LONDON (IT BOLTWISE) – Der New Yorker Bürgermeister Zohran Mamdani hat DoorDash wegen des Vorwurfs, Trinkgelder von Zustellfahrern zurückzuhalten, scharf kritisiert. Im Zuge einer Einigung mit der Stadt wurde ein Betrag von 131,5 Millionen US-Dollar vereinbart, wobei 115 Millionen direkt an Zusteller zurückfließen sollen. Zusätzlich soll DoorDash für mehrere Jahre Zahlungsdaten liefern und Software mitentwickeln, mit der Fahrer App-Daten besser dokumentieren können. Mamdani verknüpft das Vorgehen mit der Kritik an einem „greedy algorithm“-Denkmuster, das kurzfristige Entscheidungen ohne ausreichende Folgenabwägung begünstigen könne.
Die Nachricht wirkt auf den ersten Blick wie ein klassischer Vergütungsstreit zwischen einer Plattform und Beschäftigten. Bei genauerem Hinsehen wird jedoch deutlich, dass es in New York nicht nur um einzelne fehlerhafte Abrechnungen geht, sondern um die Art, wie Zahlungslogik in Liefer-Apps strukturiert wird und wie daraus messbare Nachteile entstehen. Bürgermeister Zohran Mamdani stellte die Einigung über 131,5 Millionen US-Dollar als „historisch“ heraus und verknüpfte sie mit Vorwürfen der Stadt gegenüber DoorDash: Nach Angaben der zuständigen Behörde Department of Consumer and Worker Protection (DCWP) habe das Unternehmen systematisch Zustellfahrern weniger gezahlt als geschuldet – unter anderem durch das Zurückhalten von Trinkgeldern.
In seiner Rede griff Mamdani zudem eine Episode aus dem Umfeld des DoorDash-Managements auf: Er kritisierte den CEO Tony Xu dafür, eine Art „greedy algorithm“ als Denkmodell zu bewerben, bei dem in jedem Schritt die kurzfristig beste Entscheidung gesucht werde, ohne die langfristigen Folgen ausreichend zu berücksichtigen. Technisch erinnert dieser Begriff an Ansätze aus dem Algorithmendesign, bei denen eine lokale Optimierung den nächsten Schritt festlegt. Mamdani argumentierte, das sei nicht nur ein abstraktes Rechenmuster, sondern könne sich in der Praxis in Systemen widerspiegeln, die Kosten, Zeitfenster und Zahlungsströme so steuern, dass am Ende der „Optimierungsschritt“ für das Unternehmen zu Lasten der Menschen geht, die tatsächlich liefern.
Der Kern der Einigung betrifft deshalb die Auszahlung – und zugleich die Nachvollziehbarkeit. Von den insgesamt 131,5 Millionen US-Dollar sollen 115 Millionen direkt an Zusteller zurückfließen, wobei laut Mamdani je nach Fall Zahlungen von bis zu 5.000 US-Dollar möglich seien. Der verbleibende Teil fließt in zwei Richtungen: erstens in Geldbußen und zweitens in die Entwicklung von Software, die Fahrern helfen soll, die DoorDash-App-Nachweise und Zahlungsdaten selbst zu erfassen und mit der Stadt zu teilen. Damit verschiebt sich die Machtbalance: Nicht nur eine Behörde prüft Rechnungslogik, sondern Beschäftigte können Daten stärker „crowdsourcen“ und Muster sichtbar machen, insbesondere dort, wo Entscheidungen durch algorithmische Komponenten getroffen werden.
Besonders relevant für die technische Einordnung ist, dass die Stadt nicht bei der Trinkgeldfrage stehen bleibt. Nach Angaben Mamdanis habe DoorDash über Jahre hinweg offenbar nicht jede Arbeitsstunde korrekt erfasst. Die Kritik lautet, das Unternehmen habe keine Rundungsdifferenzen im engeren Sinn verursacht, sondern Zeitabschnitte aus der Zählung herausgelassen – etwa bei abgebrochenen Fahrten oder bei Trips, die Stadtgrenzen überquerten. Wenn Städte Mindestlohn-Mechaniken durchsetzen, hängt die Wirksamkeit solcher Regeln häufig daran, wie präzise Plattformen die tatsächliche Arbeitszeit in ihrer Abrechnungslogik abbilden. Genau hier entsteht das typische Spannungsfeld: Eine Plattform kann eine „operative“ Optimierung anstreben, ohne dass dabei immer klar ist, wie die Abrechnungsgrenzen für Fahrer aussehen, die am Ende den Aufwand tragen.
Auch die Formulierung „greedy algorithm“ passt in diesen Kontext, weil sie eine Brücke zwischen Management-Argumentation und Plattformtechnik schlägt. In vielen Liefer- und Ride-Hailing-Systemen optimieren Algorithmen kurzfristige Ziele: Zuordnung von Aufträgen, Preis- oder Anreizsteuerung, Stabilisierung von Auslastung und Reduktion von Wartezeiten. Solche Optimierungen können grundsätzlich effizient sein. Problematisch wird es dort, wo die Abwägung von Folgen nicht transparent ist oder wo der relevante Zielkorridor zu eng definiert wird – beispielsweise, wenn die Messgrößen für „günstige“ Entscheidungen nicht dieselben Kostenstellen berücksichtigen, die Beschäftigte in Form entgangener Zahlungen tragen. Mamdani stellte genau diese Verschiebung in den Mittelpunkt: Aus seiner Sicht ist das Verhalten kein Zufall, sondern systematisch begünstigt.
DoorDash räumte die Vorwürfe nicht im Detail als „Absicht“ ein, sondern verwies darauf, dass es sich um Fehler gehandelt habe. In der überlieferten Darstellung heißt es, das Unternehmen habe die Unterzahlungen eingeräumt, zugleich aber betont, sie seien nicht absichtlich erfolgt. Für die Bewertung in einem größeren Tech- und Regulierungsrahmen ist das dennoch entscheidend: Auch nicht-intendierte Fehler in algorithmischen Abrechnungssystemen können rechtlich und politisch als strukturelles Problem auflaufen, weil sich negative Effekte für Tausende Fahrern über lange Zeit aufsummieren. Die Einigung selbst fungiert damit als Signal, dass Plattformen ihre Vergütungsmodelle künftig stärker als überprüfbare Systeme behandeln müssen – inklusive Datenexporten, Auditierbarkeit und Mechanismen, die Betroffenen eine Datenbasis zur eigenen Kontrolle geben.
Abseits der unmittelbaren Zahlungsthemen zeigt der Vorgang, wie stark sich der Wettbewerb im Liefermarkt gerade in Richtung „Compliance durch Engineering“ verlagert. Wenn Städte von Plattformen regelmäßige Zusteller-Zahlungsdaten verlangen und für mehrere Jahre Kontroll- und Berichtspflichten etablieren, steigt der Aufwand für Data Governance, Logging und Monitoring. Das ist nicht nur eine juristische Anforderung, sondern auch ein Architekturthema: Welche Daten werden in welcher Granularität gespeichert, wie werden sie versioniert, und wie lässt sich der Zusammenhang zwischen Auftrag, Abbruchereignis, Auszahlungslogik und finalem Betrag nachvollziehen? Zugleich bleibt das politische Momentum: Mamdanis bisherige Aktivitäten gegen einzelne Anbieter deuten darauf hin, dass die Auseinandersetzung nicht als einmalige Zahlungskorrektur verstanden wird, sondern als längerfristige Veränderung der Marktstandards. Für Unternehmen heißt das: Algorithmen werden nicht nur nach Performance beurteilt, sondern zunehmend nach der Frage, ob ihre Zieldefinitionen und Datenpfade auch im Alltag faire Ergebnisse liefern.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "NYC verhängt 131,5-Millionen-Deal gegen DoorDash wegen Trinkgeldzahlungen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "NYC verhängt 131,5-Millionen-Deal gegen DoorDash wegen Trinkgeldzahlungen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »NYC verhängt 131,5-Millionen-Deal gegen DoorDash wegen Trinkgeldzahlungen« bei Google Deutschland suchen, bei Bing oder Google News!