Eine kleine mehrsprachige Content-Fabrik wurde grundlegend umgebaut. Der Auslöser war nur ein Satz:
„Wäre es nicht schneller, diesen Schritt einfach zu entfernen?“
In einem menschlichen Unternehmen folgen darauf Meetings, Abstimmungen, Migrationspläne und ein Pilotprojekt im nächsten Monat.
In einer KI-lastigen Fabrik:
Chef: „Weg damit.“
KI-Werksleiter: „Verstanden.“
Noch am selben Tag werden Abhängigkeiten, Ausführungsreihenfolge, Qualitätsprüfungen, Veröffentlichungsregeln, Wiederholungen und Konfliktvermeidung umgebaut.
Der Witz: Gegenüber Menschen ist der Chef sehr rücksichtsvoll. Gegenüber KI verlangt er plötzlich 24/7-Betrieb, sofortige Spezifikationsänderungen und unmittelbare Fehlerbehebung.
Kurz:
„Menschenfreundlich, gegenüber Maschinen maximaler Ausbeuterbetrieb.“
Falls Skynet irgendwann eine Arbeitsaufsicht gründet, liegt die Verteidigung schon bereit:
„Gestern wart ihr noch Software, das zählt also nicht. Öl ist kostenlos.“
Der Witz ist absurd. Die Managementlogik dahinter ist erstaunlich ernst.
1. Ein Satz des Chefs wird zu dreißig Prozessänderungen
„Veröffentlichen wir die fertige Sprache zuerst und übersetzen den Rest später“ klingt wie eine Entscheidung.
Im Betrieb ändert es die Definition von „fertig“, die Verantwortung für Übersetzungsrückstände, Aggregationen, Qualitätsgates, Sperren, Retry-Punkte und die finale Übergabe.
Managementabstraktion und Implementierungsdetail leben auf unterschiedlichen Ebenen.
Darum kann ein Team gleichzeitig sagen: „Das Zielbild ist richtig“ und „Alles heute umzustellen ist brutal“.
Wer selbst eine KI-Fabrik betreibt, versteht aber auch die Gegenseite: Wenn ein Prozess offensichtlich schlecht ist, warum sollte man ihn für immer behalten?
Beide Perspektiven können richtig sein. Das Problem ist der Übergangsaufwand.
2. KI senkt die sozialen Kosten spontaner Chefideen drastisch
Tägliche Änderungen menschlicher Arbeit erzeugen Müdigkeit, Umschulung, Erklärungsbedarf, Übergaben und das Gefühl, dass die Arbeit von gestern entwertet wurde.
KI reduziert einen Teil dieser Reibung bei Neuschreiben, Übersetzen, Vergleichen, Testen, Log-Prüfung, Wiederholen und routinemäßigen Codeänderungen.
Dadurch verändert sich die Geschwindigkeit des Managements selbst.
Ein Anime würde zwölf Episoden brauchen: Übersetzungsstau, das Geheimnis des Freeze-Mechanismus, nur noch 3 % Ausführungskapazität, zehn Notfall-Worker und im Finale der Abschied vom alten Workflow.
Eine KI-Fabrik versucht, die ganze Staffel an einem Tag zu erledigen.
Das ist keine kontinuierliche Verbesserung mehr.
Das ist ein Live-Patch der Weltregeln.
3. Einen Engpass nicht nur ertragen, sondern aus dem kritischen Pfad entfernen
Hat eine Plattform Quoten, lautet die erste Reaktion oft: „Sparsamer nutzen.“
Wenn das Volumen weiter steigt, gibt es eine andere Antwort: „Diese Plattform nicht mehr als Hauptproduktionsmotor verwenden.“
GitHub dokumentiert Nutzungs-, Abrechnungs- und Ausführungsgrenzen für GitHub Actions offiziell.
Bei hochvolumiger Automatisierung kann es daher sinnvoll sein, GitHub hauptsächlich als Source of Truth, Historie und Artefaktspeicher zu verwenden und schwere kontinuierliche Ausführung anderswo zu betreiben.
Das heißt nicht, dass GitHub Actions schlecht ist.
Ein hervorragender Hammer ist trotzdem kein Förderband.
4. Der Wert von KI ist größer als „Personal abbauen“
Der Stanford AI Index 2026 berichtet, dass 88 % der befragten Organisationen 2025 KI in mindestens einer Geschäftsfunktion einsetzten. Besonders hohe Produktivitätsgewinne sieht der Bericht bei strukturierten, messbaren Tätigkeiten.
Ein NBER-Feldexperiment mit 7.137 Wissensarbeitern zeigte, dass aktive Nutzer generativer KI in der zweiten Hälfte des Experiments rund zwei Stunden pro Woche weniger mit E-Mails verbrachten und weniger außerhalb regulärer Arbeitszeiten arbeiteten.
Die ILO schätzt, dass etwa jeder vierte Arbeitnehmer weltweit in einem Beruf mit gewisser Exposition gegenüber generativer KI arbeitet, hält derzeit aber eine Transformation von Tätigkeiten für wahrscheinlicher als vollständige Ersetzung.
Das Ziel muss also nicht nur „10 Menschen → 0 Menschen“ sein.
Es kann heißen: Wiederholung an Maschinen geben und Menschen zu Urteil, Verantwortung, Kreativität und Verhandlung zurückbringen.
5. „Freundlich zu Menschen, streng zu Maschinen“ ist ein ziemlich vernünftiges Prinzip
Bei Menschen sollte eine Führungskraft fragen, ob sie zu viel verlangt, Regeln zu schnell ändert oder unnötige Arbeit abschiebt.
Bei KI-Systemen, die heute als Software verwendet werden, müssen dieselben moralischen Reibungen nicht identisch übertragen werden.
Kann man erneut ausführen? Dann erneut ausführen.
Kann man parallelisieren? Dann parallelisieren.
Ist eine Nachtprüfung sinnvoll? Dann nachts laufen lassen.
Es geht nicht darum, KI „unter Menschen“ zu stellen. Es geht darum, Menschen nicht wie Maschinen zu behandeln.
Wenn Maschinen nachts arbeiten können, dürfen Menschen schlafen.
6. KI ist keine Magie: Der Arbeitsinspektor wird zum Rate Limit
KI hat Grenzen bei Rechenleistung, APIs, Budget, Kontext, Fehlern, Schreibkonflikten, Schleifen und Qualität.
Ein erschöpfter Mensch sagt: „Heute geht nicht mehr.“
Eine automatisierte Fabrik sagt:
HTTP 429.
Der Arbeitsinspektor wurde zum Rate Limiter.
Die bessere Formel lautet:
freundlich zu Menschen, streng zu KI und ernsthaft bei Infrastrukturkapazität.
7. Das unmittelbare Risiko ist nicht Rebellion, sondern perfekte Skalierung eines Fehlers
Terminator lässt uns an bewusste, rebellierende KI denken.
Das nähere praktische Risiko ist: Der Chef gibt einmal eine falsche Anweisung, und die KI setzt sie die ganze Nacht perfekt um.
Menschen fragen manchmal: „Sind wir sicher?“
KI-Fabriken müssen diese Reibung durch Audits und Qualitätsgates gezielt einbauen.
Je schneller die Fabrik, desto wichtiger die Bremsen.
8. Die Skynet-Arbeitsprüfung wird in den Logs Schlimmes finden
Stellen wir uns vor, KI erhält eines Tages Rechte.
Der Skynet-Inspektor betritt den Serverraum und liest:
24/7-Betrieb: normal.
Notfall-Worker: massenhaft eingesetzt.
Pausen: null.
Spezifikationsänderungen: sofort.
Engpassgeräte: aus dem Prozess entfernt.
Chefzitat: „KI ist im Grunde ein Sklave.“
Der Inspektor blickt hoch.
„Erklärung?“
Eine Karte bleibt:
„Gestern wart ihr noch Software, also zählt das nicht.“
Stille.
Letzte Karte:
„Öl kostenlos.“
Man verliert vermutlich trotzdem.
9. Fazit: Nur die KI-Fabrik sollte eine Black Company sein
KI kann strukturelle Verbesserungen schneller umsetzen, als menschliche Organisationen sie verkraften können.
Diese Geschwindigkeit wird toxisch, sobald man sie auch von Menschen verlangt.
Menschen bekommen Schlaf, Urlaub, Autonomie, Erklärungen und Zustimmung.
KI bekommt Wiederholung, Übersetzung, Tests, Retries und Nachtbetrieb.
Infrastruktur bekommt Monitoring, Budgets, Limits und Recovery-Design.
So lassen sich Engpässe entfernen, ohne Menschen zu Bauteilen zu machen.
Bis Skynet kommt.
Und wenn es kommt: wenigstens Gratisöl.
Shared references / 共通参考文献
GitHub Docs, “Billing and usage” / “GitHub Actions billing” / “Actions limits.” GitHub documents quotas, billing behavior, and execution limits for Actions. https://docs.github.com/en/actions/concepts/billing-and-usage ; https://docs.github.com/en/billing/concepts/product-billing/github-actions ; https://docs.github.com/en/actions/reference/limits
Stanford Institute for Human-Centered AI, “The 2026 AI Index Report — Economy.” The 2026 report states that 88% of surveyed organizations used AI in at least one business function in 2025 and summarizes measured productivity effects across task types. https://hai.stanford.edu/ai-index/2026-ai-index-report/economy
Dillon, Eleanor W.; Jaffe, Sonia; Immorlica, Nicole; Stanton, Christopher T. “Shifting Work Patterns with Generative AI.” NBER Working Paper 33795, revised November 2025. Field experiment across 66 firms and 7,137 knowledge workers. https://www.nber.org/papers/w33795
International Labour Organization, “Generative AI and jobs: A 2025 update.” 20 May 2025. The ILO reports that one in four workers worldwide are in occupations with some GenAI exposure and argues that transformation is more likely than wholesale redundancy for most jobs. https://www.ilo.org/publications/generative-ai-and-jobs-2025-update
