KI-Computing wird zur Vergütung und verändert die Rekrutierung
In Silicon Valley kursiert die Idee, Teil der Vergütung von Ingenieuren mit KI-Computing zu bezahlen, also mit garantiertem Zugang zu GPU-Kapazitäten und Inferenz. Business Insider fasste es als „AI Computing als Vergütung“ zusammen. Relevant ist nicht nur die kreative Idee, sondern der betriebliche Kontext, der sie plausibel macht. Die Nachfrage nach Talenten im Bereich KI ist explodiert, mit einem 257% Wachstum bei Stellenangeboten seit 2015, und die Gehaltspakete wurden an Spezialisierung und Liefergeschwindigkeit angepasst: Das Median-Jahresgehalt für KI-Talente in den Vereinigten Staaten liegt bei etwa 160.000 Dollar, mit erheblichen Prämien für Profile in den Bereichen LLM, MLOps oder Sicherheit und Ausrichtung. Gleichzeitig hat sich die Infrastrukturkostenstruktur von einem technischen Aspekt zu einer finanziellen Größe gewandelt, die definiert, welches Produkt verkauft werden kann und mit welcher Marge.
In diesem Spannungsverhältnis zwischen teurem Talent und extrem hohen Infrastrukturen wird der Zugang zu Computing zu einer wertvollen Währung. Für einen Ingenieur bedeutet ein eigener "GPU-Budget", schneller zu iterieren, Modelle ohne interne Warteschlangen zu trainieren oder zu evaluieren und Ideen in umsetzbare Ergebnisse zu verwandeln. Für das Unternehmen kann es eine Möglichkeit sein, um mit Kandidaten zu konkurrieren, ohne sofort mehr Bargeld oder Eigenkapital zu investieren. Der Bericht erwähnt, dass Greg Brockman, Präsident und Mitbegründer von OpenAI, in diese Diskussionen verwickelt ist. Dieses Detail ist wichtig, weil es offenbart: Wenn ein Unternehmen, dessen Kernkompetenz KI ist, sich mit Computing als Vergütung befasst, erkennt es an, dass das knappe Gut nicht nur der Ingenieur, sondern das Nutzungsrecht der Maschine ist.
Das „Computing“ als Gehalt als Antwort auf zwei Knappheiten
Die erste Knappheit ist das Talent. Marktanalysen zeigen eine 28% Gehaltssteigerung für KI-Positionen im Vergleich zu traditionellen Tech-Positionen; LLM-Spezialisten verdienen 25% bis 40% mehr als allgemeine ML-Experten; MLOps erhalten 20% bis 35% mehr und Sicherheits- und Ausrichtungspositionen haben seit 2023 einen Anstieg von 45% erfahren. In diesem Rahmen ist die Vergütung nicht mehr nur Basis + Bonus + Aktien, sondern umfasst alle Faktoren, die den wahrgenommenen Wert für den Kandidaten steigern. Wenn die Arbeit des Ingenieurs vom Zugang zu GPUs abhängt, wird dieser Zugang selbst zu einem Teil des Pakets.
Die zweite Knappheit ist die Infrastruktur. OpenAI sieht laut dem Briefing 80 Milliarden Dollar an Verpflichtungen, die bis 2026 fällig sind, und einen Rechenzentrumsvertrag mit Microsoft, der auf 250 Milliarden Dollar geschätzt wird, mit potenziellen Zahlungen in mehreren Hundert Milliarden bis 2030. Außerdem wird erwähnt, dass 2026 ein Jahr finanzieller Spannungen aufgrund der Infrastrukturkosten bevorsteht, selbst mit 20 Milliarden Dollar Umsatz 2025 und einer Runde von 41 Milliarden Dollar, angeführt von SoftBank, die 2026 in Anspruch genommen wird. Obwohl nicht alle Unternehmen in einer derartigen extremen Lage sind, wiederholt sich das Muster im Kleinen: Um KI zu entwickeln, kann der Compute-Aufwand mit den Gehältern konkurrieren und die Margen aufzehren.
Wenn diese beiden Knappheiten zusammentreffen, entsteht der Anreiz, was früher ein Plattformkostenfaktor war, als Vorteil für den Mitarbeiter umzuetikettieren. Das ist kein kosmetischer Versuch. Es ist eine Methode, um eine knappe Ressource mit klaren Regeln zuzuteilen und sie als Mechanismus zur Anwerbung und Bindung zu nutzen.
Die wirtschaftliche Mechanik hinter der Bezahlung mit GPUs
Mit Compute zu bezahlen bedeutet nicht, dass die Kosten verschwinden. Es bedeutet, dass sie innerhalb des Modells ihren Standort wechseln und vor allem die Diskussion über die Rekrutierung verändern: Das Unternehmen verspricht einen Input, der die Ergebnisse beschleunigt. Diese Entwicklung hat drei betriebliche Implikationen.
Erstens, verwandelt sie einen internen Engpass in ein Argument für HR. In vielen Organisationen ist der Zugang zu GPUs zentralisiert, mit Warteschlangen, Genehmigungen und Reibungsverlusten. Ein starker Kandidat, der zu einem Ort gehen könnte, der bessere Werkzeuge oder mehr Freiheit bietet, schätzt die Autonomie. Den im Job zugewiesenen Compute anzubieten, bedeutet, produktive Autonomie zu bieten. Da KI den individuellen Einfluss verstärkt, passt dies zu dem Trend in Big Tech, mehr für den Einfluss zu zahlen: Meta mit seinem „Checkpoint“-Programm und Boni, die bis zu 300% des Ziels erreichen können, Google, das Boni und Eigenkapital für Top-Performer erhöht, und Amazon, das Überschreitungen von Gehaltsbandbreiten erlaubt. Compute als Vergütung folgt diesem Prinzip: Wer mehr leistet, erhält mehr Möglichkeiten zur Produktion.
Zweitens, wandelt es unvorhersehbare Kosten in ein zuweisbares Budget. Die Ausgaben für Inferenz und Training können durch Nutzung, Experimente und mangelnde Bewertungsdisziplin explodieren. Wenn das Unternehmen Compute als Teil des Pakets definiert, muss es gezwungen werden, es zu messen, zu budgetieren und seinen Ertrag zu überprüfen. Das hört sich gut an, erfordert jedoch finanzielle Reife: Ohne Kontrolle wird der „Vorteil“ zu einem offenen Subvention.
Drittens, definiert es das Kassarisiko neu. Für ein Startup ohne finanzielle Rücklagen bedeutet das Versprechen von Compute, einen zukünftigen variablen Kostenfaktor zu versprechen. Es kann helfen, eine Einstellung zu schließen, ohne das Gehalt heute zu erhöhen, schafft jedoch eine operative Verbindlichkeit. In Stressszenarien ist der erste Einschnitt oft der Zugang zu Compute, was Produktivität und Betriebsklima beeinträchtigt. Daher, wenn Compute als Teil der Vergütung angeboten wird, sollte es als interne vertragliche Verpflichtung mit klaren Regeln behandelt werden.
Was es über Governance und Organisationsdesign offenbart
Dieses Phänomen betrifft nicht nur das Recruiting, sondern spricht auch darüber, wie die Arbeit in KI-Teams governierte wird. Wenn Compute zum Gehalt wird, teilen CFO und Engineering-Leiter eine neue Grenze: zu definieren, wer recht auf welchen Umfang an Kapazitäten hat und nach welchen Kriterien.
In der Praxis treibt dies zu flacheren, individuenorientierten Organisationsmodellen. Der Bericht zitiert Zuhayeer Musa von Levels.fyi über den Aufstieg des „Player-Coach“-Modells, bei dem Profile sowohl ausführen als auch mentorisch agieren, ohne ein großes Team managen zu müssen. KI macht diese Figur rentabler: Eine Person mit starken Werkzeugen, gutem Urteilsvermögen und Zugang zu Compute kann einen signifikanten Teil der Arbeit übernehmen, die zuvor mehr Personal erforderte. In einem solchen Umfeld sucht das Unternehmen nach Mechanismen, um solche Profile anzuziehen, ohne die Strukturen aufzublähen. Der zugewiesene Compute ist ein Mechanismus, der die Hebelwirkung des Individuums erhöht, ohne zusätzliche Ebenen hinzuzufügen.
Doch der Preis ist die Governance. Wenn Compute „auf der Gehaltsliste“ steht, treten vorhersehbare interne Spannungen auf: Wahrgenommene Ungerechtigkeiten zwischen Rollen, Streitigkeiten über Zuweisungen und die Versuchung, Compute als politische Belohnung anstelle von Produktionsbudget zu verwenden. Wie man dem entgeht, ist nicht kulturell geprägt, sondern buchhalterisch und operationell: Zuweisungsregeln basierend auf Projekten, Verbrauchermessung und explizite Verknüpfungen zu Lieferungen.
Es gibt auch einen zweiten Aspekt: Wenn Compute Einzelpersonen zugewiesen wird, muss das Unternehmen sich vor Missbrauch zum Widerspruch zu geschäftlichen Prioritäten schützen. Nicht aus Misstrauen, sondern aus wirtschaftlichen Gründen. Experimente sind wertvoll, aber im großen Maßstab können sie zu Margenverlusten führen. Gesundes Design neigt dazu, „Produktcompute“ von „Erkundungscompute“ zu trennen, mit Grenzen und Berichtspflichten.
Die Auswirkungen auf die Geschäftsmodelle von Startups und Big Tech
Für Big Tech passt dies in eine Talentkonzentrationsstrategie: höhere Löhne für weniger Menschen, bessere Werkzeuge anbieten und impact fordern. Es sind bereits Strukturen zu beobachten, in denen die besten Talente Gehaltsobergrenzen überschreiten oder außergewöhnliche Boni erhalten können. Wenn man garantierte Compute-Ressourcen hinzufügt, wird das Paket verteidigbarer: Es ist nicht nur Geld, sondern auch Ausführungsfähigkeit.
Für Startups ist die Realität jedoch unangenehmer. In Märkten, in denen Meta Gehaltspakete im nahezu siebenstelligen Bereich für Senior-Positionen bezahlt und Series-D-Startups bis zu 2 bis 4 Millionen in Aktien für Top-Forscher anbieten, wird es schwierig, nur mit Eigenkapital zu konkurrieren. Computing anzubieten kann einen Unterschied ausmachen, aber nur, wenn das Startup eine klare Produktthese und eine disziplinierte Unit-Economy hat. Wenn das Produkt nicht schnell monetarisiert, wird das „geschenkte“ Computing zu einem Beschleuniger des Burnings.
Hier sieht man meine Besessenheit mit dem Verkauf ab dem ersten Tag: Wenn die dominierenden variablen Kosten im Computing liegen, subsidiert das Unternehmen jeden Benutzer und jedes interne Experiment, wenn es nicht frühzeitig Einnahmen erzielt. Der Bericht erwähnt Prognosen über finanzielle Löcher, die mit Nutzungssubventionen und großen Datenzentrumsverpflichtungen verbunden sind. Man braucht nicht in der Größendimension von OpenAI zu sein, um dasselbe Muster proportional zu erfahren.
Die wahrscheinliche Konsequenz ist ein Arbeitsmarkt, in dem ein Teil der Vergütung in nicht-gehaltsbezogenen Einheiten verhandelt wird: Zugang zu Modellen, Daten und Computing. Das kann die Produktivität erhöhen, verengt jedoch auch den Wettbewerb: Unternehmen mit besserer Infrastruktur rekrutieren besser, und andere bleiben gefangen, indem sie mehr Bargeld für weniger Umsetzungsfähigkeit zahlen.
Die Richtung, die der Arbeitsmarkt für KI einschlägt
Diese Veränderung deutet auf eine Realität hin: Die Infrastruktur ist Teil der Stelle, nicht nur des Tech-Stacks. Kurzfristig wird es immer häufiger vorkommen, Angebote zu sehen, die Budgets für Computing, Zugang zu internen Clustern oder Kredite bei Anbietern spezifizieren. Nicht, weil es „modern“ erscheint, sondern weil es eine Sprache ist, die mit Produktivität verbindet.
Für das Management ist das Kriterium nicht, ob es modern klingt. Das Kriterium ist, ob das Vergütungspaket mit der finanziellen Architektur und dem Liefermechanismus übereinstimmt. Wenn Compute als Gehalt angeboten wird, muss eine minimale Disziplin bestehen:
- Budget nach Rolle und Projekt, mit monatlicher Sichtbarkeit des Verbrauchs.
- Trennung zwischen Compute für Produktion und Forschung, da die erwarteten Erträge unterschiedlich sind.
- Priorisierungsregeln, um zu verhindern, dass die Ressource zum internen politischen Kapital wird.
- Verbindung zu Einnahmen, da Compute variable Kosten darstellt, die die Margen belasten.
Compute als Vergütung löst nicht den Talentkampf; es formalisiert ihn in einer knappen Ressource, die bereits die Produktgeschwindigkeit bestimmt. Das Unternehmen, das dies gut umsetzt, wird Plattformkosten in messbare Produktivität verwandeln, während das Unternehmen, das es als kosmetische Lösung für das Gehaltspaket nutzt, eine variable Ausgabe ohne Kontrolle und mit diffusen Ertragserwartungen erben wird.
