Die KI-Entlassungsfalle: warum Entlassungen Nachfrage zerstören

Am 26. Februar 2026 rechnete Jack Dorsey laut nach und 4.000 Menschen verloren an einem einzigen Nachmittag ihren Job.

Block – das Unternehmen hinter Square, Cash App, Tidal und Afterpay – stieg in einem Schritt von etwas mehr als 10.000 Mitarbeitern auf knapp 6.000. Vierzig Prozent der Belegschaft. Dorsey hat den Grund nicht in HR-Sprache verheimlicht. Er veröffentlichte das Memo auf X. In seinem Aktionärsbrief nannte er „Intelligence Tools“ – AI – als Treiber. Und dann sagte er etwas, worüber ich als Bauunternehmer, der jeden Tag AI-Produkte versendet, seit zwei Monaten nicht mehr aufhören kann, daran herumzukauen.

„Ich denke, die meisten Unternehmen sind spät dran. Ich glaube, dass die Mehrheit der Unternehmen innerhalb des nächsten Jahres zum gleichen Schluss kommen und ähnliche strukturelle Veränderungen vornehmen wird. Ich gehe lieber ehrlich und zu unseren eigenen Bedingungen dorthin, als dass ich reaktiv dazu gezwungen werde.“ — Jack Dorsey, Beitrag auf X, 26. Februar 2026

Die Wall Street liebte es. Die Aktie stieg in der nächsten Sitzung um etwa 20 %. Der Markt interpretierte den Schritt genauso wie Dorsey – als Beweis dafür, dass Block den Code geknackt hatte, mit weniger Leuten mehr zu erreichen. Jeder CFO, der diesen Ticker sah, hat die gleiche Rechnung gemacht. Alle Gremien, die im ungenutzten AI-Budget saßen, stellten am Montag dieselbe Frage.

And six days later, on March 2, 2026, two economists — one at the University of Pennsylvania, one at Boston University — quietly dropped a 70-page paper on arXiv that says, with the kind of cold formal proof that makes the math undeniable, that this entire industry-wide instinct is a trap. Kein moralisches Versagen. Eine Falle. Ein Gefangenendilemma, bei dem der von allen Unternehmen gleichzeitig durchgeführte Schritt, der den Gewinn eines Unternehmens maximiert, gemeinsam den Markt zerstört, den sie alle erobern wollen.

Das Papier heißt Die AI Entlassungsfalle. Die Autoren sind Brett Hemenway Falk (UPenn) und Gerry Tsoukalas (BU). Ich habe die letzten drei Wochen darin verbracht. Dieser Beitrag ist das, was ich herausgesucht habe – das Argument, die kontraintuitiven Ergebnisse, die sechs vorgeschlagenen Korrekturen, die ehrlich bewertet wurden, und wo ich denke, dass das Papier richtig ist, wo es seine eigenen Schlussfolgerungen unterschätzt und was es für jeden von uns bedeutet, AI-Produkte aufzubauen und Karrieren darauf zu setzen, was als nächstes passiert.

Wenn Sie AI beruflich versenden, ist dies keine optionale Lektüre. Lassen Sie mich Ihnen zeigen, warum.

Der blinde Fleck, der auf der Tabellenkalkulation jedes CFOs zu finden ist

Hier ist die Sache, die mich erwischt hat, und zwar bevor ich die Zeitung überhaupt aufgeschlagen habe.

Ein Arbeiter ist nicht nur eine Kostenlinie. Ein Arbeiter ist auch ein Kunde.

Lesen Sie das zweimal. Weil jede Tabellenkalkulation, die ich je gesehen habe, die Gehaltsabrechnung als reinen Abfluss behandelt – eine Zahl auf der Ausgabenseite, Punkt. Der CFO modelliert die Einsparungen durch eine Entlassung sauber: Nehmen Sie die Gesamtvergütung, multiplizieren Sie sie mit dem Personalabbau, subtrahieren Sie die Abfindung und addieren Sie sie zur Betriebsmarge. Erledigt. Das Modell liefert Ihnen jedes Mal eine eindeutig positive Zahl.

Aber dieser Arbeiter ist auch jemand, der Dinge kauft. Eine Tüte Lebensmittel. Eine Mitgliedschaft im Fitnessstudio. Ironischerweise ein Cash-App-Abonnement. Ein Zahlungsterminal mit Block-Logo im Café auf der anderen Straßenseite. Eine SaaS-Lizenz. Ein Hardware-Upgrade, dem ihr Arbeitgeber zugestimmt hätte. Wenn Sie sie entlassen, werden die Ersparnisse bereits am ersten Tag in Ihren Büchern verbucht. Die entgangene Nachfrage, die sie erzeugt hätten, betrifft jemandes Bücher – und das meiste davon betrifft nicht Ihre.

Das ist die Äußerlichkeit. Das ist der gesamte Artikel in einem Satz. Falk und Tsoukalas nennen es eine „Externalität der Nachfrage“ – so wie ein Industrieverschmutzer nicht die Kosten für den Fluss trägt, den er verunreinigt, zahlt ein Automatisierungsunternehmen nicht die Kosten für die Verbrauchernachfrage, die er verdampft. Die Ersparnisse sind privat. Der Schaden wird sozialisiert.

Ich baue seit Jahren AI-Produkte. Ich habe gesehen, wie ein Gründer nach dem anderen eine Präsentation vorstellte, in der die Schlagzeile lautete: „Wir ersetzen X Millionen US-Dollar an Gehaltsabrechnungen durch unseren Agenten.“ Ich habe diesen Pitch selbst gemacht. Keines dieser Decks modelliert den nachfrageseitigen Effekt. Keiner von ihnen fragt, was passiert, wenn jeder Teilnehmer in der Kategorie im selben Viertel dasselbe tut. Im Gewinn- und Verlustrechnungsmodell fehlt eine Spalte.

Die brutale Pointe ist, dass bei wettbewerbsorientierten Preisen – in der Welt, in der wir tatsächlich leben – das Unternehmen, das zuerst automatisiert, die gesamten Kosteneinsparungen erzielt, aber nur einen Bruchteil des Nachfrageschadens trägt, weil der Nachfrageschaden über den gesamten Markt verteilt ist. Jedes einzelne Unternehmen hat also einseitig einen profitablen, mathematisch dominanten Schritt. Feuer. Immer feuern. Es gibt kein Gleichgewicht, in dem sich Unternehmen freiwillig zurückhalten, denn wenn sie sich zurückhalten, verliert jeder, der Fehler macht.

Dies ist genau die Struktur des Gefangenendilemmas. Und das Papier formalisiert es auf eine Art und Weise, wie ich es noch nie so deutlich gesehen habe.

Die Mathematik wurde konkret (Warum die Entlassung von 1.000 Arbeitern wie ein genialer Schachzug aussieht)

Lassen Sie mich das in der Arbeit verwendete Beispiel durchgehen, denn in dem Moment, als ich es mit Bleistift auf eine Serviette zeichnete, hörte es auf, abstrakt zu sein.

Stellen Sie sich einen Markt mit zehn etwa gleich großen Unternehmen vor. Nennen Sie sie Unternehmen A bis Unternehmen J. Jedes Unternehmen hat beispielsweise 1.000 Mitarbeiter. Gesamtbelegschaft der Branche: 10.000 Personen. Diese 10.000 Menschen verdienen Gehälter. Sie geben einen Teil dieser Gehälter innerhalb dieses Marktes aus – für den Kauf der Waren und Dienstleistungen, die diese zehn Unternehmen untereinander und an den Rest der Wirtschaft verkaufen.

Unternehmen A beschließt, AI einzusetzen und alle 1.000 Mitarbeiter zu entlassen. Folgendes passiert in der Bilanz von Unternehmen A:

• Einsparungen bei der Lohn- und Gehaltsabrechnung: 100 % – Unternehmen A erfasst jeden Dollar, den es zur Bezahlung dieser Arbeitnehmer verwendet hat
• Auswirkungen auf die Nachfrage: 1/10 – Unternehmen A verliert ungefähr seinen proportionalen Marktanteil an der Nachfrage, die früher durch die entlassenen Arbeitnehmer generiert wurde. Die anderen 9/10 des Nachfrageverlusts verteilen sich auf die Unternehmen B bis J

Aus Sicht von Unternehmen A ist dies eindeutig profitabel. Sie sparen 100 % der Kosten; Sie essen nur 10 % des entsprechenden Nachfrageverlusts; Die anderen 90 % sind das Problem von jemand anderem. Die Mathematik funktioniert. Der CFO wird befördert. Die Aktie steigt um 20 %.

Nun schauen sich die Unternehmen B bis J Unternehmen A an und führen die gleiche Berechnung durch. Sie müssen. Ihre Vorstände fragen. Ihre Analysten fragen. Ihre Aktionäre fragen. Sie kommen alle zu derselben Schlussfolgerung: „Wenn wir nicht das tun, was A getan hat, ist unsere Kostenstruktur im Vergleich zu A auf dem Kopf und wir verlieren Margen. Wenn wir tun, was A getan hat, erhalten wir 100 % unserer Lohneinsparungen und fressen nur 1/10 des Grenznachfrageschadens.“

Alle zehn Unternehmen entlassen also alle 10.000 Arbeiter.

Und jetzt hat der Markt 100 % der Nachfrage verloren, die diese Arbeiter einst erzeugt haben. Die 1/10-Aktie, die jedes Unternehmen „nur frisst“ – diese Aktie ist nun zehnfach gestapelt. Der totale Nachfrageeinbruch trifft alle voll und ganz. Die Gewinne stürzten während des gesamten Marktes ab, weil die Kunden nicht mehr erschienen. Die Einsparungen bei der Lohn- und Gehaltsabrechnung sind real, wurden jedoch durch den Umsatzrückgang auf der Umsatzrendite zunichte gemacht.

Jede einzelne Entscheidung war rational. Das kollektive Ergebnis ist ein rauchender Krater.

Das Papier beweist dies formal. In dem, was sie das „reibungslose Limit“ nennen – das Limit, in dem jede Aufgabe gleichermaßen automatisierbar ist – verschärft sich das Spiel zu einem lehrbuchmäßigen Gefangenendilemma, bei dem die Entlassung der gesamten menschlichen Belegschaft die absolut vorherrschende Strategie ist. Nicht nur ein guter Schachzug. Der dominierende Zug. Der Schritt, den Sie unternehmen, unabhängig davon, was andere tun. Selbst wenn Sie mit Sicherheit wüssten, dass alle anderen sich zurückhalten würden, würden Sie dennoch abtrünnig werden, da Abtrünnigkeit in jedem Staat der Welt individuell profitabel ist.

Das ist die Falle. Es ist nicht so, dass CEOs böse sind. Es geht darum, dass die Spielregeln jeden bestrafen, der es langfristig spielt. Dorseys Tweet ist, wenn man ihn in diesem Rahmen liest, keine Angeberei. Es ist die Ankündigung einer Nash-Gleichgewichtsbewegung. Es ist ein rationaler Akteur, der die dominante Strategie spielt und den anderen rationalen Akteuren sagt: „Du solltest auch deine Strategie spielen, denn das wirst du sowieso tun, du könntest es genauso gut jetzt tun.“

Warum freiwillige Industriepakte Sie nicht retten werden

Hier kommt der Punkt, an dem die Arbeit wirklich chirurgisch wird.

Jedes Mal, wenn ich dieses Gespräch mit einem anderen Gründer führe, sagt jemand: „Aber was wäre, wenn alle großen Player einfach einigen würden, dies nicht zu tun? Ein Branchenpakt. Ein Verhaltenskodex. Ein Versprechen.“

Falk und Tsoukalas bringen diese Idee in den Fleischwolf. Das Ergebnis ist nicht schön.

Im Gefangenendilemma sind freiwillige Vereinbarungen nicht selbstwirksam. Die Struktur der Auszahlungsmatrix bedeutet, dass, wenn Sie und ich einen Pakt unterzeichnen, der besagt, dass wir nicht automatisieren werden, und Sie ihn einhalten, mein bester Schritt darin besteht, abzulaufen – meine Mitarbeiter zu entlassen und die Kosteneinsparungen zu erzielen, während Sie die Linie halten. Ich verstehe den Vorteil. Du bekommst nichts. Wenn Sie auch überlaufen, dann sind wir beide schlechter dran, als wenn wir beide den Pakt eingehalten hätten, aber ich bin nicht schlechter dran, als wenn ich die Linie gehalten hätte und Sie übergelaufen wären. Daher ist Abwanderung in jedem Staat vorherrschend. Der Pakt hat keine Zähne.

Die Autoren weisen ausdrücklich darauf hin, dass es sich hierbei nicht um einen „Koordinationsfehler handelt, der durch Kommunikation gelöst werden kann“. Miteinander reden hilft nicht. Vertrauen löst das Problem nicht. Öffentliches Engagement löst das Problem nicht. Die Struktur der Anreize ist faul. Solange ein Übertritt individuell belohnt wird, ist keine unverbindliche Vereinbarung stabil.

Das ist übrigens der Grund, warum ich beim regelmäßigen „AI Ethics Summit“ oder „Responsible Automation Pledge“ ein wenig mit den Augen verdrehe. Nicht, weil die Leute, die sie unterschreiben, unaufrichtig sind. Einige von ihnen meinen wirklich jedes Wort. Aber die Gleichgewichtsanalyse ist unversöhnlich. Im ersten Quartal, in dem der Konkurrent eines Unterzeichners – der nicht unterschrieben hat – aufgrund einer Einführung von AI einen Margenvorteil von 200 Basispunkten verbucht, wird der Vorstand dieses Unterzeichners eine sehr ernste Sitzung abhalten. Und im zweiten Quartal ist der Pakt tot.

Der einzige Ausweg aus dem Gefangenendilemma besteht darin, die Auszahlungsmatrix zu ändern. Nicht die Spieler. Nicht die Rhetorik. Die Matrix.

Das bringt uns zu den sechs Dingen, die das Papier vorschlägt – und warum fünf davon nicht funktionieren.

Die sechs Lösungen, ohne Gnade bewertet

Das Papier bewertet systematisch sechs vorgeschlagene politische Reaktionen auf AI-bedingte Entlassungen. Hier ist die ehrliche Ergebnisliste, mit meinem eigenen Kommentar zu jedem, denn der Artikel ist schärfer als die meisten populären Berichterstattungen darüber.

1. Universelles Grundeinkommen – Teilweise Lösung, falsches Ziel

UBI gewährt entlassenen Arbeitnehmern einen direkten Geldtransfer, um ihren Konsum aufrechtzuerhalten. Das Problem: Es hat keinen Einfluss auf die Kosten-Nutzen-Rechnung des Unternehmens. Der CFO, der das Entlassungsmodell anwendet, sieht auf der einen Seite immer noch die gleichen Lohneinsparungen und auf der anderen Seite den gleichen proportionalen Nachfrageschaden. UBI hilft dem Arbeiter, was moralisch und praktisch wichtig ist, aber es ändert nichts an den Regeln des Gefangenendilemmas. Das Wettrüsten geht weiter. Die Nachfrage könnte teilweise gebremst werden, aber die Externalität bleibt nicht internalisiert. Hilfreich, nicht lösend.

2. Gewinnsteuer mit Umverteilung – Teilweise Korrektur, neutral in Bezug auf Anreize

Besteuern Sie Unternehmensgewinne und verteilen Sie die Erlöse an entlassene Arbeitnehmer. Klingt sauber. Das Problem, auf das das Papier hinweist, besteht darin, dass dadurch die Gewinne bei allen Unternehmen – Automatisierern und Nicht-Automatisierern gleichermaßen – einheitlich schrumpfen, was bedeutet, dass sich der relative Anreiz zur Automatisierung bzw. zur Nichtautomatisierung nicht ändert. Wenn die Automatisierung vor der Steuer die vorherrschende Strategie war, ist sie auch danach immer noch die vorherrschende Strategie. Sie haben die Höhe des Preises reduziert, aber die Form beibehalten. Die Falle bleibt gefedert.

3. Arbeitnehmerbeteiligung/Gewinnbeteiligung – Teilweise Korrektur, nur intern

Geben Sie Ihren Mitarbeitern eine Eigentumsbeteiligung, damit sie an den Produktivitätssteigerungen durch die Automatisierung teilhaben können. Dies ist auf Unternehmensebene interessant – es kann den Schlag für die Arbeitnehmer des betreffenden Unternehmens abmildern. Aber es geht überhaupt nicht auf die unternehmensübergreifende Nachfrageexternalität ein. Dass die Mitarbeiter von Unternehmen A von der Automatisierung von Unternehmen A profitieren, bringt nichts für die Kunden von Unternehmen B, C oder D, die in ihrer Gesamtheit auch Kunden von Unternehmen A sind. Der Mechanismus ist zu lokal, um ein marktweites Problem zu beheben.

4. Freiwilliger Unternehmenspakt zur Zurückhaltung AI – Funktioniert nicht

Wir sind gerade durchgegangen, warum. Der Pakt ist strukturell instabil. Der erste Überläufer gewinnt. Das Mechanismusdesign ist im Fundament gebrochen. Die Zeitung bewertet dies mit ungefähr der gleichen Geduld wie ich es gerade getan habe.

5. Umschulungs-/Weiterbildungsprogramme – Teilweise, abhängig von der Geschwindigkeit

Dies ist der Punkt, bei dem ich am sanftesten bin und bei dem das Papier am vorsichtigsten ist. Umschulungen funktionieren, wenn entlassene Arbeitskräfte schnell genug wieder in produktive neue Rollen integriert werden können, damit die Gesamtnachfrage nicht in der Lücke zusammenbricht. Das Problem besteht darin, dass es in der Vergangenheit Jahre bis Jahrzehnte gedauert hat, bis der technologische Wandel die Resorption vollzogen hat. Die industrielle Revolution hat bekanntermaßen eine Generation ins Elend gestürzt, während die langfristigen Produktivitätsgewinne ihren Enkelkindern zugutekamen. Ob sich AI schnell genug durchsetzt, um die Lücke zu schließen, bevor die Nachfrage nachlässt, ist eine offene empirische Frage – auf die ich zurückkommen werde.

6. Pigouvian Automatisierungssteuer – Effektiv. Der Einzige, der das Problem tatsächlich löst

Das ist die Antwort, auf die das Papier stößt, und die Eleganz, die darin steckt, ist wirklich die Art von Dingen, bei denen man zweimal nickt, wenn man versteht, was passiert.

Erheben Sie von der Firma eine Steuer in Höhe des Nachfrageschadens, den ihre Entlassung dem Rest der Wirtschaft zufügt. Verinnerlichen Sie die Äußerlichkeit. Erzwingen Sie, dass die Tabelle des CFO die fehlende Spalte enthält. Die Ersparnisse ändern sich nicht. Aber jetzt haben die Einsparungen entsprechende Kosten, die mit dem Schaden, den sie verursachen, skalieren. Die Arithmetik kehrt zu etwas Vertretbarem zurück.

Dies ist nach Arthur Pigou benannt, dem britischen Ökonomen, der 1920 die Idee einführte, dass negative externe Effekte – das klassische Beispiel ist die Umweltverschmutzung – mit einem Satz besteuert werden sollten, der den von ihnen verursachten gesellschaftlichen Grenzkosten entspricht. Die CO2-Steuerdebatte ist der moderne Nachkomme. Die Intuition von Pigouvian ist, dass Märkte effizient sind, wenn die Preise alle Kosten einer Aktion widerspiegeln; Sie sind ineffizient, wenn einige Kosten auf Dritte abgewälzt werden. Die Externalität von Entlassungen ist in diesem Sinne genau analog zur Umweltverschmutzung. Die Atmosphäre ist der Arbeitsmarkt. Der Kohlenstoff ist die Entlassung. Das Fischsterben flussabwärts sind die kleinen Unternehmen, deren Kunden nicht mehr durch die Tür gehen.

Eine Automatisierungssteuer verbietet Entlassungen nicht. Es verbietet AI nicht. Es werden keine Gewinner ausgewählt. Es macht die Tabellenkalkulation des Unternehmens einfach ehrlicher. Wenn der Produktivitätsgewinn wirklich größer ist als der Nachfrageschaden, automatisiert das Unternehmen immer noch und zahlt die Steuer – und die Steuereinnahmen können Umschulungen, UBI, Infrastruktur usw. finanzieren. Wenn der Gewinn geringer ist als der Schaden, automatisiert das Unternehmen nicht und das soziale Ergebnis bleibt erhalten. Der Markt übernimmt die Sortierung. Die Äußerlichkeit hört auf, eine freie Äußerlichkeit zu sein.

Es handelt sich um die einzige Lösung, von der das Papier offiziell beweist, dass sie in ihrem Modell funktioniert, und nachdem ich mich drei Wochen lang mit der Argumentation beschäftigt habe, denke ich, dass sie Recht haben. Bei den anderen fünf handelt es sich um Teilmaßnahmen, die von „geringfügiger Hilfe“ bis „strukturell aussichtslos“ reichen. Die Pigouvian-Steuer ist diejenige, die die Matrix tatsächlich neu verdrahtet.

Der Red-Queen-Effekt: Warum besser AI die Falle schlimmer macht

Hier ist der Befund, der mir am meisten Angst machte. Ich musste es dreimal lesen, um sicherzugehen, dass ich es richtig verstanden habe.

Intuitiv könnte man meinen, dass mit zunehmender Leistungsfähigkeit von AI der Schaden durch Entlassungen kleiner wird, weil die Produktivitätsgewinne größer werden. Mehr AI-Fähigkeit pro Dollar bedeutet mehr Output pro Dollar und damit mehr wirtschaftlichen Überschuss. Der Kuchen wächst. Sicherlich hilft das?

Das Papier beweist das Gegenteil.

Besser AI macht die Falle schlechter, nicht besser. Hier ist der Mechanismus: stärkerer AI = größere Lohneinsparungen pro entlassenem Arbeitnehmer = größerer Anreiz für jedes einzelne Unternehmen, zu entlassen. Die Kosten des Zurückhaltens steigen. Die Belohnung für das Überlaufen steigt. Unterdessen verringert sich der Nachfrageschaden durch jede Entlassung nicht – er bleibt ungefähr proportional oder nimmt in einigen Szenarien aktiv zu, weil die entlassenen Arbeitnehmer in einer Umgebung mit höherer Automatisierung länger arbeitslos bleiben. Mit der Verbesserung von AI vergrößert sich also die Kluft zwischen „dem, was das Unternehmen durch die Automatisierung gewinnt“ und „dem, was die Gesellschaft durch die Automatisierung verliert“.

Das Ergebnis ist das, was die Autoren als etwas beschreiben, das einem Red-Queen-Effekt nahekommt – eine Phrase aus der Biologie von Lewis Carroll. In Carrolls „Through the Looking-Glass“ sagt die Rote Königin zu Alice, dass man in ihrem Land „alle Anstrengungen unternehmen muss, um am selben Ort zu bleiben.“ Biologen übernahmen die Metapher für ein evolutionäres Wettrüsten, bei dem sich eine Art ständig weiterentwickeln muss, um ihre Position gegenüber Raubtieren und Konkurrenten zu behaupten. Wenden Sie es auf Unternehmen in dieser AI-Umgebung an: Da AI besser wird, muss jedes Unternehmen stärker automatisieren, nur um mit allen anderen Unternehmen mitzuhalten, die stärker automatisieren. Niemand erlangt einen relativen Vorteil. Das Rennen verschärft sich. Die gesamte Nachfrage-Schadens-Rechnung wächst. Insgesamt kein Fortschritt; einzeln, kein Entrinnen.

Dies ist der Teil des Papiers, der in den meisten Berichten übersehen wird. Die Geschichte lautet nicht: „AI ist am Anfang schlecht, aber wenn es ausgereift ist, wird alles gut.“ Die Geschichte ist das Gegenteil: Je leistungsfähiger AI wird, desto tiefer sind rationale Unternehmen gefangen und desto schwieriger wird es, ohne politisches Eingreifen herauszukommen. Fähigkeit löst keine Koordination. Tatsächlich verschärft es das Koordinationsproblem.

Ich möchte eine Sekunde damit sitzen. Denn wenn Sie ein Bauunternehmer sind, der AI-Produkte vertreibt – und das bin ich, Leser, jede Woche –, lautet Ihr standardmäßiges mentales Modell „Bessere Modelle machen die Welt besser.“ Es ist das sauberste Leitbild überhaupt. Und innerhalb der vier Wände jedes einzelnen Produkts ist es wahr. Mit besseren Modellen kann ich mehr für meine Benutzer tun. Die Kosten pro Token sind eingebrochen. Die Leistungsfähigkeit pro Dollar ist vertikal gestiegen. Jede Veröffentlichung von Opus, jede Veröffentlichung von Sonnet, jede Veröffentlichung von Codex macht die Dinge, die ich baue, billiger in der Ausführung und nützlicher in der Verwendung. (Ich habe über genau diese Dynamik geschrieben, als der SpaceX-Computing-Deal von Anthropic Anfang Mai die Tariflimits verdoppelte.)

Aber das Ergebnis von Red Queen besagt: Der Makroeffekt, wenn wir alle diese Dinge gleichzeitig in einem Markt aufbauen, der so strukturiert ist wie der unsere, kann netzzerstörerisch sein, selbst wenn jedes einzelne Produkt auf Benutzerebene netzpositiv ist. Für einen AI-Entwickler ist das ein zutiefst unangenehmes Ergebnis. Ich habe gekaut.

Die Leichenzählung 2025 und warum der Zeitpunkt des Papiers wichtig ist

Die Zeitung landete zu einem ganz bestimmten Zeitpunkt.

Der Tracker von Layoffs.fyi zeigt, dass das Jahr 2025 mit rund 157.000 Entlassungen im technischen Bereich abgeschlossen wurde. Challenger, Gray & Christmas – das den angegebenen Grund für Kürzungen anhand seiner Berichtsmethodik zum Stellenabbau verfolgt – führte etwa 55.000 davon auf AI zurück, speziell als genannten Treiber. Unabhängige Tracker wie Programs.com gehen davon aus, dass die auf AI zurückzuführende Zahl über 100.000 liegt, wenn man Unternehmen einbezieht, die stark in AI investieren, selbst wenn sie dies nicht schriftlich angegeben haben. Die Wahrheit liegt irgendwo in diesem Bereich; Die Methoden unterscheiden sich berechtigterweise. Der Trend tut es nicht.

Bis zum ersten Quartal 2026 hatte sich das Bild verschärft. Laut einem Bericht von Nikkei Asia, der in der wissenschaftlichen Berichterstattung des AI Layoff Trap-Papiers zitiert wird, wurden zwischen Januar und Anfang April 2026 weltweit etwa 78.557 Tech-Arbeiter entlassen, wobei 76 % dieser Kürzungen in den Vereinigten Staaten stattfanden. Davon wurden 37.638 – etwa 48 % – ausdrücklich AI und der Automatisierung durch die Unternehmen zugeschrieben, die den Schnitt durchführten. Das ist eine Verdoppelung des AI-Attributionsanteils innerhalb eines Jahres.

Blocks Februartag mit 4.000 Arbeitern war der lauteste dieser Schritte, aber er war kein Einzelfall. CNBC berichtete Ende April, dass Meta und Microsoft in diesem Quartal zusammen rund 20.000 Kürzungen angekündigt oder signalisiert hätten, was in ihrer eigenen Berichterstattung unter der Überschrift „Besorgnis erregend, dass die von AI ausgelöste Arbeitskrise da ist“ formuliert wurde. Die Namen wechseln sich ab. Das Muster gilt.

Vor diesem Hintergrund veröffentlichte der Anthropic Economic Index – Anthropics eigener Quartalsbericht darüber, wie Claude in der Wirtschaft genutzt wird – seinen „Learning Curves“-Bericht vom März 2026. Er zeigt, dass etwa 4 % der Jobs AI für mindestens 75 % der Aufgaben nutzen und rund 36 % bei mindestens 25 % AI-Nutzung liegen. Coding bleibt mit etwa 35 % der Gespräche der dominante Claude-Anwendungsfall. Die laut Claude-Nutzungsdaten am stärksten exponierten Berufe sind Computerprogrammierer, Kundendienstmitarbeiter und Finanzanalysten – qualifizierte, gut ausgebildete Rollen, nicht nur Einstiegsjobs.

Anthropic fand „keinen klaren Anstieg der Arbeitslosenquoten bei Arbeitnehmern in den am stärksten von AI exponierten Berufen“ – stellte aber fest, dass die Einstellung jüngerer Arbeitnehmer im Alter von 22 bis 25 Jahren in stark exponierten Rollen seit dem Start von ChatGPT um etwa 14 % zurückgegangen ist.

Lesen Sie diese beiden Datenpunkte zusammen: Die Gesamtarbeitslosigkeit zeigt noch nicht das AI-Signal, aber die Einstiegstür schließt sich. Der erste Riss im Glas erscheint genau dort, wo man ihn zuerst erwarten würde – auf der untersten Sprosse, wo der Grenzarbeiter am einfachsten durch ein Modell ersetzt werden kann.

Das ist der empirische Kontext für die Arbeit. Es handelt sich nicht um eine Theorie über ein hypothetisches Szenario für 2030. Es handelt sich um die Modellierung eines Prozesses, der sich bereits sechs Quartale in seiner ersten Phase befindet, wobei ein Fortune-500-Unternehmen das Playbook öffentlich getwittert hat und der CEO dieses Unternehmens offiziell vorhergesagt hat, dass der Rest innerhalb von 12 Monaten folgen wird.

Die Rechnung kam spät, aber sie kam.

Was ich denke, dass das Papier richtig ist, und wo ich zurückhalte

Drei Wochen, in denen ich in dieser Zeitung lebe, hier lande ich.

Wobei ich denke, dass Falk und Tsoukalas eindeutig Recht haben:

Die Beschreibung des Gefangenendilemmas ist richtig. Ich habe in den letzten zwei Monaten mit Gründern, CFOs und Betriebsleitern in drei Sektoren gesprochen. Ausnahmslos sieht die Tabelle, die sie zur Evaluierung der AI-Bereitstellung erstellen, genau so aus, wie es im Dokument beschrieben wird. Reine Kosteneinsparungen auf der einen Seite, keine Nachfrage-Externalitäts-Spalte auf der anderen Seite. Jeder, der Ihnen sagt, dass sich der Markt diesbezüglich „selbst korrigiert“, modelliert nicht die gleiche Gleichung, die die Leute, die den Abzug betätigen, modellieren.

Das Argument, dass der freiwillige Pakt nicht funktioniert, ist absolut stichhaltig. Es wäre absolut solide, selbst wenn ich in den letzten 18 Monaten nicht miterlebt hätte, wie ein halbes Dutzend Branchenkoalitionen rund um die AI-Ethik gebildet und aufgelöst wurden. Die Mathematik ist die Mathematik. Koalitionen im Gefangenendilemma-Defekt. Stets.

Der Red-Queen-Punkt ist der am meisten unterschätzte Befund in der Zeitung und derjenige, der am meisten in die Irre geführt wird. „Mehr AI = mehr Schaden in diesem Regime“ ist ein Ergebnis, mit dem man sich abfinden und nicht abtun muss.

Wo ich mir weniger sicher bin:

Der geschwindigkeitsbedingte Umschulungspunkt ist die Tragunsicherheit. Frühere Automatisierungswellen haben schließlich entlassene Arbeitskräfte wieder aufgenommen – in völlig neue Sektoren, oft solche, die es vor Beginn der Welle noch nicht gab. Aus dem Kutscherarbeiter wurde Automechaniker. Aus dem Fabrikarbeiter wurde ein Dienstleistungsarbeiter. Aus dem Bankangestellten wurde Softwareentwickler. Die Rückresorption ist keine Zauberei; Es erfordert Kapitalbildung, Schulungspipelines und soziale Geduld. Das Modell des Papiers ist richtig, dass, wenn die Reabsorption schnell und vollständig erfolgt, eine Umschulung allein ausreichen könnte. Die empirische Frage ist, ob die AI-Verdrängung schneller erfolgt, als das Reabsorptionsrohr fließen kann.

Ich weiß die Antwort wirklich nicht. Ich neige zu „Dieses Mal ist es wirklich schneller“, denn Geschwindigkeit und Umfang der AI-Substitution unterscheiden sich qualitativ von früheren Wellen – sie trifft die kognitive Arbeit direkt, gleichzeitig und über viele Sektoren hinweg, mit einem Bereitstellungszyklus, der in Monaten gemessen wird, und nicht in den Jahrzehnten, die die Mechanisierung gedauert hat. Aber ich möchte ehrlich sein, dass es sich dabei um ein Urteil und nicht um einen Beweis handelt. Die Arbeit von Acemoglu und Restrepo zur Aufgabenverlagerung und Wiedereinstellung ist die strenge Version dieser Debatte, und sie ist selbst unter den Leuten, die das Framework erstellt haben, noch lange nicht beigelegt.

Wohin ich das Papier schieben würde:

Ich denke, Falk und Tsoukalas unterschätzen, wie sehr das Problem der internationalen Koordinierung in der Praxis jede tatsächliche Steuer beeinträchtigen wird. Der Beweis des Papiers funktioniert in einer geschlossenen Wirtschaft. Wenn in einer offenen Wirtschaft die Vereinigten Staaten eine Entlassungssteuer erheben und Korea dies nicht tut, verlagern US-Firmen ihre Automatisierung in Rechtsgebiete ohne diese Steuer oder strukturieren sie um, die Steuerbemessungsgrundlage erodiert und die Anreizmatrix tendiert wieder zur Abwanderung auf Länderebene statt auf Unternehmensebene. Dasselbe Gefangenendilemma steigert die Abstraktion um eine Ebene.

Um dieses Problem zu lösen, bedarf es entweder (a) einer koordinierten internationalen Politik – was in der Vergangenheit sehr schwierig war – oder (b) einer Steuerstruktur, die auf dem Standort des verdrängten Arbeitnehmers basiert und nicht auf dem Standort des Unternehmens, das die Verdrängung vornimmt, was den inländischen Einnahmen zuträglich wäre, aber in der tatsächlichen Umsetzung ein regulatorischer Albtraum wäre.

Dies ist der Teil, zu dem ich mir ein Folgepapier wünschen würde. Der Nachweis einer geschlossenen Wirtschaft ist der notwendige erste Schritt. Die Open-Economy-Spieltheorie ist die eigentlich relevante politische Frage.

Was das bedeutet, wenn Sie AI-Produkte bauen, investieren oder darauf wetten

Drei Wochen nachdem ich darüber nachgedacht habe, sind meine eigenen Entscheidungen hier angekommen.

Für Bauherren und Gründer, die AI-Produkte versenden: Hören Sie auf, reine Ersatzprodukte zu verkaufen. Verkaufen Sie Erweiterungen, Kapazitätserweiterungen oder die Schaffung neuer Aufgaben. Nicht, weil ein Ersatz moralisch falsch wäre – das gilt nicht für jede einzelne Firma –, sondern weil das Risiko eines Nachfrageeinbruchs die Kunden Ihrer Kunden trifft, was bedeutet, dass es letztendlich Ihren TAM trifft. Wenn die einzige Möglichkeit, mit Ihrem Produkt Ihrem Kunden Geld zu sparen, darin besteht, dass er seine Mitarbeiter entlässt, wurden die Kunden Ihres Kunden teilweise durch diese Löhne finanziert, und der Rückgang wirkt sich innerhalb von 4–8 Quartalen auf die Umsatzlinie Ihres Kunden aus. Ein Produkt, das einem 10-köpfigen Team hilft, die Arbeit von 30 zu erledigen, ist strukturell langlebiger als ein Produkt, das einem 30-köpfigen Team hilft, durch 10 ersetzt zu werden. Die Berechnung des Kunden-LTV zieht sich durch die gesamte Wirtschaft.

Für Investoren: Die These „AI ersetzt Arbeitsplätze = reine Margenerweiterung“ ist derzeit teilweise im Markt eingepreist und meiner Meinung nach falsch bewertet. Nicht, weil die Ersparnisse nicht real sind – sie sind in der Gewinn- und Verlustrechnung kurzfristig. Aber weil das Gegengewicht zwischen Nachfragerückgang und Nachfragerückgang auch real ist und es nur noch ein oder zwei Gewinnzyklen davon entfernt ist, in der Top-Rangliste der gleichen Unternehmen aufzutauchen, die derzeit für die Kürzungen gefeiert werden. Blocks 20-Prozent-Einbruch am Tag der Entlassung ist eine These, die zum Ausdruck gebracht wird. Die These hat ein Gegenargument, und das Gegenargument wird durch eine Forschungsarbeit untermauert. Es würde mir unangenehm sein, eine Long-Position zu halten, die ausschließlich auf der von AI getriebenen Margenerweiterung auf der verbraucherorientierten Ebene der Wirtschaft basiert, ohne eine explizite Absicherung gegen den Nachfragerückgang im gleichen Sektor.

Für Solobetreiber und kleine Teams: Hier ist das Bild tatsächlich am interessantesten. Die AI Entlassungsfalle ist ein Problem des Wettbewerbs zwischen Unternehmen auf dem gleichen Produktmarkt. Es handelt sich um ein Koordinationsproblem im großen Maßstab. Wenn Sie ein Einzelunternehmer, der ein AI-First-Unternehmen leitet oder ein Team aus drei Bauvertretern sind, die ohne menschliches Personal arbeiten](/anthropic-managed-agents-office-ai-workers), tragen Sie nicht zu einem nennenswerten Nachfrageschaden für die Gesamtwirtschaft bei, weil Sie von vornherein keine nennenswerten Lohn- und Gehaltsabrechnungen hatten. Die Falle besteht für etablierte Unternehmen, die versuchen, ihre bestehenden Organigramme für 10.000 Personen zu optimieren. Die Chance besteht für Neueinsteiger beim Aufbau von Strukturen, die nie entlassen werden konnten.

Für Politikbeobachter: Die Pigouvian-Diskussion wird im Jahr 2026 laut. Korea hat bereits ein „Robotersteuer“-Konzept auf den Markt gebracht. Die EU hat mit dem AI-Gesetz und angrenzenden Instrumenten den Grundstein für den AI-bezogenen Arbeitsschutz gelegt. Es ist unwahrscheinlich, dass die USA zuerst handeln, aber der Druck wird zunehmen. Achten Sie auf die erste Gerichtsbarkeit, die tatsächlich eine Entlassungssteuer einführt, denn das wird zum Referenzfall für alle anderen.

Für alle, mich eingeschlossen: Verwechseln Sie nicht die Geschichte pro Produkt mit der Geschichte pro Wirtschaft. Jedes AI-Tool, das ich versende, verbessert das Leben einiger Benutzer auf Benutzerebene. Das stimmt und ich werde mich nicht dafür entschuldigen. Aber die Gesamtkonsequenz, dass wir alle diese Tools ausliefern, die gleichzeitig eingesetzt werden, um die Arbeit in einem Markt zu ersetzen, der so strukturiert ist wie der unsere, ist nicht die gleiche Form wie die Geschichte pro Produkt. Zwei Wahrheiten können nebeneinander existieren. Beides zu halten ist schwer. Sich zu weigern, eines davon zu halten, ist intellektuell faul.

Die offenen Fragen, die das Jahrzehnt entscheiden werden

Ich möchte mit den Dingen abschließen, von denen selbst Falk und Tsoukalas noch nicht behaupten, sie zu wissen. Because the paper's strength is also its limit — it's a clean piece of equilibrium theory, but several of the load-bearing variables are empirical, and the empirical work is still mostly missing.

Resorptionsgeschwindigkeit. Kann die Wirtschaft schnell genug neue Aufgaben für entlassene Arbeitskräfte schaffen, um die Nachfrage während des Übergangs aufrechtzuerhalten? Vergangene Wellen sagen: „Irgendwann ja, schmerzhaft langsam.“ Aufgrund der Geschwindigkeit dieser Welle kann das historische Reabsorptionsrohr möglicherweise nicht mithalten. Wir wissen es noch nicht. Die Arbeitslosendaten der nächsten 8–12 Quartale, insbesondere in Sektoren mit hoher kognitiver Arbeit, werden der erste echte Datenpunkt sein.

Die Einstiegstür. Die Feststellung von Anthropic, dass die Einstellung von 22- bis 25-Jährigen in von AI exponierten Positionen um 14 % zurückgegangen ist, ist, wenn sie Bestand hat, der Kanarienvogel. Frühere Automatisierungsübergänge waren für die etablierten Unternehmen schmerzhaft, aber im Allgemeinen wohlwollend gegenüber der nächsten Generation, die sich den neuen Aufgaben widmen konnte, die die Technologie geschaffen hat. Wenn dieser Übergang die Einstiegstür schneller schließt, als er neue öffnet, sieht die demografische Struktur der Falle anders aus als alles, was wir bisher gesehen haben.

Branchenbreite. Die frühere Automatisierung betraf bestimmte Branchen (Textilindustrie, Fertigung, Bank-Backoffice). AI betrifft die kognitive Arbeit im Allgemeinen – Software, Kundensupport, Finanzen, Marketing, Recht, Design. Das Ausmaß der Auswirkungen bedeutet, dass es weniger „sichere Häfen“ gibt, in die entlassene Arbeitnehmer fliehen können. Das verändert die Reabsorptionsberechnung in einer Weise, die die historischen Aufzeichnungen nicht direkt widerspiegeln.

Richtlinienwille oder -abwesenheit. Die Pigouvian-Steuer ist die mathematische Antwort. Ob eine Regierung es in irgendeiner Form umsetzt, bevor die Nachfrageklippe eintritt, ist eine politische und keine wirtschaftliche Frage. Meine ehrliche Lektüre: Die politische Verzögerung wird in Jahren gemessen. Die Marktdynamik wird in Quartalen gemessen. Die beiden Uhren sind nicht synchronisiert.

Der Platzhalter für die Agentenökonomie. Das ist der Punkt, an den ich als Bauunternehmer am meisten denke. Das Modell des Papiers geht davon aus, dass entlassene Arbeitnehmer die Nachfrage-Angebots-Gleichung als Arbeitnehmer verlassen, aber nicht im Wesentlichen als etwas anderes wieder eintreten. Aber im Jahr 2026 deuten die Agentenfähigkeits-Roadmap und die umfassendere AI-Umstrukturierung auf eine Zukunft hin, in der entlassene Arbeitnehmer als Ein-Personen-AI-erweiterte Dienstleister, Agenten-as-a-Service-Betreiber oder unabhängige Betreiber, die ihr eigenes kleines Unternehmen betreiben, wieder in die Wirtschaft eintreten könnten AI-erste Unternehmen.

Wenn diese Wiedereinstiegspipeline schnell skaliert – was bedeutet, dass dieselbe Person, die im Februar von Block entlassen wurde, bis Ende 2027 mit AI tools reshaping work unabhängige Einnahmen in Höhe von 80.000 US-Dollar generiert – könnte sich der Nachfrageschaden teilweise von selbst heilen, und zwar auf eine Weise, die das Modell der geschlossenen Wirtschaft nicht erfasst. Ich bin nicht sicher, ob das passiert. Ich bin mir nicht sicher, ob das so ist. Die nächsten zwei Jahre werden es uns zeigen.

Was ich im Jahr 2026 sehe

Spezifische Signale, die ich verfolge:

• Weitere Schritte im Blockmaßstab. Werden die Gewinnzyklen Q3 und Q4 zu weiteren Personalkürzungen von mehr als 30 % bei den Fortune 500-Unternehmen führen? Dorsey sagte innerhalb von 12 Monaten Ja voraus. Wir sind seit drei Monaten dabei. Achten Sie auf die Namen. - Anthropic Wirtschaftsindex-Aktualisierungen. Der nächste Quartalsbericht wird uns zeigen, ob sich der Rückgang bei der Einstellung von Berufseinsteigern verschärft oder stabilisiert. Das ist der Frühindikator. - Entlassungen.fyi AI-Attributionsanteil. Der Prozentsatz der Kürzungen, die explizit mit AI gekennzeichnet sind, hat sich im Jahresvergleich ungefähr verdoppelt. Wenn es sich noch einmal verdoppelt, befinden wir uns in einem anderen Regime. - Die erste Gerichtsbarkeit, die eine Entlassungssteuer einführt. Wird nicht die erste in den USA sein. Schauen Sie sich Korea an, schauen Sie sich Deutschland an, schauen Sie sich die Umsetzungsbestimmungen des AI Act der EU an. Der Referenzfall ist wichtig.

• Unternehmensumsatz im Vergleich zu den vom CFO versprochenen Einsparungen von AI. Dies sind die Daten, über die noch niemand klare Zahlen hat. In 12–18 Monaten werden wir in der Lage sein, die Umsatzentwicklung von Block mit der Entwicklung zu vergleichen, die es gehabt hätte, wenn die Belegschaft erhalten geblieben wäre. Diese kontrafaktische Aussage ist schwer, aber nicht unmöglich einzuschätzen. Der erste glaubwürdige Versuch wird das Gespräch bestimmen.

Das Papier hat Recht, dass die Mathematik sagt, was sie sagt. Ob die Welt etwas dagegen unternehmen kann, bevor die Nachfrageklippe kommt – das weiß noch niemand. Das ist der Teil, der davon abhängt, was als nächstes passiert.

Dorsey's Block ist der erste große öffentliche Testfall. Der CEO hat sein Unternehmen darauf gesetzt, dass die Mathematik funktioniert. Das Papier wettete, dass die Mathematik unvollständig sei. Innerhalb von 18 Monaten wird im Nachhinein eine der beiden Wetten offensichtlich sein.

Ich weiß noch nicht, welches. Aber zum ersten Mal seit zwei Jahren, in denen ich hauptberuflich AI-Produkte entwickle, verbringe ich einen Teil jeder Woche damit, über etwas anderes nachzudenken als über das nächste Produkt, das ich versenden möchte. Ich denke über die Verfassung der Wirtschaft nach, in die ich verschiffe. Ich würde Ihnen empfehlen, dasselbe zu tun.

Die Mathematik hat es endlich in die Schlagzeilen geschafft. Schauen Sie nicht weg.

Häufig gestellte Fragen

Was ist die AI-Entlassungsfalle?

„The AI Layoff Trap“ ist ein Papier aus dem Jahr 2026 von Brett Hemenway Falk (UPenn) und Gerry Tsoukalas (BU), das beweist, dass durch AI ausgelöste Entlassungen ein Gefangenendilemma darstellen: Jedes einzelne Unternehmen profitiert von der Entlassung von Arbeitnehmern, aber wenn alle Unternehmen dies gleichzeitig tun, bricht die kollektive Verbrauchernachfrage zusammen und allen – Arbeitnehmern und Firmeninhabern – geht es am Ende schlechter aus. Die vollständige Argumentation wird oben in The Math, Made Concrete erläutert.

Warum ist eine Pigouvian-Steuer die einzige Lösung, die funktioniert?

Eine Pigouvian-Steuer zwingt Unternehmen dazu, für den Nachfrageschaden zu zahlen, den ihre Entlassungen dem Rest der Wirtschaft zufügen, wodurch die Externalität internalisiert und die Kosten-Nutzen-Rechnung auf Unternehmensebene verändert wird. Das Papier beweist formal, dass ein allgemeines Grundeinkommen, Gewinnsteuern, Arbeitnehmergerechtigkeit, freiwillige Vereinbarungen und Umschulung allein die Falle nicht lösen können, da nichts davon den relativen Anreiz zum Abtrünnigen ändert. Dies gilt nur für die Steuer Pigouvian.

Hat Block wegen AI wirklich 4.000 Leute entlassen?

Ja. Am 26. Februar 2026 kündigte Jack Dorsey, CEO von Block, die Entlassung von etwa 4.000 Mitarbeitern – etwa 40 % der Belegschaft – an und nannte in seinem Aktionärsbrief ausdrücklich „Intelligence Tools“ (AI) als treibende Kraft. Dorsey prognostizierte, dass „die Mehrheit der Unternehmen innerhalb eines Jahres zum gleichen Schluss kommen“ werde.

Was ist der Red-Queen-Effekt bei AI-Entlassungen?

Der Red-Queen-Effekt ist in diesem Zusammenhang die Feststellung, dass ein besserer AI die Entlassungsfalle verschlimmert, nicht besser. Mit zunehmender AI-Fähigkeit steigen die Einsparungen pro Arbeitnehmer, aber der Nachfrageschaden bleibt ungefähr proportional, sodass die Kluft zwischen privatem Gewinn und sozialen Kosten größer wird. Unternehmen müssen schneller automatisieren, nur um die Wettbewerbsparität aufrechtzuerhalten, ohne dabei einen relativen Vorteil zu erlangen. Die vollständige Diskussion finden Sie oben im Abschnitt „Der Red-Queen-Effekt“ (#the-red-queen-effect-why-better-ai-makes-the-trap-worre).

Wie viele Techniker wurden im Jahr 2025 aufgrund von AI entlassen?

Die Schätzungen reichen von etwa 55.000 (laut Challenger, Gray & Christmas, das die explizite AI-Zennung in den angegebenen Entlassungsgründen verfolgt) bis über 100.000 (laut Programs.com, das Entlassungen bei Unternehmen einschließt, die stark in AI investieren, auch wenn sie nicht explizit genannt werden). Layoffs.fyi verfolgte im Jahr 2025 insgesamt etwa 157.000 Entlassungen im technischen Bereich. Der auf AI entfallende Anteil hat sich bis zum ersten Quartal 2026 im Jahresvergleich etwa verdoppelt.

Lasst uns zusammenarbeiten

Möchten Sie AI-Systeme aufbauen, Arbeitsabläufe automatisieren oder Ihre technische Infrastruktur skalieren? Ich würde gerne helfen.

• Fiverr (benutzerdefinierte Builds und Integrationen): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (Unternehmenslösungen): ramlit.com
• ColorPark (Design & Branding): colorpark.io
• xCyberSecurity (Sicherheitsdienste): xcybersecurity.io