Künstliche Intelligenz sollte vor allem Routinearbeit übernehmen und Beschäftigte produktiver machen. Genau das scheint zunehmend zu geschehen. Doch ausgerechnet darin könnte ein neues Problem liegen. Aktuelle US-Arbeitsmarktdaten zeigen: Während erfahrene Beschäftigte in stark KI-exponierten Berufen vergleichsweise stabil bleiben oder zulegen, geraten junge Berufseinsteiger unter Druck. Noch belegen die Zahlen keinen durch KI verursachten Jobabbau. Sie weisen aber auf eine Entwicklung hin, die gerade für Unternehmen langfristig heikel werden könnte: Wenn Software jene Aufgaben übernimmt, an denen Menschen bislang Berufserfahrung sammelten, stellt sich irgendwann die Frage, woher die erfahrenen Fachkräfte der Zukunft kommen sollen.
Keine KI-Massenarbeitslosigkeit – aber eine auffällige Lücke
Die Zahlen stammen vom Digital Economy Lab der Stanford University. Die Forscher Erik Brynjolfsson, Bharat Chandar und Ruyu Chen untersuchen anhand von Lohndaten des US-Payroll-Dienstleisters ADP, wie sich Beschäftigung seit der breiten Verfügbarkeit generativer KI entwickelt hat.
Die im August 2026 aktualisierte Untersuchung umfasst Millionen Beschäftigte und Daten bis Juni dieses Jahres.
Das zunächst vielleicht wichtigste Ergebnis lautet: Einen breiten, gesamtwirtschaftlichen Arbeitsplatzverlust durch KI können die Forscher bislang nicht erkennen. Unterhalb dieser Gesamtentwicklung zeigt sich allerdings eine auffällige Verschiebung.
Bei jungen Beschäftigten im Alter von 22 bis 25 Jahren liegt die Beschäftigung in stark KI-exponierten Berufen inzwischen rund 19 Prozent unter dem Niveau, das sich ergeben hätte, wenn sie sich parallel zu gleichaltrigen Beschäftigten in weniger KI-exponierten Berufen entwickelt hätte. Bei erfahrenen Arbeitskräften findet sich keine vergleichbare Lücke.
Dabei handelt es sich ausdrücklich nicht um die Aussage, KI habe 19 Prozent der Jobs vernichtet.
In absoluten Entwicklungsraten sieht das Bild anders aus: Zwischen November 2022 und Juni 2026 sank die Beschäftigung der 22- bis 25-Jährigen in den beiden am stärksten KI-exponierten Berufsgruppen um etwa elf Prozent. In den drei weniger exponierten Gruppen stieg sie dagegen um rund zehn Prozent.
Bemerkenswert ist zudem, dass sich die Lücke vergrößert. Im Sommer 2025 hatte sie nach derselben Berechnung noch rund 15 Prozent betragen.
Es verschwinden offenbar eher Einstellungen als Stellen
Auch die Art der Anpassung ist aufschlussreich. Die Forscher finden bislang weniger Hinweise darauf, dass Unternehmen junge Beschäftigte massenhaft entlassen. Der Effekt entsteht vor allem dadurch, dass weniger junge Menschen eingestellt werden.
Das passt zur ökonomischen Logik generativer KI. Viele klassische Einstiegsaufgaben bestehen aus Tätigkeiten, die vergleichsweise klar beschrieben und kontrolliert werden können: Informationen zusammentragen, erste Entwürfe erstellen, Standardcode schreiben, Kundenanfragen vorsortieren, Tabellen aufbereiten oder Dokumente zusammenfassen.
Genau solche Aufgaben können heutige KI-Systeme besonders gut unterstützen oder teilweise vollständig übernehmen.
Für ein Unternehmen verändert sich dadurch die Rechnung. Wenn ein erfahrener Entwickler mithilfe eines KI-Assistenten Aufgaben erledigen kann, für die zuvor ein Junior benötigt wurde, sinkt kurzfristig der Anreiz, zusätzlich einen Anfänger einzustellen. Das macht die erfahrene Arbeitskraft produktiver.
Für den Berufseinsteiger verschwindet dagegen womöglich die Arbeit, an der er überhaupt erst erfahren werden sollte.
Der Unterschied zwischen Wissen und Erfahrung
Besonders interessant ist deshalb eine weitere Beobachtung der Stanford-Forscher. Sie unterscheiden zwischen kodifiziertem und implizitem Wissen.
- Kodifiziertes Wissen lässt sich in Regeln, Lehrbüchern, Dokumentationen oder standardisierten Verfahren festhalten. Genau darauf können KI-Systeme besonders gut zugreifen.
- Implizites Wissen entsteht dagegen durch Erfahrung: durch wiederholte Entscheidungen, schwierige Situationen, Rückmeldungen, Fehler und die Fähigkeit, Kontext einzuschätzen.
Und hier zeigen die Daten ein gegensätzliches Muster: Die Beschäftigung junger Menschen sinkt vor allem in Berufen, die stark auf kodifiziertem Wissen beruhen. Bei erfahrenen Beschäftigten in Tätigkeiten mit viel implizitem Erfahrungswissen entwickelt sie sich dagegen günstiger.
Daraus ergibt sich das eigentliche KI-Paradox am Arbeitsmarkt. Je mehr standardisierbares Wissen die Maschine übernimmt, desto wertvoller kann menschliche Erfahrung werden. Nur entsteht diese Erfahrung nicht von selbst.
KI verlangt plötzlich vom Junior Fähigkeiten eines Seniors
Eine zweite große Untersuchung weist in eine ähnliche Richtung.
Für seinen AI Jobs Barometer 2026 analysierte PwC nach eigenen Angaben mehr als eine Milliarde Stellenanzeigen in 27 Ländern und Territorien. Für eine gesonderte Auswertung wurden außerdem 2,4 Millionen amerikanische Einstiegsstellen untersucht. PwC ist dabei als Beratungsunternehmen keine unabhängige wissenschaftliche Institution; die Ergebnisse sind deshalb als kommerzielle Arbeitsmarktanalyse einzuordnen.
Der Befund ist dennoch bemerkenswert. In stark KI-exponierten Einstiegsberufen werden mittlerweile wesentlich häufiger Fähigkeiten verlangt, die traditionell eher mit erfahrenen Mitarbeitern verbunden werden: Urteilsvermögen, Kreativität, Führung und persönliche Interaktion.
PwC spricht von einer »Seniorisierung« des Berufseinstiegs. Entsprechende Einstiegsstellen sind demnach siebenmal häufiger mit solchen Anforderungen verbunden als weniger KI-exponierte Positionen. Damit verschiebt sich nicht zwingend die Zahl aller Jobs in eine Richtung. Es verändert sich vielmehr das Profil dessen, der überhaupt noch eingestellt wird. Der klassische Junior, der zunächst Routine übernimmt und dabei lernt, könnte seltener werden.
Gesucht wird stattdessen der Anfänger, der möglichst schon Eigenschaften mitbringt, die früher Ergebnis mehrjähriger Berufserfahrung waren.
Für Gründer ist das zunächst verführerisch
Gerade junge Unternehmen haben einen starken Anreiz, diese Entwicklung zu nutzen.
Ein Start-up muss mit begrenztem Kapital möglichst viel Output erzeugen. Wenn fünf sehr gute Mitarbeiter mit KI dieselbe Leistung erbringen können wie früher ein größeres Team, verbessert das zunächst Produktivität und Kostenstruktur.
Flachere Organisationen werden möglich. Kleine Teams können Produkte entwickeln, Analysen erstellen, Marketingmaterial produzieren oder Kunden betreuen, für die vor wenigen Jahren deutlich mehr Personal nötig gewesen wäre. Aus Sicht eines Gründers spricht zunächst wenig dagegen.
Problematisch wird es erst, wenn aus der kurzfristigen Effizienzentscheidung ein dauerhaftes Personalmodell wird.
Ein Senior-Entwickler war irgendwann Junior-Entwickler. Eine erfahrene Vertriebskraft hat irgendwann die ersten Kundengespräche geführt. Eine Führungskraft hat gelernt, Konflikte zu beurteilen, weil sie zuvor selbst Situationen falsch eingeschätzt hat.
Erfahrungswissen besitzt eine Besonderheit: Es lässt sich nicht vollständig einkaufen und auch nicht einfach aus einem Sprachmodell herunterladen. Es muss irgendwo entstehen.
Wer Juniorarbeit automatisiert, muss Lernen neu organisieren
Genau darin liegt die strategische Aufgabe für Unternehmen. Die Antwort kann kaum darin bestehen, Routinearbeit künstlich zu erhalten, nur damit Berufseinsteiger beschäftigt sind. Wenn eine Maschine eine Aufgabe schneller und günstiger erledigen kann, wäre das wirtschaftlich wenig sinnvoll.
Unternehmen müssen stattdessen Lernwege verändern. Einsteiger müssten früher an anspruchsvollere Tätigkeiten herangeführt werden, stärker begleitet werden und schneller lernen, KI-Ergebnisse zu prüfen, statt zunächst jahrelang jene Vorarbeiten selbst zu erledigen, die automatisiert werden können.
Damit wird Mentoring wichtiger – ausgerechnet in einer Zeit, in der Unternehmen durch KI eigentlich Personalzeit sparen wollen.
Auch PwC kommt aus seinen Daten zu einem ähnlichen strukturellen Problem: Die traditionelle Verbindung zwischen Berufsjahren und Expertise verändert sich, weil genau jene Routinearbeit verschwindet, die bislang einen Teil der betrieblichen Ausbildung darstellte.
Für Gründer bedeutet das: Ein AI-first-Unternehmen braucht möglicherweise weniger Junioren. Aber die wenigen, die eingestellt werden, müssen bewusster entwickelt werden.
Deutschland zeigt bislang noch ein anderes Bild
Die amerikanischen Daten lassen sich allerdings nicht einfach auf den deutschen Arbeitsmarkt übertragen. Eine aktuelle Unternehmensbefragung der Deutschen Bundesbank liefert bislang keine vergleichbar deutliche Verschiebung zulasten von Berufseinsteigern.
Mehr als 7.000 deutsche Unternehmen wurden Anfang 2026 zur Nutzung generativer KI und ihren Auswirkungen befragt. Der Anteil der Unternehmen, die generative KI bereits nutzen oder deren Einführung bis Ende 2026 planen, stieg demnach innerhalb eines Jahres von 44 auf 68 Prozent.
Die Beschäftigungswirkungen sind bislang dennoch gering. Rund 80 Prozent der Unternehmen mit zunehmender KI-Nutzung meldeten für die untersuchten Beschäftigtengruppen praktisch keine Veränderung. Leicht positiv entwickelte sich das Bild bei höher qualifizierten Mitarbeitern und Menschen mit mindestens fünf Jahren Berufserfahrung. Für Berufseinsteiger ergab sich hingegen noch kein klares Muster.
Die Bundesbank warnt deshalb zu Recht vor vorschnellen Schlussfolgerungen.
Auch die Stanford-Forscher selbst formulieren ihre Ergebnisse ausdrücklich als deskriptive Zusammenhänge und nicht als Beweis dafür, dass KI die beobachteten Beschäftigungsveränderungen verursacht hat. Bildung, Konjunktur, Zinsentwicklung und andere Veränderungen des Arbeitsmarktes können ebenfalls eine Rolle spielen. Werden Bildungsunterschiede berücksichtigt, wird ein Teil des gemessenen Abstandes kleiner.
Die größere Gefahr liegt möglicherweise Jahre entfernt
Trotzdem sollte gerade die langfristige Konsequenz nicht unterschätzt werden. Unternehmen können eine Zeit lang von einem Bestand erfahrener Arbeitnehmer leben. KI verstärkt deren Produktivität und erlaubt es, weniger Nachwuchs einzustellen. Das kann betriebswirtschaftlich vollkommen rational sein.
Wenn viele Unternehmen gleichzeitig so handeln, entsteht jedoch ein kollektives Problem. Der Arbeitsmarkt produziert dann weniger Menschen, die Gelegenheit bekommen, jene Erfahrung aufzubauen, wegen der sie später besonders wertvoll wären.
Das wäre eine ungewöhnliche Form von Fachkräftemangel: Nicht weil zu wenige Menschen eine Ausbildung oder ein Studium abgeschlossen haben, sondern weil ihnen die erste Phase praktischer Erfahrung fehlt.
Für Gründer liegt darin möglicherweise eine der wichtigsten Personalfragen der kommenden Jahre.
Nicht: Wie viele Stellen kann KI ersetzen? Sondern: Welche Arbeit muss ein Mensch heute noch selbst machen, damit er morgen das kann, was eine KI allein nicht kann?
Stefanie S. Klief
Jeden Monat neu - hier gratis lesen!
