Wenn der Algorithmus den Karrierestart blockiert: Warum KI die Junior-Jobs frisst

Die Apokalypse bleibt aus - vorerst. Entgegen düsterer Prognosen hat Künstliche Intelligenz bisher keine Massenarbeitslosigkeit in den Industrieländern ausgelöst. Die aggregierten Beschäftigungszahlen sind stabil, und viele Studien finden nur begrenzte Belege dafür, dass KI die großen Linien des Arbeitsmarktes bereits verschoben hat. Doch was, wenn wir auf die falsche Zahl schauen? Was, wenn der Schaden nicht in der Gegenwart erfahrener Fachkräfte liegt, sondern in der Zukunft derjenigen, die noch gar nicht richtig angefangen haben? Die beunruhigendsten Daten kommen nicht aus den Chefetagen, sondern von der untersten Sprosse der Karriereleiter. Sie deuten auf eine stille Krise hin, die das Fundament unserer Arbeitswelt untergräbt: KI scheint systematisch jene Einstiegspositionen zu eliminieren, über die junge Menschen traditionell den Zugang zum Berufsleben finden.

Die unsichtbare Erosion der ersten Sprosse

Ein Arbeitspapier des Stanford Digital Economy Lab hat eine alarmierende Entwicklung quantifiziert. Demnach verzeichneten Arbeitnehmer im Alter von 22 bis 25 Jahren in den am stärksten von KI betroffenen Berufen nach der Verbreitung generativer KI einen relativen Beschäftigungsrückgang von 16 Prozent. Dieser Effekt blieb auch bestehen, nachdem andere Faktoren, die die Personalentscheidungen von Unternehmen beeinflussen könnten, herausgerechnet wurden. Ein Bericht des KI-Unternehmens Anthropic liefert ähnliche Hinweise. Entscheidend ist: Erfahrenere Arbeitnehmer in denselben Berufen erlitten keinen vergleichbaren Einbruch. Ebenso wenig sank die Beschäftigung in Einstiegsjobs, die wenig Berührungspunkte mit KI haben. Das Problem ist also spezifisch: Es trifft die Jungen in den digital exponierten Feldern - Softwareentwickler, Kundenbetreuer, Programmierer und Informationssystem-Manager.

Die Interpretation liegt nahe, dass Unternehmen KI nicht als Ergänzung, sondern als Ersatz für jene Routinetätigkeiten nutzen, die früher von Junioren erledigt wurden. Das Entwerfen von Standardcode, das Zusammenfassen von Dokumenten, die erste Sichtung von Kundenanfragen - all das sind Aufgaben, an denen junge Talente einst ihr Urteilsvermögen schulten. Werden diese Aufgaben von Maschinen übernommen, entfällt nicht nur ein Job, sondern ein informeller Ausbildungsplatz. „Wenn KI mehr von den Entwürfen, der Triage, der Codierung, der Zusammenfassung und der administrativen Vorbereitung absorbiert, die einst zur Ausbildung von Berufseinsteigern beitrugen, könnten Unternehmen kurzfristig effizienter werden, während die Gesellschaft langfristig an Fähigkeiten verliert“, warnt der Ökonom Georgios Petropoulos von der USC Marshall School of Business.

Mehr als nur eine Zahl: Die persönliche Krise hinter der Statistik

Die Statistiken sind das trockene Destillat einer großen persönlichen Not. Die Federal Reserve Bank of New York meldete, dass die Arbeitslosenquote für Hochschulabsolventen im vierten Quartal 2025 auf 5,6 Prozent stieg. Noch aussagekräftiger ist die Unterbeschäftigungsquote: 42,5 Prozent der Absolventen arbeiteten in Jobs, die typischerweise keinen Hochschulabschluss erfordern - der höchste Stand seit der Corona-Pandemie. Natürlich ist KI nicht die einzige Ursache. Die Einstellungszahlen sind generell rückläufig, und junge Menschen sind in konjunkturellen Schwächephasen immer besonders verwundbar. Doch die Möglichkeit zu ignorieren, dass KI einen ohnehin schwierigen Übergang von der Universität in den Beruf zusätzlich beschleunigt und verhärtet, wäre ein Fehler.

Hinter diesen Zahlen stehen Hunderte von Bewerbungen, die ins Leere laufen, bevor ein einziges Angebot eintrifft. Umfragen zeigen durchweg erhöhte Raten von Angstzuständen, finanzieller Prekarität und Burnout bei jungen Arbeitssuchenden. Wenn KI still und leise die Tür zu den typischen Einstiegsjobs schließt, zahlen die Betroffenen den Preis in Form von verzögerter Unabhängigkeit, aufgeschobener Familienplanung und dem nagenden Gefühl, dass die ersten ernsthaften beruflichen Anstrengungen ins Leere gelaufen sind.

Das Ende des Ratschlags „Lerne zu programmieren“

Mehr als ein Jahrzehnt lang prägte ein scheinbar sicherer Karrieretipp die Bildungspolitik und die privaten Berufsentscheidungen einer ganzen Generation: „Lerne zu programmieren.“ Dieser Ratschlag basierte auf der Prämisse, dass Codieren eine stabile, skalierbare Fähigkeit sei, die fast jedem einen Weg in die Mittelschicht ebnen könne. Diese Prämisse ist nun hinfällig. Die Arbeitsebene, die KI heute gut beherrscht - das Übersetzen einer Spezifikation in Routinen, das Reproduzieren von Standardmustern, das Debuggen vorhersehbarer Fehler - , ist genau jene, auf die diese Programme zugeschnitten waren.

Die relevante Fähigkeit von morgen ist nicht mehr das Schreiben des Codes, sondern die intelligente Supervision der KI, die ihn produziert. Es geht um die Fähigkeit, die Ergebnisse von KI-Systemen kritisch zu prüfen, ihre Grenzen zu verstehen und sie mit menschlicher Expertise zu kombinieren. Der Wettbewerb, den die meisten jungen Arbeitnehmer erleben werden, lautet nicht Mensch gegen Maschine, sondern Kollege gegen KI-gestützten Kollegen. Der realistische Weg, sich wertvoll zu machen, ist nicht die Flucht vor der KI, sondern die Entwicklung einer fließenden Beherrschung der Technologie, gepaart mit Urteilsvermögen, kontextuellem Denken und menschlichen Beziehungsfähigkeiten. Der Maschinenbauingenieur mit Fertigungswissen und KI-Kompetenz oder der Programmierer mit Finanzdienstleistungs-Know-how, der gleichzeitig ein KI-Ass ist - das sind die Profile, die künftig gefragt sein werden.

Was jetzt zu tun ist: Ein neuer Gesellschaftsvertrag für den Nachwuchs

Die Zeit zu handeln ist jetzt. Die Architektur der Ausbildung muss für das Zeitalter einer KI-gestützten Arbeitswelt neu justiert werden. Universitäten, Fachhochschulen und Berufsprogramme sind gefordert, KI-Kompetenz, Datenkompetenz, Prompt-basierte Arbeitsabläufe, Verifikationsfähigkeiten und bereichsspezifisches Urteilsvermögen als Querschnittsthemen in alle Studiengänge zu integrieren. Jeder Absolvent sollte wissen, wie man KI-Werkzeuge nutzt, ihre Ergebnisse prüft und sie mit menschlicher Fachexpertise verbindet. Das gilt selbst für Berufsfelder, die relativ sicher vor Automatisierung scheinen, wie das Gesundheitswesen. Fast jeder Job enthält heute Aufgaben - Entwerfen, Zusammenfassen, Planen, Recherchieren, routinemäßige Kommunikation - , für die KI bereits ein substantielles Produktivitätswerkzeug ist.

Doch das Wissen allein reicht nicht. Um Urteilsvermögen unter realen Bedingungen zu schulen, müssen Schulen bezahlte Praktika, Kooperationen mit Arbeitgebern und projektbasiertes Lernen in den Vordergrund stellen. Auch die Politik ist in der Pflicht. Regierungen sollten gezielte Steuergutschriften, Lohnzuschüsse und Ausbildungsbeihilfen für Unternehmen schaffen, die Berufseinsteiger in strukturierte, KI-gestützte Rollen einstellen. Die Blaupause für solche an Bedingungen geknüpften Anreize existiert in der Steuerpolitik vieler Länder bereits; was fehlt, ist eine Version, die spezifisch auf KI-gestützte Einstiegsarbeit zugeschnitten ist.

Und die Unternehmen selbst? Sie müssen aufhören, Einstellungsentscheidungen nur an kurzfristigen Kosteneinsparungen durch KI auszurichten. Junge Mitarbeiter sind nicht nur für die Aufgaben wertvoll, die sie in diesem Quartal erledigen. Ihr Wert liegt im Lernen, im Aufbau von Fähigkeiten, im institutionellen Gedächtnis und in der zukünftigen Produktivität. Die Einstellung von Berufseinsteigern ist keine bloße Ausgabe, sondern eine Investition in den künftigen Bestand an Urteilsvermögen im Unternehmen. Die effektivste, KI-gestützte Belegschaft der späten 2030er Jahre wird sich überwiegend aus den Junioren von heute rekrutieren. Unternehmen, die die Lernphase wegautomatisieren, mögen ihre aktuellen Margen verbessern, doch sie laufen Gefahr, in einem Jahrzehnt ohne jemanden dazustehen, der versteht, wie ihre eigenen KI-gesteuerten Arbeitsabläufe tatsächlich funktionieren.

Quellen:

• It’s time to address the looming crisis in entry-level work. (MIT Technology Review - AI)
• Machine Learning Doubles Depression Remission Rate (Neuroscience News)
• What Parameter Golf taught us about AI-assisted research (OpenAI Blog)
• How human error became a weapon against large language models (New Scientist)
• AI won’t replace you but someone using AI might (ScienceDaily - All)
• Three things in AI to watch, according to a Nobel-winning economist (MIT Technology Review - AI)

// weiterlesenWenn der Algorithmus das Laborpersonal wählt: Fluch oder Segen der KI in der Wissenschaft?AlgorithmenDie stille Krise: Wie KI jungen Talenten die erste Sprosse der Karriereleiter wegsägtAlgorithmenAnthropic blockierte Biowaffen, russische Hacker und chinesische Missbräuche - jetzt spricht es laut darüberNachrichten

Kinetyra