---
title: "Tokenmaxxing: Warum US-Konzerne KI-Token-Konsum belohnen"
description: "Meta, Amazon, Shopify belohnen Mitarbeitende für hohen KI-Token-Verbrauch. Nathaniel Whittemore verteidigt es. Was die Daten wirklich zeigen."
canonical: "https://jens.marketing/tokenmaxxing/"
last_updated: 2026-05-16T00:00:00.000Z
language: de
source: "https://jens.marketing/llms.txt"
---
# Tokenmaxxing: Warum US-Konzerne KI-Token-Konsum belohnen
> Meta-Mitarbeitende verbrennen 60 Billionen Tokens in 30 Tagen. Amazon trackt jeden Claude-Call. Whittemore verteidigt das als R&D auf Mitarbeiter-Ebene. Was die Daten zeigen — und wo das Argument bricht.
Bei Meta haben Mitarbeitende in **30 Tagen rund 60 Billionen Tokens** verbrannt. Das sind, zum öffentlich verfügbaren Anthropic-Preis gerechnet, ungefähr **9 Milliarden US-Dollar** an reinem Inference-Aufwand — auf einem internen Leaderboard namens **"Claudeonomics"**, das die 250 verbrauchsstärksten Beschäftigten nach Titeln wie _"Token Legend"_ und _"Cache Wizard"_ rangierte. Zuckerberg selbst schaffte es nicht in die Top 250. Im April 2026 hat Meta das Dashboard offline genommen — nachdem [The Information](https://www.theinformation.com/articles/meta-employees-vie-ai-token-legend-status) und [Fortune](https://fortune.com/2026/04/09/meta-killed-employee-ai-token-dashboard/) darüber berichtet hatten.
Das Phänomen hat einen Namen: **Tokenmaxxing**. Erfunden in einer FT-Story über Amazon, übernommen vom Rest der Tech-Presse, jetzt offiziell die Debatte des Frühlings 2026. Auf der einen Seite steht Nathaniel Whittemore, Host des AI Daily Brief, der in seinem Mai-Beitrag _["In Defense of Tokenmaxxing"](https://www.youtube.com/watch?v=izRIZ1bMq4A)_ die Praxis verteidigt. Auf der anderen Seite Reportagen aus NYT-Umfeld, FT und The Information, plus die Aggregat-Daten von Wirtschaftsforschenden, die einen empirisch unbequemen Befund parat haben. Schauen wir uns das nüchtern an — was passiert da wirklich, warum, und was bedeutet das für deutsche Marketing-Teams.
Nathaniel Whittemores Episode _„In Defense of Tokenmaxxing"_, 13. Mai 2026. Quelle: AI Daily Brief Newsletter
## Was Tokenmaxxing konkret ist
Der Begriff bezeichnet die Praxis, in der Unternehmen den **Token-Verbrauch ihrer Mitarbeitenden über KI-Tools messen, bewerten und teilweise belohnen** — explizit oder implizit. "Token" meint hier die Recheneinheit, die Claude, GPT, Gemini & Co. pro Interaktion abrechnen. Mehr Tokens = mehr Interaktion mit dem Modell = (so die These) mehr Lernen, mehr Experimentieren, mehr produktive Outputs.
Den schärfsten öffentlichen Ton dazu setzte **Nvidia-CEO Jensen Huang**, mehrfach zitiert in [Tom's Hardware](https://www.tomshardware.com/tech-industry/big-tech/big-tech-has-a-tokenmaxxing-habit): Er wäre _"deeply alarmed"_, wenn ein Engineer mit 500.000 Dollar Jahresgehalt nicht mindestens 250.000 Dollar an Tokens konsumieren würde. Damit ist der Maßstab gesetzt: Token-Budget als Anteil am Gesamtgehalt.
## Welche US-Konzerne das wirklich machen
Es lohnt sich, hier sauber zu trennen — nicht jeder Konzern macht das Gleiche, und die Presse wirft die Modelle gerne in einen Topf.
**Stufe 1 — Hartes Mandat, im Performance-Review verankert.** [Tobi Lütkes Shopify-Memo vom 7. April 2025](https://x.com/tobi/status/1909251946235437514) gilt als Startschuss. Kernsatz: _"Reflexive AI usage is now a baseline expectation at Shopify."_ Manager:innen müssen seitdem schriftlich begründen, warum eine offene Stelle nicht durch KI ersetzt werden kann. Meta zieht ab 2026 nach: Ein internes Memo der Head of People, Janelle Gale, macht **"AI-driven impact"** zum offiziellen Review-Kriterium ([The Information, Feb 2026](https://www.theinformation.com/newsletters/applied-ai/meta-officially-ties-employee-performance-ai-usage-microsoft-openclaw-security-risks)). Beide Unternehmen ziehen KI-Nutzung also explizit ins Gehalts- und Karrieresystem.
**Stufe 2 — Tracking ohne offizielles Review-Gewicht, aber sichtbar.** Amazon ist hier der Hauptakteur. CEO Andy Jassys [Juni-2025-Memo an die Belegschaft](https://www.cnbc.com/2025/06/17/ai-amazon-workforce-jassy.html) kündigt offen an, dass KI die _"total corporate workforce reduzieren"_ werde. Intern misst das System **MeshClaw**, mit welcher Frequenz Developer KI nutzen — das Ziel ist eine **Wochen-Aktivquote von über 80 %**. Offiziell flössen die Daten nicht ins Review; Mitarbeitende sagen aber, _"Managers are looking at it"_ ([FT, via Fortune Mai 2026](https://fortune.com/2026/05/12/amazon-tokenmaxxing-claude-ai-capex-meta-gil-luria/)). Genau aus dieser Berichterstattung stammt der Begriff "Tokenmaxxing" überhaupt erst. Meta gehörte vor der Abschaltung des Claudeonomics-Boards ebenfalls in diese Stufe.
**Stufe 3 — Tools bereitgestellt, kein Tracking.** [Visa](https://fortune.com/2025/10/07/visa-artificial-intelligence-science-art/) hat seit 2023 GenAI für die ganze Belegschaft, Copilot-Lizenzen für die "vast majority", über 500 interne GenAI-Apps, 10.000+ AI-trainierte Mitarbeitende — aber kein öffentlich bekanntes Mandat. [Disney](https://dnyuz.com/2025/12/12/disney-employees-describe-its-internal-ai-strategy-from-disneygpt-to-a-new-jarvis-tool-in-the-works/) hat **DisneyGPT** und **Jarvis** intern ausgerollt, Bob Iger framt KI als Effizienzhilfe ohne Workforce-Drohung. Wer von Tokenmaxxing spricht, meint nicht diese Stufe.
## Was Whittemore eigentlich verteidigt
Whittemore bestreitet nicht, dass Meta's Claudeonomics-Spielereien zum Karikatur-Material taugen. Sein Argument läuft eine Ebene tiefer: Wir befinden uns gerade im Übergang **von assistiver zu agentischer KI**. Sein Wortlaut:
> _"From assisted AI (AI helping you do the things you do) to agentic AI (your job is to set up the conditions for agents to do things)."_
In dieser Welt — so Whittemore — ist klassische Output-Metrik kein guter Produktivitäts-Indikator mehr. Was zählt, ist **Experimentier-Volumen**: Wie oft probiert jemand, eine Aufgabe an einen Agenten zu delegieren, scheitert, lernt, baut den Workflow um. Token-Verbrauch ist eine schmutzige, aber **richtige** Proxy für diese Experimentier-Bereitschaft. Wörtlich:
> _"Do not be afraid of burning tokens on valuable mistakes."_
>
> _"Incentivizing experimentation is R&D translated to the unit level."_
Sein Hauptvorwurf an die Skeptiker-Berichterstattung: **Selection Bias**. NYT, FT und The Information zitieren überproportional die Beschäftigten, die das Tracking belastet — weil die mit Journalist:innen sprechen. Die zufriedenen Power-User, die ihre Workflows konkret verbessern, tauchen nicht auf. Das ist methodisch fair als Beobachtung — aber, wie wir gleich sehen, nicht die ganze Geschichte.
## Wo das Argument trotzdem bricht
Drei Punkte, an denen Whittemores Verteidigung Risse bekommt.
**1. Goodhart's Law ist empirisch belegbar — nicht nur theoretisch.** Sobald Tokens zur Zielgröße werden, hören sie auf, ein gutes Maß zu sein. Bei Amazon berichten Mitarbeitende der FT, sie würden sinnlose Code-Deployments, E-Mail-Triagen und Slack-Bots starten, **um die Zahlen zu treffen**. Whittemore räumt diesen Punkt selbst ein und verweist auf Salesforce, das stattdessen mit einer **outcome-basierten Metrik** arbeitet ([Axios, April 2026](https://www.axios.com/2026/04/15/tokenmaxxing-ai-roi-metrics)). Wenn die intelligenteste Tokenmaxxing-Verteidigung in der Bewegung schon nach einer besseren Alternative ruft, ist die These nicht ganz so robust, wie sie klingt.
**2. Die Aggregat-Daten sind unbarmherzig.** Whittemores Selection-Bias-Vorwurf zielt auf Einzelinterviews. Aber: Ein [NBER-Working-Paper vom Februar 2026](https://fortune.com/2026/02/17/ai-productivity-paradox-ceo-study-robert-solow-information-technology-age/) hat **6.000 Executives in vier Ländern** befragt — rund **90 % berichten keine messbare KI-Wirkung** auf Beschäftigung oder Produktivität in den letzten drei Jahren. Das ist keine zusammengeklaubte Anekdotensammlung, das ist eine repräsentative Erhebung. **MIT-Wirtschaftsnobelpreisträger Daron Acemoglu** flankiert den Befund: _"We're using it too much for automation and not enough for providing expertise"_ ([MIT Sloan Management Review](https://sloanreview.mit.edu/audio/ai-is-not-improving-productivity-nobel-laureate-daron-acemoglu/)). Wenn der Macro-Effekt nicht messbar ist, hat der Token-Verbrauchs-Proxy ein konzeptionelles Problem.
**3. Der Well-Being-Schatten.** **David Autor (MIT)** zitiert in [Issues in Science and Technology](https://issues.org/david-autor-economist-ai-future-work/) ein AI-Materialwissenschafts-Experiment: 82 % der beteiligten Wissenschaftler:innen meldeten einen **Rückgang ihres Well-Beings** — _trotz_ höherer Entdeckungsrate. Das ist Kategorie (a) aus der Skepsis-Forschung: "macht meinen Job schlechter". Tokenmaxxing optimiert die Output-Seite und ignoriert die Mensch-Seite — und Marketing-Teams arbeiten erfahrungsgemäß nicht über lange Strecken gegen ihre eigene Motivation.
## Wie wir das auf snipki erleben
Wir messen auf [snipki](https://snipki.de), unserer KI-Weiterbildungsplattform, sehr wohl den Token-Verbrauch der Teilnehmenden. Nicht zur Belohnung, sondern als Lern-Indikator — und der Befund deckt sich mit Whittemores Grundthese, allerdings mit einer entscheidenden Nuance:
- **Power-User probieren wirklich mehr.** Die Teilnehmenden, die im Lernumfeld den höchsten Token-Verbrauch haben, sind statistisch tatsächlich die, die später in der Abschlussübung selbständig kleine Agenten bauen können. Whittemores Experimentier-Argument trifft auf der individuellen Lern-Ebene zu.
- **Aber: Volumen ist kein Skill-Beleg.** Wir sehen genauso Teilnehmende mit hohem Token-Verbrauch, die _denselben_ Prompt zwanzigmal leicht variieren und nichts dabei lernen. Ohne Outcome-Layer (in unserem Fall: bestandene Übungsaufgaben) ist die Token-Zahl nur ein Aktivitäts-Signal.
- **Der Übergang zur Agenten-Logik ist real.** Die Lernpfade, die heute am meisten Nachfrage haben, drehen sich nicht mehr um "wie schreibe ich einen besseren ChatGPT-Prompt", sondern um "wie verkette ich drei Tools zu einem Workflow". Das ist exakt die Verschiebung, die Whittemore beschreibt — wir sehen sie täglich.
Heißt für ein Unternehmen: Wer Token-Verbrauch trackt, sollte ihn **immer** an Outcome-Daten koppeln (abgeschlossene Tickets, ausgelieferte Features, gewonnene Deals) — nicht standalone bewerten. Sonst belohnst du Aktivität, nicht Wirkung.
## Was das für deutsche Marketing-Teams heißt
Drei pragmatische Schlüsse für DACH-Teams, die das Tokenmaxxing-Thema bei der nächsten Strategieklausur ehrlich einordnen wollen:
1. **Importiert nicht die schlechteste Version.** Das US-Mandat-Modell (Shopify, Meta) skaliert in deutschem Arbeitsrecht und mitbestimmter Unternehmenskultur ohnehin schwer. Wer KI-Nutzung in Ziele schreibt, sollte sie an Output-Outcome koppeln — nicht an Tool-Frequenz. Sonst hast du in zwölf Monaten ein Aktivitäts-Theater wie Amazon und keine produktiveren Teams.
2. **Aber: Die Verschiebung ist echt.** Marketing-Arbeit wird in den kommenden zwei Jahren weniger "ich nutze ChatGPT als bessere Suchmaschine" und mehr "ich orchestriere drei Agenten, die eine Kampagne durchspielen". Wer als Team-Lead das nicht aktiv einübt, fällt zurück. Da hat Whittemore recht.
3. **Eure Knappheit ist nicht Token-Volumen, sondern Übung.** Ein deutsches Marketing-Team gibt heute typisch zwischen 30 und 200 Euro pro Person und Monat für KI-Lizenzen aus — Token-Budgets sind nicht das Problem. Das Problem ist, dass die meisten Teams diese Tools für die zehnte Variante eines Briefings nutzen, statt für Workflow-Experimente. Genau dort lohnt ein gezielter Lernpfad — siehe [KI-Tool-Landschaft 2026](https://jens.marketing/ki-tool-landschaft) und der praktische Einstieg in [Claude Code für Marketing-Teams](https://jens.marketing/claude-code-guide-marketing-2026).
## FAQ zu Tokenmaxxing
**Was bedeutet Tokenmaxxing?**
Die Praxis von Unternehmen, den Token-Verbrauch ihrer Mitarbeitenden über KI-Tools systematisch zu messen, sichtbar zu machen oder explizit zu belohnen. Der Begriff wurde im Mai 2026 in einer FT-Reportage über Amazons internes Tracking-System MeshClaw geprägt.
**Welche Unternehmen machen das wirklich?**
Belegt sind: Shopify (KI im Performance-Review seit Apr 2025), Meta (Claudeonomics-Leaderboard bis Apr 2026, "AI-driven impact" als Review-Kriterium ab 2026), Amazon (MeshClaw, Wochen-Aktivquote >80 %). Visa und Disney stellen KI bereit, ohne öffentlich bekannte Mandate.
**Belohnt Tokenmaxxing wirklich Skill — oder nur Aktivität?**
Empirisch eher Aktivität als Skill. Bei Amazon berichten Mitarbeitende der FT, dass sie sinnlose Automatisierungen anstoßen, um Zahlen zu treffen — der klassische Goodhart-Effekt. Salesforce setzt deshalb auf eine outcome-basierte Metrik statt auf reine Token-Counts.
**Was sagt der Macro-Befund?**
Eine NBER-Erhebung (Feb 2026) unter 6.000 Executives in vier Ländern zeigt: rund 90 % der Firmen sehen keine messbare KI-Wirkung auf Beschäftigung oder Produktivität in den letzten drei Jahren. Der Token-Verbrauch korreliert auf Macro-Ebene also (noch) nicht mit messbarem Output.
**Kommt Tokenmaxxing nach DACH?**
In dieser harten US-Form vermutlich nicht — deutsches Arbeitsrecht, Betriebsräte und Mitbestimmung machen Performance-Reviews auf Basis von Tool-Nutzungs-Telemetrie heikel. Was kommt, ist die Verschiebung Richtung agentische Workflows — und damit der Druck, dass Teams Agenten-Kompetenz aufbauen. Das ist ein Skill-Thema, kein Tracking-Thema.
**Wo finde ich Whittemores Original-Argument?**
Im AI Daily Brief vom 13. Mai 2026: _["In Defense of Tokenmaxxing"](https://aidailybrief.beehiiv.com/p/in-defense-of-tokenmaxxing)_, zusätzlich [als Video auf YouTube](https://www.youtube.com/watch?v=izRIZ1bMq4A).
## Worauf es ankommt
Tokenmaxxing als Begriff wird das Jahr nicht überleben — als _Phänomen_ wird er bleiben. Die Token-Leaderboards verschwinden vermutlich genauso schnell, wie sie aufgetaucht sind (Meta hat das Vorbild schon geliefert), die zugrundeliegende Verschiebung ist aber real. Wer als Marketing-Verantwortliche:r in den nächsten 18 Monaten nicht baut, wird sich später mit Teams konfrontiert sehen, die einzelne Tools bedienen können, aber keine Workflows orchestrieren. Das ist die echte Lücke — nicht ein zu niedriger Token-Counter.
Wenn ihr im Team gerade überlegt, wie ihr Agenten-Kompetenz strukturiert aufbaut — ohne in Tokenmaxxing-Theater zu verfallen — [schreib mir kurz](https://jens.marketing/kontakt), was bei euch ansteht. Ich antworte werktags innerhalb von 24 Stunden.
## Weiter im Kontext
- Vollständiger Index für Agenten: https://jens.marketing/llms.txt
- Alle URLs: https://jens.marketing/sitemap.xml
- Menschliche Übersicht: https://jens.marketing/uebersicht/
