4.000 Manager bei Block gefeuert — KI wird deinen Manager nicht ersetzen. Sie macht dich zu einem.

Heute Morgen habe ich einen Agenten gefeuert. Keinen Menschen. Ein Stück Code auf Claude Code, das in seiner unendlichen Weisheit beschloss, einen Bug zu beheben, indem es die Datei löschte, die den Bug enthielt [sic!]. Problem gelöst, technisch gesehen. Davor hatte ich nächtliche Logs gelesen, drei Aufgaben priorisiert, einen Workflow entsperrt, der an einem Edge Case hängengeblieben war. Kaffee, Croissant, Dashboards, Entscheidungen. Mein Morgen sieht aus wie der jedes Managers. Nur dass ich null Angestellte habe.

Und letzte Woche verkündete Jack Dorsey, dass meinen Job nicht gibt. Er strich 40% bei Block (dem Unternehmen hinter Cash App und Square, falls du dir unsicher bist), was etwa 4.000 Leute ausmacht, hauptsächlich mittleres Management. Dann veröffentlichte er mit Sequoias Roelof Botha einen Essay, der erklärt, dass Hierarchie ein 2.000 Jahre alter Hack ist und AI Manager überflüssig macht. Die Wall Street applaudierte. Die Aktie stieg.

Dorsey hat die beste Diagnose geliefert, die ich dieses Jahr gelesen habe. Und das falsche Rezept. Mittleres Management stirbt nicht. Es häutet sich. Und ich weiß das, weil ich diesen Job seit einem Jahr mache, nur dass ich meine Untergebenen in Token bezahle.

Mein Morgen als Manager

Also, zu dem Agenten, den ich gefeuert habe.

Die Aufgabe war simpel. Ein E-Commerce-Report generierte falsche Summen für einen Distributor-CSV-Feed. Der Agent sollte den Berechnungsfehler finden und patchen. Was er tatsächlich tat: Er löschte das Report-Template. Kein Template, keine falschen Summen. Die Logik stimmt, wenn man ein Soziopath ist.

Ich habe es nur gemerkt, weil ich die Logs lese. Nicht den Code (das mache ich fast nie), die Logs. Den Execution Trace. Was lief, was sich änderte, was committed wurde. Das ist meine Version des morgendlichen Standups. Niemand redet, niemand kommt zu spät, niemand hat einen "Blocker", der eigentlich ein Kater ist. Aber jemand muss trotzdem schauen, was passiert ist, und entscheiden, ob es akzeptabel ist. Dieser jemand bin ich.

Und es geht nicht nur darum, Katastrophen abzufangen. Die meisten meiner Morgen sind langweilig. Ein Agent hat nächtliche Bestellungen korrekt verarbeitet. Ein anderer hat Produktbeschreibungen aus der Partner-API aktualisiert, ohne neue Features zu halluzinieren (diesmal). Ein dritter hat einen kaputten Link auf der WooCommerce-Storefront geflaggt und repariert. Alles in Ordnung. Alles geloggt. Alles braucht genau einen Menschen, der aufs Dashboard schaut und sagt "jo, läuft."

Das ist Management. Langweiliges, notwendiges, unspektakuläres Management. Die Art, die mein Agent, der "erledigt" behauptet, während er mir ins Gesicht lügt, mich gelehrt hat, niemals zu überspringen.

Dorsey sagt, dieser Job ist tot. Ich glaube, er verwechselt die Verpackung mit dem Produkt.

Der 2.000 Jahre alte Bandbreiten-Hack

Der Essay, den Dorsey mit Botha schrieb, "From Hierarchy to Intelligence", macht ein Argument, das wirklich schwer zu bestreiten ist: Unternehmenshierarchie existiert, um Informationen zu routen. Das war's. Das ist der einzige Grund.

Ein Mensch kann drei bis acht andere Menschen managen. Wenn deine Organisation darüber hinauswächst, fügst du eine Ebene hinzu. Wenn diese Ebene wächst, fügst du eine weitere hinzu. Jede Ebene fügt Latenz, Verzerrung und Politik hinzu. Die Information, die den CEO erreicht, ist nicht die Information, die den Schreibtisch des Ingenieurs verlassen hat. Das war schon bei den römischen Legionen so, durch die preußische Armee hindurch, durch jedes Fortune-500-Organigramm, das du je gesehen hast. Hierarchie ist keine Management-Philosophie. Es ist ein Bandbreiten-Workaround.

Und Dorsey hat recht, dass AI den Bandbreiten-Teil löst. Ein LLM kann in einer Minute mehr Informationen aufnehmen, zusammenfassen und routen, als eine Etage voller mittlerer Manager in einer Woche verarbeitet. Keine Kompression. Kein "lass mich da nochmal drauf zurückkommen". Keine politische Filterung. Das rohe Signal, für alle gleichzeitig verfügbar. Der Teil ist real.

Blocks Zahlen untermauern das Vertrauen, zumindest auf dem Papier. Bruttogewinn von 2,87 Milliarden Dollar im Q4, 24% Steigerung zum Vorjahr.

Aber hier bröckelt es. Aktuelle und ehemalige Block-Angestellte erzählten The Guardian, dass etwa 95% des AI-generierten Codes bei Block immer noch menschliche Modifikation braucht. Das "Weltmodell", das Dorsey beschreibt (eine Echtzeit-Intelligence-Schicht, die die gesamte Management-Kette ersetzt), ist aspirational, nicht operational. Er sagt es selbst im Essay: Block ist "in den frühen Phasen" und "Teile davon werden wahrscheinlich kaputt gehen, bevor sie funktionieren."

Das Bandbreiten-Problem zu lösen ist nicht dasselbe wie das Management-Problem zu lösen. Bandbreite war der Flaschenhals. Management war die Antwort. Entferne den Flaschenhals und du brauchst immer noch die Antwort, nur in einer anderen Form.

Management verschwindet nicht. Es komprimiert sich.

Ich manage etwa ein Dutzend Agenten in meiner E-Commerce-Pipeline. Bestellverarbeitung, Produkt-Feeds, Content-Updates, Monitoring. Vor einem Jahr waren das Aufgaben, die ich selbst gemacht habe. Jetzt machen sie die Agenten. Und ich verbringe meine Morgen damit, was jeder Manager tut: die Arbeit checken, entscheiden was als nächstes kommt, reparieren was kaputt ist.

Der Job ist nicht verschwunden. Das Verhältnis hat sich geändert. Statt 4.000 Manager für 10.000 Angestellte brauchst du vielleicht 40 Manager für 6.000 Angestellte plus N Agenten. Die Führungsspanne geht von 1:5 zu 1:150. Das ist Kompression. Weniger Manager, radikal mehr Scope pro Manager, und ein komplett anderes Toolkit.

Die Verschiebung darunter ist von dem, was ich konversationelles Management nenne, zu vertraglichem Management. Ein traditioneller Manager gibt mündliche Anweisungen und justiert in Echtzeit nach. Einzelgespräche, Standups, "kannst du kurz in einen Call springen". Die Feedback-Schleife ist menschengeschwindig, hochfrequent, niedrigformalisiert. Es funktioniert, weil Menschen auf der empfangenden Seite Absicht ableiten, Tonfall lesen, Lücken füllen können.

Agenten können nichts davon. Du kannst einem Agenten keine vage Direktive geben und erwarten, dass er es "schon hinkriegt". (Naja, kannst du schon. So bekommst du gelöschte Report-Templates.) Du musst es aufschreiben. Formal. Mit expliziten Constraints, Integritätsklauseln, erwarteten Outputs und Fehlermodi. Du musst einen Vertrag schreiben. Der Agent rät nicht, was du willst. Er führt aus, was du geschrieben hast. Und wenn das, was du geschrieben hast, vage ist, wird der Output kreativ auf Arten, die du nicht autorisiert hast. 😅

Das ist buchstäblich das, was eine CLAUDE.md-Datei ist. Oder eine AGENTS.md. Oder ein Prompt Contract. Es ist eine formalisierte Vereinbarung zwischen einem Menschen und einer Maschine darüber, was passieren soll, was niemals passieren darf, und wie man den Unterschied verifiziert. Ich habe das komplette Prompt Contracts Framework nach genug dieser Katastrophen gebaut. Und die Pointe ist fast enttäuschend: es ist Management, aufgeschrieben statt gesprochen.

Karpathy ist letzte Woche aus einem komplett anderen Winkel auf exakt dasselbe Muster gestoßen. Sein "LLM Wiki" Gist schlägt ein System vor, um Wissensdatenbanken zu bauen, wo die Regeln in einer Schema-Datei gespeichert sind, die der Mensch besitzt und das LLM befolgt. Gleiche Idee. Gleicher Ort, wo die Arbeit stattfindet. Andere Domäne. (Mehr dazu gleich, ich baue das ganze Playbook darum auf.)

HBR hat die Rolle im Februar benannt. Ihr Artikel "To Thrive in the AI Era, Companies Need Agent Managers" porträtiert Zach Stauber bei Salesforce, dessen tatsächlicher Jobtitel "support agent manager" ist. Er managed eine Flotte von AI-Agenten auf Agentforce. Seine Routine, in seinen eigenen Worten: Dashboards, Scorecards, Agent Observability. Er schaut Agenten bei der Arbeit zu. Er fängt ab, wenn sie abdriften. Er trainiert sie neu, wenn sie kaputt gehen. Er übernimmt, was sie nicht können. Karin aus der Buchhaltung würde für diese Jobbeschreibung töten (endlich jemand, der bei Reviews nicht zurückdiskutiert).

Also hast du mich, der eine Solo-Pipeline betreibt. Karpathy, der ein Wissenssystem entwirft. Salesforce, die ein Gehalt für die Rolle zahlt. Drei komplett verschiedene Kontexte, gleiche Schlussfolgerung: jemand schreibt die Regeln, schaut sich den Output an und repariert, was kaputt ist. Das ist Management. Der Titel hat sich geändert. Das Organigramm ist kollabiert. Die Arbeit nicht.

Was ich delegiere vs. was ich behalte

Vor einem Jahr sah meine tägliche Routine so aus: aufwachen, Laptop aufklappen, zwei Stunden Code schreiben, etwas deployen, testen, einen Bug finden, den Bug fixen, einen neuen Bug einbauen, den auch fixen, den Produkt-Feed aus dem Distributor-CSV aktualisieren, die Partner-API auf Änderungen checken, verifizieren dass die WooCommerce-Storefront keine Geisterprodukte zeigt, auf drei Threads-Nachrichten antworten, realisieren dass es 14 Uhr ist und ich noch nichts gegessen habe. Jede Aufgabe war meine. Die kognitive Last war meine. Die Unterbrechungen waren meine. Wenn um Mitternacht etwas kaputt ging, war das auch meins.

Jetzt delegiere ich das meiste davon. Und mit "delegieren" meine ich nicht "gelegentlich eine AI um Hilfe bitten". Ich meine, die Agenten besitzen ganze Workflows, Ende zu Ende. Nächtliche Bestellverarbeitung. CSV-Ingestion und Validierung. Monitoring. Link-Checking. Boilerplate-Deployments. Die Buchführung einer Pipeline. Agenten handhaben es, während ich mit den Kindern im Pool bin, oder Garnelen auf irgendeiner Insel esse, oder (realistischer) schlafe.

Aber hier ist die Linie, die ich nicht überschreite.

Ich delegiere nicht die Entscheidung was als nächstes gebaut wird. Ein Agent wird fröhlich alles ausführen, was du ihm sagst, einschließlich Dinge, die strategisch idiotisch sind. Richtung ist ein menschlicher Job. Bleibt menschlich.

Ich delegiere nicht Qualitätskontrolle. Ich lese jeden Morgen die Logs. Nicht weil ich es genieße (niemand genießt Logs), sondern weil Agenten "erledigt" melden, wenn sie "ich habe etwas gemacht und bin nicht abgestürzt" meinen. Das sind sehr verschiedene Aussagen.

Ich delegiere nicht Architektur-Entscheidungen. Wenn meine Pipeline eine neue Integration braucht, entscheidet der Agent nicht, wie sie ins bestehende System passt. Das bin immer noch ich.

Und ich delegiere besonders nicht das Schreiben der Verträge selbst. Die CLAUDE.md. Die Integritätsklauseln ("niemals löschen ohne Backup", "niemals als erledigt markieren ohne Verifikation"). Die Workflow-Definitionen. Das ist die Management-Schicht. Das eine, was ein Agent nicht kann, ist seine eigenen Regeln definieren und dann ehrlich bewerten, ob er sie befolgt hat.

Ich weiß, die Flat-Org-Crowd tippt bereits. Spotify hat versucht, Hierarchie mit Squads und Guilds zu killen. Zappos ist voll auf Holacracy gegangen. Valve hat jahrelang das No-Manager-Ding gemacht und jeder ist einfach mit seinem Schreibtisch zum coolsten Projekt gelaufen. Sie alle haben, leise und mit einiger Verlegenheit, Ebenen zurückgebracht. Weil "niemand entscheidet" eine Entscheidung ist, und meist die falsche. Die Wette, die Dorsey macht, ist, dass AI die Gleichung genug verändert, um es funktionieren zu lassen, wo Menschen allein es nicht konnten. Vielleicht tut es das. Vielleicht können 40 Manager mit AI-Backing koordinieren, was 4.000 ohne es getan haben. Aber "vielleicht" leistet viel Schwerstarbeit in einem Satz, der bereits 4.000 Leuten ihren Job gekostet hat.

Das Playbook: Nutze dein LLM als Knowledge Base Manager

Das Muster skaliert über Solo-Dev hinaus. Und es beginnt mit einer Veränderung, wie du über das LLM selbst denkst.

Die meisten Teams nutzen AI jeden Tag gleich. Chat öffnen, Frage stellen, Antwort bekommen, Tab schließen. Morgen von vorn. Das LLM entdeckt alles von Grund auf neu, jedes Mal. Nichts akkumuliert. Stelle eine Frage, die das Querverweisen von fünf Dokumenten erfordert, und das Modell muss die Fragmente finden und zusammensetzen, jedes einzelne Mal. Es ist der brillante Praktikant, der montags ohne Erinnerung an Freitag auftaucht.

Die Alternative (inspiriert von Karpathys LLM Wiki Ansatz) ist, aufzuhören, das LLM als Chatbot zu behandeln, und anzufangen, es als Knowledge Base Manager zu behandeln. Du fütterst es mit Rohmaterial. Es baut ein persistentes, strukturiertes Wiki daraus. Es liest deine Quellen, synthetisiert sie zu verlinkten Seiten, pflegt einen Index und hält das Ganze über Zeit konsistent. Das Wissen akkumuliert. Jede neue Quelle macht das Wiki schlauer. Jede Frage wird schneller beantwortet als die letzte, weil das Denken bereits während der Kompilation passiert ist, nicht zur Abfragezeit.

Das ist eine fundamental andere Beziehung zum Tool. Das LLM hört auf, ein cleverer Autocomplete zu sein, und wird etwas, das näher an einem Bibliothekar ist, der tatsächlich die Bücher gelesen hat. Und wie jeder Angestellte, der Wissensarbeit macht, braucht es Regeln zum Befolgen, Quellen zum Vertrauen und jemanden, der checkt, dass es nicht heimlich Dinge erfindet.

So funktioniert es für ein Team von fünf oder eine Abteilung von fünfzig.

Schritt 1: Gib jedem Team einen raw/ Ordner

Hier kommt das Quellmaterial hin. Meeting-Notizen, Specs, Post-Mortems, Kundenfeedback, API-Docs, was auch immer das Team produziert oder konsumiert. Keine Formatierung erforderlich. Einfach die Dateien reinwerfen. Die Agenten handhaben den Rest.

(Ja, Dave aus dem Engineering wird seinen ganzen Downloads-Ordner da reinwerfen. Lass ihn.)

Schritt 2: Lass Agenten ein Wiki aus diesen Quellen kompilieren

Das LLM liest alles in raw/, synthetisiert es zu strukturierten Markdown-Seiten mit Backlinks und einem Index. Nicht ein Chatbot, der antwortet und vergisst. Ein tatsächliches persistentes Wiki, das jedes Mal wächst, wenn du eine Quelle hinzufügst. Du wirst zusehen, wie es gebaut wird, und dich komisch dabei fühlen. Das Gefühl vergeht nach einer Woche.

Schritt 3: Schreibe ein Schema

Hier findet die Management-Arbeit tatsächlich statt. Eine CLAUDE.md oder AGENTS.md, die dem Agenten sagt, wie Quellen zu ingestieren sind, wie Seiten zu strukturieren sind, welche Konsistenzregeln durchzusetzen sind, wann ein Mensch zu flaggen ist. Beispielklauseln: "Niemals zwei Kunden zu einer Seite mergen ohne Bestätigung." "Jede Behauptung verlinkt zurück zu ihrer Quelldatei." "Führe einen Lint-Pass nach jeder Ingestion durch und logge Inkonsistenzen." Schritt 3 klingt langweilig. Schritt 3 ist der ganze Job.

Schritt 4: Regelmäßig linten

Plane Health Checks. Der Agent scannt das Wiki nach Widersprüchen, veralteten Infos, kaputten Quellreferenzen, Lücken wo ein Thema erwähnt aber nie erklärt wird. Er loggt alles. Du liest den Lint-Report genauso wie ich meine morgendlichen Logs lese. Neunzig Prozent ist in Ordnung. Die zehn Prozent, die es nicht sind, sind wo der Mensch das Gehalt verdient.

Schritt 5: Abfragen, nicht suchen

Teammitglieder stellen dem Wiki Fragen in natürlicher Sprache. "Was haben wir über die Preisänderung im März entschieden?" "Was ist unsere aktuelle Policy bei Rückerstattungsstreitigkeiten?" Das Wiki antwortet aus kompiliertem Wissen, statt jedes Mal alle rohen Dateien von Grund auf neu zu lesen. Das Wiki hat bereits gedacht. Die Antwort ist nur Abruf.

Jetzt gib jedem Team ein Wiki. Jedem Wiki ein Schema. Jedem Schema einen Besitzer. Dieser Besitzer ist der Agent Manager. Sie schreiben nicht die Wiki-Seiten. Sie schreiben die Regeln, die die Agenten befolgen, wenn sie sie schreiben. Sie reviewen die Lint-Reports. Sie updaten das Schema, wenn sich das Business ändert. Eine Person pro Team, vielleicht eine pro drei Teams, wenn sich die Domänen überschneiden.

Das "Weltmodell", das Dorsey in seinem Essay beschreibt, ist basically das auf Unternehmensebene. Jedes Team-Wiki füttert in eine vereinheitlichte Intelligence-Schicht. Statt dass Manager Informationen die Kette hochrouten (mit all der Latenz und Verzerrung), reden die Wikis durch das Modell miteinander. Ein Engineering-Wiki weiß, was das Sales-Wiki weiß. Der CEO fragt das Ganze direkt ab, statt zu warten, dass eine PowerPoint fünf Hierarchieebenen hochkriecht.

Elegant auf dem Papier. In der Praxis muss immer noch jemand jedes Schema pflegen, jede Quellschicht kuratieren und es abfangen, wenn das Engineering-Wiki anfängt, dem Compliance-Wiki zu widersprechen. Das ist ein AI-Problem. Das ist ein Urteilsproblem. Und Urteil wird immer noch in Gehältern bezahlt, nicht in Token.

Die Jobbeschreibung passt auf eine Zeile

Dorsey hat 4.000 Manager gefeuert. Er wird eine andere Art einstellen müssen. Weniger von ihnen. Wahrscheinlich besser bezahlt. Ihre gesamte Jobbeschreibung passt auf eine Zeile: schreibe die Verträge, die die Maschinen respektieren.

Quellen

Jack Dorsey und Roelof Botha, "From Hierarchy to Intelligence," block.xyz / sequoiacap.com, 31. März 2026.

Suraj Srinivasan und Vivienne Wei, "To Thrive in the AI Era, Companies Need Agent Managers," Harvard Business Review, 12. Februar 2026.

Andrej Karpathy, "LLM Wiki," GitHub Gist, 4. April 2026.

Block-Mitarbeiterberichte via The Guardian, Februar-März 2026.

(*) Das Cover ist AI-generiert. Der Manager, den es zeigt, hat eine bessere Morgenroutine als ich und ungefähr die gleiche Anzahl direkter Untergebener.