Amazon: Tokenverbrauch ist kein Maß für KI-Erfolg
Amazon hat die Rollenbeschreibung für seine Softwareentwickler überarbeitet und am 27. Oktober 2026 veröffentlicht. Tokenverbrauch, Nutzungsquoten von KI-Werkzeugen und Zahl der Code-Änderungen sollen keine Ziele mehr sein. Was Unternehmen daraus für die Steuerung ihrer eigenen KI-Einführung lernen können.
Wie misst man, ob sich KI im Unternehmen lohnt? Viele Firmen greifen zur einfachsten Zahl: Wie viele Beschäftigte nutzen die Werkzeuge, wie viele Token werden verbraucht, wie viel Code entsteht? Amazon hält genau diese Zahlen für die falschen Ziele. Der Konzern hat die Leitlinie für die Rolle seiner Softwareentwickler und Engineering-Manager überarbeitet und am 27. Oktober 2026 öffentlich gemacht. Die Botschaft ist deutlich, und sie betrifft weit mehr Unternehmen als Amazon.
Was in der neuen Leitlinie steht
Die Einleitung stammt von Terk Terkowitz, VP und Distinguished Engineer bei Worldwide Amazon Stores. Sein Kernsatz: Die erfolgreichsten Entwickler hätten gezeigt, dass weder die Rolle noch ihr Ergebnis durch den Einsatz von KI definiert werden. Maßstab seien die Ergebnisse für Kunden, Geschäft und Team.
Ausdrücklich als Ziel ungeeignet nennt die Leitlinie drei Arten von Kennzahlen:
- Tokenverbrauch, also wie viel Rechenleistung der KI-Modelle ein Team verbraucht,
- Nutzungsquoten von KI-Werkzeugen,
- Durchsatzmaße wie die Zahl der Code-Änderungen oder Reviews.
Die Begründung ist knapp: Diese Zahlen seien von dem abgekoppelt, worauf es ankommt. Verboten sind sie nicht. Sie dürfen weiter als Signal dienen, aber mit Sorgfalt und Urteilsvermögen, nicht als Zielvorgabe.
„We are all aware of how deeply flawed these metrics are, primarily because they are disconnected from what matters.“
Tokenmaxxing kostet Geld
Für das Phänomen gibt es inzwischen einen Namen: Tokenmaxxing. Gemeint ist, möglichst viel KI zu verbrauchen, weil das intern gut aussieht. Amazon verknüpft das direkt mit seinem Grundsatz der Sparsamkeit: „tokenmaxxing is at odds with frugality“, heißt es in der Leitlinie. Auch das bloße Zählen von Codezeilen widerspreche dem Amazon-Prinzip, Dinge zu vereinfachen.
Wie real das Problem ist, zeigt eine Episode, über die mehrere Medien berichten: Amazon soll im Mai 2026 eine interne Rangliste abgeschaltet haben, die den Tokenverbrauch im hauseigenen Werkzeug Kiro abbildete. Beschäftigte hätten Agenten unnötige Aufgaben gegeben, um aufzusteigen. Ein festes Token-Limit pro Kopf gibt es laut diesen Berichten nicht, der Verbrauch werde weiter für das Kostenmanagement erfasst, aber nicht für die Leistungsbeurteilung. Amazon steht damit nicht allein: Schon im September wurde berichtet, dass Meta seine Entwickler nicht mehr danach bewertet, wie viel KI sie nutzen.
Hinsehen statt hochzählen
Statt Ranglisten empfiehlt die Leitlinie Führungskräften, auf zwei Gruppen besonders zu achten: auf die Teams, die KI kaum wirksam nutzen, und auf die, die sie sehr intensiv nutzen. Bei den ersten soll man herausfinden, woran es liegt. Bei den zweiten soll man prüfen, ob die Lieferleistung tatsächlich entsprechend gestiegen ist.
Bemerkenswert ist ein weiterer Satz: Wer feststellt, dass die eigene Arbeit von den aktuellen KI-Werkzeugen nicht profitiert, soll das dokumentieren. „If your work does not benefit from current AI tooling, that is a finding, not a failing.“ Ein solcher Befund ist also kein Versagen, sondern eine nützliche Information. Führungskräfte sollen KI zudem selbst praktisch nutzen und benennen können, wo sie geholfen hat und wo nicht.
Was das für Ihr Unternehmen heißt
- Ergebnisse messen, nicht Nutzung: Bearbeitungszeit eines Vorgangs, Fehlerquote, Kundenzufriedenheit oder Durchlaufzeit sagen mehr als Login-Zahlen oder verbrauchte Token.
- Keine Nutzungs-Ranglisten: Wer Verbrauch belohnt, bekommt Verbrauch. Das treibt die Rechnung, nicht den Nutzen.
- Token als Kostengröße führen: Den Verbrauch weiter erfassen, aber im Controlling, nicht in Zielvereinbarungen. Wie stark die Kosten je Aufgabe vom Modell abhängen, zeigt etwa das neue GPT-6.1 Terra.
- Ausreißer verstehen: Teams mit sehr viel und sehr wenig KI-Nutzung gezielt anschauen. Beides kann gute Gründe haben.
- „Bringt hier nichts“ zulassen: Ein dokumentierter Fehlschlag spart Geld und verhindert, dass eine Abteilung KI nur aus Pflichtgefühl einsetzt.
Das passt zu dem, was Umfragen seit Monaten zeigen: Laut Gartner sehen nur 13 Prozent der CIOs einen echten KI-Nutzen, und nur 11 Prozent treffen ihr KI-Budget. Mehr Aufwand bringt auch bei Agenten nicht automatisch mehr, wie ein Test zu Agenten-Teams gezeigt hat.
Fazit
Amazon sagt öffentlich, was viele Controller längst ahnen: Hohe KI-Nutzung ist kein Erfolg an sich. Entscheidend ist, ob Arbeit schneller, besser oder günstiger erledigt wird. Wer seine KI-Einführung heute über Dashboards mit Nutzungsquoten steuert, sollte die Kennzahlen überdenken, bevor die Rechnung schneller wächst als der Nutzen. Wenn Sie wissen möchten, wie sich der Nutzen von KI in Ihren Abläufen sinnvoll messen lässt, sprechen Sie mich gern an.
