Meta-Klage rückt KI-Auswahl bei Entlassungen ins Zentrum

26 ehemalige Beschäftigte haben Meta am 13. Juli 2026 vor einem Bundesgericht in Nordkalifornien verklagt. Laut Ars Technica werfen sie dem Konzern vor, interne KI-Werkzeuge bei einer Entlassungsrunde mit rund 8.000 Betroffenen zur Auswahl von Beschäftigten eingesetzt zu haben.

Meta weist den Vorwurf nach Berichten von Ars Technica zurück. Der Fall reicht über einen einzelnen Arbeitsrechtsstreit hinaus. Er legt einen wunden Punkt offen, den viele Teams aus der Produkt- und Agentenwelt kennen: Aus scheinbar harmlosen Aktivitätsdaten kann sehr schnell eine Vorauswahl für echte Konsequenzen werden.

Worum es in der Klage geht

Nach Angaben von Ars Technica wurde die Klage von 26 anonymisierten Klägerinnen und Klägern eingereicht. Ihr Kernvorwurf lautet, dass nicht Führungskräfte mit direkter Kenntnis der Arbeit die Entlassungsliste geprägt hätten, sondern interne KI-Systeme.

Der heikelste Teil der Vorwürfe betrifft laut Ars Technica und dem Guardian Beschäftigte mit Behinderungen sowie Personen, die medizinische Auszeiten oder Familienzeit in Anspruch genommen hatten. Reduzierte Aktivität während geschützter Abwesenheiten kann dann als negatives Signal erscheinen. Ein formal neutrales Datensystem rückt so sehr nah an verbotene Auswahlkriterien – und aus der Effizienzdebatte wird ein Diskriminierungsrisiko.

Mehr lässt sich aus den Berichten bisher nicht sicher ableiten. Ob die Systeme tatsächlich entschieden, nur Empfehlungen erzeugten oder lediglich Daten zusammenführten, muss das Verfahren erst klären.

Der Streit dreht sich um die Entscheidungskette

Meta bestreitet nach Ars Technica, KI zur Kündigung von Beschäftigten mit Behinderungen oder medizinischen Problemen eingesetzt zu haben. Für das Verfahren zählt deshalb die Prozessfrage hinter dem Schlagwort “KI”: Wer sah welche Daten, wer erzeugte welche Rangfolge und wer durfte sie korrigieren?

Genau an diesem Punkt wird der Fall für Teams interessant, die Agenten oder interne Entscheidungssysteme bauen. Ein Dashboard mit Scores, Warnfarben und einer vorsortierten Liste sieht nach Unterstützung aus. In der Praxis erzeugt es oft Handlungsdruck. Wer so ein Tool vor sich hat, prüft selten bei null. Er arbeitet gegen eine Vorauswahl an.

Hier liegt der Kern des Falls. Eine abschließende menschliche Unterschrift reicht nicht als Entwarnung, wenn der eigentliche Auswahlmoment schon vorher in Datenfiltern, Gewichtungen und Rankings stattgefunden hat.

Aktivität ist kein verlässlicher Ersatz für Leistung

Der Fall berührt damit ein altes, aber in KI-Systemen besonders scharfes Problem: Aktivität ist nicht automatisch Leistung. Login-Zeiten, interne Nutzungsmuster, sichtbare Interaktionen oder Ticket-Bewegungen messen Anwesenheit im System oft besser als die Qualität der Arbeit.

Sobald solche Signale in Personalprozesse einfließen, schleppen sie auch alles mit, was sie verzerrt: Krankheit, Elternzeit, Rollenunterschiede, Teamkultur oder schlicht die Art, wie einzelne Aufgaben dokumentiert werden. Aus technischer Sicht ist das kein exotischer Sonderfall, sondern ein klassisches Proxy-Problem. Das Modell muss geschützte Merkmale nicht direkt sehen, wenn andere Daten dieselbe Richtung andeuten.

Was Teams daraus mitnehmen sollten

Nach den bisherigen Berichten von Ars Technica und dem Guardian lässt sich aus dem Verfahren vor allem eine Mindestanforderung ableiten. Wer KI oder datengetriebene Scorings in Personalentscheidungen einbaut, braucht vor dem Rollout eine belastbare Trennung zwischen Leistungssignalen und geschützten Abwesenheiten.

Dazu kommen drei operative Fragen. Erstens: Welche Daten dürfen überhaupt in eine Bewertung einfließen? Zweitens: Wie wird auf ungleiche Auswirkungen geprüft? Drittens: Wie kann eine betroffene Person eine konkrete Entscheidung nachvollziehen und anfechten?

Ein bloßer Hinweis auf “KI-Unterstützung” beantwortet keine dieser Fragen. Und ein Audit hilft wenig, wenn es nur den Score reproduziert, aber nicht erklärt, warum genau diese Daten in genau diesem Prozess gelandet sind.

Der eigentliche Prüfstein

Bewiesen ist mit der Klage noch nichts. Belegt sind zunächst Vorwürfe, die Meta zurückweist und die nun vor Gericht geprüft werden müssen. Für andere Unternehmen ist der Fall gerade deshalb nützlich: Er zwingt dorthin, wo Prozesse gern unscharf bleiben.

Der Prüfstein ist die lückenlose Spur vom Datensignal bis zur personellen Konsequenz. Fehlt sie, taugt “der Mensch hat entschieden” nicht als Absicherung. Dann setzt die Unterschrift nur noch den letzten Stempel unter einen Prozess, dessen eigentliche Auswahl niemand erklären kann.