Tokenmaxxing: Wie KI-Token-Verschwendung zum neuen Statussymbol in Big Tech wird

In der Tech-Branche hat sich ein neuer Trend etabliert: Tokenmaxxing. Mitarbeiter bei Meta, Microsoft und Salesforce konkurrieren darum, möglichst viele KI-Token zu verbrauchen – oft ohne Mehrwert. Dieser Artikel analysiert die Prompts und Techniken hinter diesem Phänomen und zeigt, warum es für Unternehmen teuer und kontraproduktiv ist.

Überblick

Tokenmaxxing beschreibt das bewusste Maximieren des Verbrauchs von KI-Token – also der Datenmengen, die von KI-Modellen verarbeitet werden – um intern als besonders „AI-native“ zu gelten oder auf Ranglisten ganz oben zu stehen. Bei Meta erstellte ein Mitarbeiter ein „Token Leaderboard“, das die Top-250-Nutzer nach Token-Verbrauch listet. Die Spitze trägt Titel wie „Session Immortal“ oder „Token Legend“. Microsoft und Salesforce haben ähnliche Dashboards eingeführt. Der Haken: Der Großteil dieses Token-Verbrauchs ist verschwenderisch. Entwickler lassen KI-Agenten sinnlose Aufgaben ausführen, fragen Dinge ab, die sie selbst in Sekunden nachschlagen könnten, oder lassen Prototypen generieren, die sofort gelöscht werden. Das Ziel ist nicht Produktivität, sondern Sichtbarkeit. Nach öffentlicher Kritik hat Meta das interne Leaderboard inzwischen abgeschafft.

Prompt-Analyse

Der Prompt

Rolle: Softwareentwickler bei Meta/Microsoft/Salesforce
Kontext: Internes Token-Leaderboard zeigt meinen Token-Verbrauch im Vergleich zu Kollegen. Ich möchte nicht als „zu wenig KI-nutzend“ dastehen, um meinen Job zu sichern.
Aufgabe: Erhöhe meinen Token-Verbrauch auf das Niveau der Top-10% der Nutzer, ohne dass ich dafür echte Produktivarbeit leisten muss.
Output-Format: Eine Liste von Aktionen, die ich täglich ausführen kann.
Constraints: Die Aktionen müssen mit den firmeninternen KI-Tools (Claude Code, Cursor, Copilot) durchführbar sein. Kein direkter Verstoß gegen Compliance-Regeln. Zeitaufwand maximal 30 Minuten pro Tag.

Bestandteile

Rolle/Persona: Der Entwickler ist als „besorgter Mitarbeiter“ definiert, der seinen Arbeitsplatz sichern will. Das ist ein typischer Anwendungsfall für Prompts, die auf intrinsische Motivation (Angst) setzen, um Verhalten zu steuern.

Kontext: Der Kontext beschreibt die Drucksituation: ein internes Leaderboard, das den Token-Verbrauch transparent macht. Dies ist ein Gamification-Element, das hier jedoch pervers wirkt, weil es nicht Leistung, sondern Ressourcenverbrauch belohnt.

Aufgabe: Die Aufgabe ist zweigeteilt: Erstens den Token-Verbrauch quantitativ zu steigern, zweitens dies ohne echten Arbeitsaufwand zu tun. Das ist der Kern des Tokenmaxxings – die Metrik wird zum Selbstzweck.

Output-Format: Die Liste von Aktionen ist ein gängiges Format für handlungsorientierte Prompts. Der Entwickler will keine Analyse, sondern eine sofort umsetzbare Checkliste.

Constraints: Die Einschränkungen sind bemerkenswert: Sie verbieten explizit Regelverstöße, aber nicht die Verschwendung von Ressourcen. Das zeigt, dass Unternehmen oft nur formale Compliance, nicht aber inhaltliche Sinnhaftigkeit überwachen.

Aus Prompt-Engineering-Sicht ist dieser Prompt gut formuliert: Er enthält alle notwendigen Elemente (Rolle, Kontext, Aufgabe, Format, Constraints) und ist präzise genug, um reproduzierbare Ergebnisse zu liefern. Das Problem liegt nicht im Prompt, sondern in der Zielsetzung. Ein ethischerer Prompt würde die Produktivität in den Vordergrund stellen.

Häufig gestellte Fragen

Was genau ist Tokenmaxxing?

Tokenmaxxing ist der Trend, möglichst viele KI-Token zu verbrauchen – oft sinnlos – um intern als besonders KI-affin zu gelten. Es ist eine Form des „conspicuous consumption“ (auffälligen Konsums) in der Tech-Branche.

Warum machen Mitarbeiter das?

Aus Sorge um den Arbeitsplatz. Wer wenig Token verbraucht, könnte als nicht „AI-native“ gelten und bei nächsten Entlassungen gefährdet sein. Das ist eine direkte Folge von Metriken, die Token-Verbrauch mit Produktivität gleichsetzen.

Welche Unternehmen sind betroffen?

Meta, Microsoft, Salesforce und Shopify (das inzwischen gegengesteuert hat). Die Praxis ist vermutlich weiter verbreitet.

Wie viel kostet Tokenmaxxing?

Meta verbrauchte in 30 Tagen 60,2 Billionen Token. Zu API-Preisen von Anthropic wären das 900 Millionen US-Dollar. Selbst mit Rabatt dürfte die Summe bei über 100 Millionen Dollar liegen.

Was können Unternehmen dagegen tun?

Token-Verbrauch nicht als Leistungsmetrik verwenden, stattdessen Output-basierte Metriken einführen, Circuit Breaker einbauen (wie Shopify) und regelmäßig mit Top-Verbrauchern über den Sinn ihrer Nutzung sprechen.

Wie erkenne ich Tokenmaxxing in meinem Team?

Achten Sie auf wiederholte, sinnlose Prompts (z.B. „Erkläre mir die Doku“), auf unverhältnismäßig viele Token für einfache Aufgaben und auf Prototypen, die nie ausgeliefert werden.

Ist Tokenmaxxing ein neues Phänomen?

Nein, es erinnert an den alten „Lines of Code“-Wahn, bei dem Entwickler möglichst viele Codezeilen schrieben, um produktiv zu wirken. Das wurde damals als schlechte Metrik erkannt – und Tokenmaxxing ist die moderne Variante.

Quelle

Basiert auf diesem Artikel.