | 2 Minuten später erhält die Kundin eine einzige Nachricht: „Das mit dem Schaden tut uns leid. Wir haben 25 $ erstattet, und Ihr Ersatz ist auf dem Weg zu Ihrem Büro in Downtown. Er kommt morgen an.“ |
Die Aufblähungssteuer in Aktion
Die linke Spalte ist für viele DTC-Marken Realität. Sie ist langsam, teuer und fehleranfällig. Die Kosten sind nicht nur die Gehälter der drei beteiligten Mitarbeitenden, sondern auch Kundenabwanderung, negative Bewertungen und schierer operativer Ballast. Das ist die „Aufblähungssteuer“ – eine Strafe für jede Person, die eingestellt wurde, um einen architektonischen Riss zu überkleistern. Investoren, die Dorseys Schritt gesehen haben, werden wahrscheinlich beginnen, jede Marke in ihrem Portfolio zu fragen, warum sie sie noch zahlt.
Vorbereitung auf eine agentische Zukunft: Strukturierte Daten sind nicht verhandelbar
Die rechte Spalte ist keine Magie. Sie steht für ein System, das auf einem Fundament aus strukturierten Daten für KI-Suche und Aktion aufbaut. Die Agenten funktionieren nur, weil Produkt-, Kunden-, Bestands- und Bestelldaten sauber, zugänglich und aktuell sind. Der Weg in eine agentische Zukunft beginnt nicht mit der Einstellung eines Prompt Engineers, sondern mit der Einstellung eines Datenarchitekten und dem konsequenten Bereinigen Ihrer Daten. Das ist die unspektakuläre, entscheidende Arbeit, die Agentic Storefront Readiness ausmacht. Ohne sie finanziert jede KI-Investition nur einen neuen Flügel im Museum der technischen Schulden.
Was das für Ihre Marke bedeutet: ein KI-Readiness-Audit
Wenn Sie im Commerce Verantwortung tragen, lautet die Botschaft von Blocks radikalem Schritt nicht, morgen die Hälfte Ihrer Belegschaft zu entlassen. Sie lautet: Finden Sie heraus, wie viele Ihrer Mitarbeitenden als menschliche Middleware fungieren, denn deren Jobs sind bereits überholt – der Markt hat Sie nur noch nicht dazu gezwungen. Kaufen Sie nicht in Panik eine „KI-Plattform“. Führen Sie ein Audit durch.
Kartieren Sie Ihre menschlichen APIs
Holen Sie Ihr Team für eine Woche in einen Raum. Nehmen Sie einen kritischen Prozess – etwa das Rückgabebeispiel oben, das Onboarding von Lieferanten oder die Erstellung von Kampagnen. Zeichnen Sie jeden einzelnen Schritt auf ein Whiteboard. Fragen Sie bei jedem Schritt: „Trifft hier ein Mensch eine kreative oder strategische Entscheidung, oder verschiebt er Daten von System A nach System B?“
Jedes Mal, wenn die Antwort „Daten verschieben“ lautet, zeichnen Sie einen roten Kasten um diesen Schritt. Das sind Ihre menschlichen APIs. Das sind Ihre architektonischen Schulden. Das ist Ihre Schwachstelle. Ihr Ziel für die nächsten 12 Monate sollte sein, jeden dieser roten Kästen zu beseitigen – nicht, indem Sie die Person entlassen, sondern indem Sie die API oder Datenpipeline bauen, die ihre manuelle Arbeit überflüssig macht und sie für wertvollere Aufgaben freisetzt.
Starten Sie jetzt Ihr AI Experience Lab
Darauf zu warten, dass diese Technologie ausreift, ist ein Rezept für das Aussterben. Sie müssen jetzt anfangen zu lernen. Dafür brauchen Sie kein riesiges Budget. Gründen Sie ein AI Experience Lab – ein kleines, funktionsübergreifendes Team aus einer Engineerin oder einem Engineer, einer Produktperson und einer Datenanalystin oder einem Datenanalysten. Ihr Auftrag: kleine, funktionierende Prototypen bauen, die echte Geschäftsprobleme mit agentischen Prinzipien lösen.
Versuchen Sie nicht, zuerst einen Chatbot für Kunden zu bauen. Beginnen Sie mit internen Workflows. Können Sie einen Agenten bauen, der den Bestandsabgleich automatisiert? Können Sie ein Tool bauen, das neue Produktfotos mit einem Vision-Modell automatisch verschlagwortet? Vielleicht sind Sie eine Bekleidungsmarke – können Sie einen Prototyp für virtuelle Anprobe mit KI bauen? Nicht, um ihn für Kunden zu starten, sondern als Übung, um zu sehen, wo Ihre Produktdaten und APIs nicht ausreichen. Ziel des Labs ist kein Produktionscode, sondern institutionelles Wissen darüber, was es tatsächlich braucht, damit KI mit Ihren spezifischen, unordentlichen Systemen funktioniert. Das ist der Kern einer belastbaren Commerce-AI-Architektur.
Die echte KI-Apokalypse ist ein Zermürbungskrieg
Alle reden von der „KI-Jobapokalypse“, als wäre sie ein einziges, katastrophales Ereignis wie bei Block. Sie irren sich. Für die meisten Unternehmen wird es keine plötzliche Säuberung sein, sondern ein langsamer, leiser und schmerzhafter Niedergang.
Marken, die ihre architektonischen Schulden ignorieren, werden nicht mehr wettbewerbsfähig sein. Während sie eine Woche brauchen, um eine neue Aktion zu starten, weil sie manuelle Abstimmung zwischen drei Abteilungen erfordert, hat ihr schlankerer Wettbewerber einen Agenten, der das in einer Stunde erledigt. Während sie mehr Supportpersonal einstellen, um steigende Ticketzahlen zu bewältigen, lösen die Agenten ihres Wettbewerbers Probleme sofort und stärken die Kundenbindung.
Es geht nicht darum, dass ein Unternehmen eine „klügere KI“ hat. Es geht darum, dass ein Unternehmen ein agileres, datenzentriertes Fundament hat. Damit kann es schneller iterieren, mit höheren Margen arbeiten und bessere Talente gewinnen. Marken, die mit menschlicher Middleware belastet sind, werden an jeder Front verlieren.
Sie verlieren nicht, weil ein Wettbewerber eine klügere KI gekauft hat. Sie verlieren, weil ein Wettbewerber zuerst seine Architektur in Ordnung gebracht hat – und der Zeitpunkt, mit Ihrer zu beginnen, ist jetzt.
Quellen: Aktionärsbrief von Block (SEC 8-K, Exhibit 99.1, 26. Februar 2026); CNBC, 26. Februar 2026; Matt Shumer, „Something Big Is Happening“ (Fortune, 11. Februar 2026); Jack Dorsey, Schedule 13D zu Twitter (Oktober 2022).