Künstliche Intelligenz hat bisher keine saubere Geschichte der Massenarbeitslosigkeit hervorgebracht. Die Gesamtbeschäftigung in den entwickelten Ländern bleibt im Großen und Ganzen stabil, und jüngste Bewertungen haben nur begrenzte Hinweise darauf gefunden, dass KI die Schlagzeilenzahlen verschoben hat. Doch unter der Oberfläche könnte sich eine besorgniserregende Veränderung verbergen: die stille Schwächung der ersten Stufe der Karriereleiter.
Die besorgniserregendsten Beweise zeigen sich genau dort, wo wir sie zuerst erwarten sollten: bei der Einstellung von Mitarbeitern am Anfang ihrer Karriere. Ein im November 2025 vom Stanford Digital Economy Lab veröffentlichtes Arbeitspapier ergab, dass Arbeitnehmer im Alter von 22 bis 25 Jahren in den am stärksten KI-exponierten Berufen einen Anteil von 16 % hatten Rückgang der Beschäftigung nach der Verbreitung der generativen KI, auch nach Berücksichtigung anderer Faktoren, die die Beschäftigungsentscheidungen der Unternehmen beeinflussen könnten. Ein Anthropic-Bericht vom März 2026 liefert suggestive Beweise für eine ähnliche Schlussfolgerung.
Erfahrenere Arbeitnehmer in denselben Berufen mussten nicht denselben Rückgang hinnehmen. Auch in den Einstiegsberufen mit geringer KI-Exposition ist die Beschäftigung nicht rückläufig. Die Sorge betrifft speziell Berufseinsteiger, die KI ausgesetzt sind.
Das ist kein unbedeutendes Signal. Es deutet darauf hin, dass Unternehmen KI möglicherweise als Ersatz für die Nachwuchsaufgaben einsetzen, mit denen Menschen traditionell ihren ersten Fuß fassen – zumindest für diejenigen in Berufen, in denen generative KI häufig eingesetzt wird, etwa Softwareentwickler, Kundendienstmitarbeiter, Computerprogrammierer und Informationssystemmanager.
Jetzt ist es an der Zeit, die Art und Weise zu ändern, wie wir junge Menschen ausbilden, vorbereiten und unterstützen, die kurz vor dem Berufseinstieg stehen. Bildungseinrichtungen müssen sich für das Zeitalter einer KI-gestützten Belegschaft neu ausrichten. Regierungen müssen Anreize für Unternehmen schaffen, Berufseinsteiger einzustellen und auszubilden. Unternehmen wiederum müssen erkennen, wie wichtig es ist, eine Belegschaft mit langjähriger KI-Erfahrung aufzubauen – ein Prozess, der bei Berufseinsteigern beginnt. Und die Schüler selbst sollten die Verantwortung übernehmen, nicht nur KI-Kenntnisse zu erlangen, sondern auch zu lernen, wie sie dieses Wissen in verschiedenen Bereichen anwenden können.
Kurz gesagt, wir müssen die Art und Weise ändern, wie wir traditionell über Berufseinsteiger denken.
Dies gilt insbesondere, weil auch der breitere Arbeitsmarkt für Hochschulabsolventen schwächer wird. Die Federal Reserve Bank of New York berichtete, dass die Arbeitslosenquote für Hochschulabsolventen im vierten Quartal 2025 auf 5,6 % gestiegen ist, während die Unterbeschäftigungsquote (der Anteil der Absolventen, die in Berufen arbeiten, die normalerweise keinen Hochschulabschluss erfordern) 42,5 % erreichte. den höchsten Stand seit der Covid-Pandemie. Keine einzelne Statistik kann beweisen, dass KI die alleinige Ursache für diese Verschlechterung ist. Die Zahl der Neueinstellungen ist nach der Pandemie im Allgemeinen deutlich zurückgegangen, und junge Menschen sind von der Konjunkturabschwächung besonders betroffen. Es wäre jedoch ein Fehler, die Möglichkeit zu ignorieren, dass KI den ohnehin schon schwierigen Übergang von der Schule in den Beruf beschleunigt.
Hinter diesen Statistiken steckt eine große persönliche Belastung. Heutzutage reichen junge Absolventen häufig Hunderte von Bewerbungen ein, bevor sie ein einziges Angebot erhalten, und Umfragen stellen durchweg ein erhöhtes Maß an Angstzuständen, finanzieller Prekarität und Burnout unter jungen Arbeitnehmern bei längeren Jobsuchen fest. Wenn KI stillschweigend die Tür zu typischen frühen Jobs verschließt, werden die Menschen den Preis dafür zahlen: verzögerte Unabhängigkeit, aufgeschobene Familiengründung und das Gefühl, dass ihre ersten ernsthaften beruflichen Bemühungen abgelehnt wurden.
Es ist auch wichtig, weil Einstiegsjobs Teil des Bildungssystems der Wirtschaft sind. Nachwuchsanalysten lernen, welchen Zahlen man vertrauen kann. Junge Softwareentwickler lernen, wie Produktionssysteme scheitern. Neue Vermarkter lernen, wie sich Kunden außerhalb der übersichtlichen Sprache von Dashboards verhalten.
Nachwuchskräfte im Rechts- und Finanzwesen lernen, wie Regeln, Urteilsvermögen, Fristen und menschliche Beziehungen tatsächlich zusammenwirken. Wenn KI einen größeren Teil des Entwurfs, der Triage, der Codierung, der Zusammenfassung und der administrativen Vorbereitung übernimmt, die einst zur Ausbildung von Berufseinsteigern beitrugen, werden Unternehmen möglicherweise kurzfristig effizienter, während die Gesellschaft auf lange Sicht weniger leistungsfähig ist.
Der richtige Weg, die Fähigkeiten junger Arbeitnehmer zu verbessern, besteht nicht darin, ihnen zu sagen: „Lernen Sie Programmieren.“ Dieser Rat, der mehr als ein Jahrzehnt bundesstaatlicher Initiativen und Universitätserweiterungen prägte, basierte auf der Prämisse, dass Programmieren eine stabile, skalierbare Fähigkeit sei, die fast jeder erlernen und in einem Mittelschichtsjob anwenden könne. Die Prämisse gilt nicht mehr. Die Arbeitsschicht, die die KI gut bewältigt – eine Spezifikation in Routinecode übersetzen, Standardmuster reproduzieren, vorhersehbare Fehler debuggen – ist genau die Schicht, auf der „Learn to Code“-Programme aufgebaut sind.
Die Überwachung von KI-Systemen bei ihrer Arbeit ist jetzt eine viel relevantere Fähigkeit. Daher wird es sehr wichtig sein, die Ergebnisse zu verstehen, die KI-Systeme erzeugen.
Um Menschen bei der Entwicklung solcher Fähigkeiten zu unterstützen, sollten wir von Universitäten, Community Colleges und Berufsprogrammen verlangen, dass sie KI-Kenntnisse, Datenkompetenz, auf Eingabeaufforderungen basierende Arbeitsabläufe, Fähigkeiten zur Kompetenzüberprüfung und Domänenbeurteilung in normale Abschlüsse integrieren. Jeder Absolvent sollte wissen, wie man KI-Tools nutzt, ihre Ergebnisse überprüft, ihre Grenzen versteht und sie mit menschlichem Fachwissen kombiniert. Dies ist selbst für Absolventen von Bedeutung, die Berufe ergreifen, die vor KI relativ sicher zu sein scheinen, beispielsweise im Gesundheitswesen. Fast jeder Job beinhaltet Aufgaben – Entwurf, Zusammenfassung, Terminplanung, Recherche, grundlegende Datenarbeit, Routinekommunikation – für die KI bereits ein wesentliches Produktivitätswerkzeug ist.
Der Wettbewerb, dem die meisten jungen Arbeitnehmer ausgesetzt sein werden, ist nicht der Wettbewerb zwischen Mensch und Maschine, sondern zwischen Kollegen und KI-gestützten Kollegen. Für die meisten jungen Arbeitnehmer besteht der realistische Weg, sich wertvoll zu machen, nicht darin, KI zu meiden, sondern darin, die Technologie fließend zu beherrschen und dies mit fachbezogenem Urteilsvermögen, kontextbezogenem Denken und Fähigkeiten im Umgang mit Menschen zu kombinieren. Zu diesem Zweck sollten Schulen den Schwerpunkt auf bezahlte Genossenschaften, Lehrstellen und arbeitgeberbezogene Projekte legen, damit die Schüler vor ihrem Abschluss ein Urteilsvermögen an realen Arbeitsplätzen entwickeln.
Regierungen sollten außerdem gezielte Steuergutschriften, Lohnzuschüsse, und Ausbildungszuschüsse für Arbeitgeber schaffen, die Berufseinsteiger in strukturierten, KI-gestützten Rollen einstellen. Die Architektur für diese Art bedingter, verhaltensabhängiger Subventionen ist in der US-Steuerpolitik bereits vorhanden. Was fehlt, ist eine Version dieser Instrumente, die speziell auf KI-gestützte Arbeit am Anfang der Karriere ausgerichtet ist.
Unternehmen sollten ihrerseits aufhören, Einstellungsentscheidungen nur auf der Grundlage kurzfristiger Kosteneinsparungen durch KI zu treffen. Junge Arbeitnehmer sind nicht nur wegen der Aufgaben, die sie in diesem Quartal erledigen, wertvoll. Ihr Wert liegt im Lernen, in der Ausbildung von Fähigkeiten, im institutionellen Gedächtnis und in der zukünftigen Produktivität. Die Einstellung von Einsteigern ist nicht nur eine Ausgabe. Es handelt sich um eine Investition in den zukünftigen Urteilsvermögensbestand innerhalb des Unternehmens. Die effektivsten KI-gestützten leitenden Arbeitskräfte der späten 2030er Jahre werden überwiegend aus der jüngeren Kohorte von heute stammen. Unternehmen, die die Lernphase automatisieren, verbessern möglicherweise ihre unmittelbaren Gewinnspannen, stehen aber in einem Jahrzehnt ohne jemanden da, der versteht, wie sich ihre eigenen KI-gesteuerten Arbeitsabläufe tatsächlich verhalten.
Studenten, die in diesem und im nächsten Frühjahr ihren Abschluss machen, stehen vor einem schwierigen Arbeitsmarkt im Wandel. KI-Kenntnisse werden zur Ware. Fachwissen ohne KI-Kenntnisse wird überholt. Die Kombination ist das, was wirklich knapp ist. Der Maschinenbauingenieur mit Kenntnissen in der Fertigung und KI-Kenntnissen; Der Softwareprogrammierer mit Kenntnissen im Finanzdienstleistungsbereich, der auch ein Experte in Sachen KI ist – das sind die Leute, die gefragt sein werden.
Georgios Petropoulos ist Assistenzprofessor an der USC Marshall School of Business. Sein Forschungsschwerpunkt liegt auf den Auswirkungen von Informationstechnologien auf Innovation, Wettbewerbspolitik und Arbeitsmärkte.
Bir yanıt yazın