Meta beendet 'Tokenmaxxing': Als KI-Metriken Ingenieure dazu brachten, Milliarden zu verbrennen
Meta wollte messen, wie gut seine Ingenieure KI einsetzen. Das Vorhaben ist spektakulär gescheitert , und das Unternehmen gibt die Metrik nun vollständig auf.
Das Phänomen hat einen Namen: Tokenmaxxing. Und es hat Meta Milliarden gekostet.
Der Aufstieg von Tokenmaxxing
Anfang 2026 machte Meta die Nutzung von KI-Werkzeugen zu einem formalen Kriterium in der Leistungsbewertung von Ingenieuren. Die Logik war einfach: Das Unternehmen wollte die KI-Adoption beschleunigen, und was gemessen wird, wird getan. KI-Dashboards verfolgten jeden Token, den Ingenieure durch interne Tools verbrauchten, und interne Ranglisten ließen Teams um die höchsten Nutzungswerte konkurrieren.
Was Meta nicht vorhersah, war, wie schnell Ingenieure das System aushebeln würden.
Tokenmaxxing , ein Kofferwort aus „Token" und „Maxing" (eine Statistik auf Maximum bringen) , wurde zu einem offenen Geheimnis im Unternehmen. Ingenieure führten unnötige KI-Abfragen durch, ließen Code-Vervollständigungen generieren und hielten KI-Werkzeuge im Leerlauf, nur um Tokenzahlen zu erhöhen. Ein Meta-Mitarbeiter baute ein Dashboard, auf dem Kollegen um den Titel des größten KI-Token-Verbrauchers kämpften. Mark Zuckerberg selbst schaffte es nicht unter die Top 250.
Das Problem war nicht auf Meta beschränkt. Amazon-Mitarbeiter gaben zu, KI-Nutzungswerte aufgebläht zu haben. Microsoft hatte ähnliche Kostenexplosionen. Aber Metas interne Kosten waren besonders drastisch: Die KI-Nutzung allein steuerte 2026 auf Milliarden zu.
Die Kehrtwende
Am 8. September 2026 verkündeten Meta-Führungskräfte Maher Saba und Santosh Janardhan die Politikänderung in einem internen Memo, das The Information einsehen konnte. KI-Dashboards und Token-Zähler würden nicht länger in Leistungsbewertungen eingehen. Stattdessen zählen nun Qualität, Geschwindigkeit und Komplexität der Arbeit.
Die Botschaft war klar: Das Experiment, KI-Token-Verbrauch als Produktivitätsproxy zu behandeln, war gescheitert.
Meta plant, ab 2027 KI-Token-Budgets und ein zentrales Dashboard einzuführen , ein Wechsel von Tokens als Leistungspunktzahl zu Tokens als Kostenfaktor. Die Entscheidung bestätigt, was Ingenieure bereits wussten: Rohe Tokenzahlen messen Ausgaben, nicht Output.
Das Hatch-Problem
Der Zeitpunkt der Kehrtwende ist aufschlussreich. Meta testet derzeit Hatch, ein neues KI-Agent-Tool, das Computeraufgaben selbstständig erledigen kann. Aber laut WIRED stößt die Einführung auf internen Widerstand . Einige Mitarbeiter zögern, Hatch mit ihren persönlichen Konten zu verbinden.
Meta treibt gleichzeitig neue KI-Tools voran und reduziert die Metriken, die deren Nutzung messen. Der Widerspruch zeigt, wo die KI-Adoption 2026 steht: Unternehmen wollen dringend, dass Mitarbeiter KI nutzen , aber sie wissen nicht, wie sie Erfolg messen können, ohne falsche Anreize zu schaffen.
Was das Silicon Valley aus Tokenmaxxing lernen kann
Die Tokenmaxxing-Episode ist mehr als ein durchgesickertes Memo. Sie ist eine Fallstudie über die unerwarteten Folgen von KI-Metriken.
Wenn Unternehmen KI-Adoption an Tokenzahlen messen, belohnen sie Token-Konsum , nicht Produktivität. Wenn Ranglisten Mitarbeiter nach Verbrauch ordnen, belohnen sie Verschwendung, nicht Effizienz. Wenn interne KI-Kosten Milliarden erreichen, bevor es jemand bemerkt, hat die Metrik versagt.
Die übergreifende Lektion: KI-Adoption ist kein KPI. Sie ist eine Transformation , und Transformationen misst man nicht an Inputs. Metas Entscheidung, Tokenmaxxing-Metriken aufzugeben, könnte das erste große Signal sein, dass das Silicon Valley diesen Unterschied lernt.
Wie Fortune im Mai erklärte: „Tokenmaxxing ist tot. Es hat die gewünschte KI-Rendite nicht gebracht." Metas Politikänderung macht es offiziell.
Quellen
- The Decoder: Meta drops AI usage from engineer performance reviews after "tokenmaxxing" backfires
- WIRED: Meta Pushes Its New AI Agent on Employees , but Eases Off on Tokenmaxxing
- Fortune: Tokenmaxxing is dead. It didn't produce the AI ROI companies wanted.
- Tom's Hardware: AI cost crisis hits tech giants as employee 'tokenmaxxing' backfires