Nach dem schnellen Eindringen generativer KI in den Arbeitsplatz spüren möglicherweise nicht die erfahrenen Fachkräfte, die ihren Platz bereits gefestigt haben, als Erstes die Kälte, sondern vielmehr die Neueinsteiger, die gerade erst dabei sind, in den Beruf einzutreten. Von der bisherigen Karrierebahn „erst Einstiegsaufgaben machen, dann langsam aufsteigen“ bis hin zu dem Trend, dass Unternehmen heute eher direkt nach Leuten mit Erfahrung suchen, die sofort einsatzbereit sind: KI schreibt nicht nur die Inhalte der Arbeit um, sondern auch den „Trainingsplatz“, auf den junge Menschen bislang angewiesen waren, um zu wachsen.
In „Geschäftsgespräche ohne Geschwätz“ diskutieren die Moderatorin Linga und Bradley, der einen Abschluss in Medizin von der NTU, Public Health von Harvard und den Hintergrund von McKinsey hat sowie in der Vergangenheit als leitender Manager bei Lotte Pharmaceuticals und Appier tätig war, genau dieses Phänomen. Die beiden versuchen, eine Frage zu beantworten, die immer unüberhörbarer wird: Ersetzt KI nicht zuerst die erfahrenen Mitarbeiter, sondern nimmt den Neueinsteigern vielleicht sogar schon die Chance, überhaupt ins Einsatzgeschehen zu kommen?
Nachdem die Sendung passende Studien von Harvard und Stanford gefunden hatte, stellte sich heraus: Seit der Einführung von ChatGPT sind die Einstiegsstellen tatsächlich deutlich zurückgegangen, insbesondere in Berufsfeldern mit einem höheren Maß an KI-Exposition. Tätigkeiten wie Verwaltung, Sekretariat, Einstiegs-Vertrieb und Marketing sind davon besonders direkt betroffen.
KI+ erfahrene Kollegen reichen doch – wozu Nachwuchs ausbilden?
Die Sendung zitiert eine Studie mit Bezug zu Harvard und Stanford und stellt fest: Seit der Einführung von ChatGPT sind die Einstiegsstellen tatsächlich deutlich zurückgegangen, insbesondere in Berufsfeldern mit einem höheren Maß an KI-Exposition. Tätigkeiten wie Verwaltung, Sekretariat, Einstiegs-Vertrieb und Marketing sind davon besonders direkt betroffen. Das bedeutet: Unternehmen stoppen nicht einfach komplett das Einstellen, sondern beginnen, neu abzuwägen. Wenn ein Mitarbeiter mit etwas Erfahrung in Kombination mit KI-Tools bereits Ergebnisse liefern kann, die früher zwei oder drei Personen gebraucht haben, ist es dann noch nötig, mit demselben Budget mehrere Neueinsteiger auszubilden?
Bradley sagt ganz offen, dass diese Veränderung in den Unternehmensalltag inzwischen ziemlich deutlich sichtbar ist. Früher war es für Unternehmen selbstverständlich, neuen Mitarbeitern sechs Monate oder ein Jahr Zeit für Training, Rotation und das Kennenlernen der Branche zu geben, aber nun schrumpft diese Geduld rasend schnell zusammen. Für Vorgesetzte wird die Rechnung sehr direkt: Will man zwei oder drei Einstiegsmitarbeiter einstellen und dafür einen erfahrenen Kollegen einplanen, der anleitet und Trainingsressourcen bindet; oder stellt man besser gleich eine erfahrene Person ein und kombiniert sie mit den besten KI-Tools, um sofort an den Start zu gehen? In den meisten Firmen, in denen Effizienz und sofortige Einsatzfähigkeit im Vordergrund stehen, ist die Antwort nahezu selbsterklärend.
Daher ist das Verschwinden von Einstiegspositionen nicht nur „dass ein paar Jobchancen fehlen“ so simpel, sondern dass sich die gesamte Lernstruktur zu lockern beginnt.
Denn viele Aufgaben, die Neueinsteiger früher zum Üben genutzt haben, sind genau die Art von Tätigkeiten, die KI am besten erledigt: Informationen finden, Zusammenfassungen erstellen, übersetzen, grundlegende Programme schreiben und erste Analysen durchführen. Diese Arbeiten waren in der Vergangenheit zwar wiederholend und kleinteilig, aber sie waren der Ausgangspunkt, an dem Neueinsteiger ein Gefühl aufbauen, Qualitätsstandards verstehen und beobachten konnten, wie erfahrene Kollegen beurteilen, ob etwas richtig oder falsch ist. Heute können diese Aufgaben in wenigen Minuten von KI erledigt werden. Damit fehlt Neueinsteigern nicht nur der Trainingsplatz, sondern sogar die Chance, daneben zu sitzen und zu sehen, wie der Vorgesetzte Dinge korrigiert, darüber nachdenkt und beurteilt.
KI-Generation: Weiß man wirklich, wie „gute“ Dinge aussehen?
Linga erwähnt außerdem, dass sich diese Veränderung bereits im Unterschied in den Fähigkeiten zwischen Studierenden und „early professionals“ widerspiegelt. Früher, als es keine KI-Tools gab, starteten Menschen beim Erstellen von Berichten bei Null: selbst Informationen suchen, Quellen verifizieren, Hypothesen aufstellen und von einer leeren Seite bis zu dem Stand vorarbeiten, an dem man einen Vortrag halten kann. Diese Leute waren zwar langsamer, wussten aber normalerweise besser, wie man von 0 auf 100 kommt.
Im Gegensatz dazu lebt die nächste Kohorte von Studierenden seit der Zeit an der Universität bereits in einer Welt mit ChatGPT, Grok und Gemini. Sie sind es gewohnt, dieselbe Frage mehreren KI-Systemen zu geben und die Ergebnisse dann schnell zu Präsentationen oder Tabellen zusammenzupuzzeln. Das wirkt effizienter, macht es aber auch viel leichter, ohne eine eigene Bewertung einfach die Antworten der KI mit 60 oder 80 Punkten zu übernehmen und abzugeben.
(Wenn KI 80 Punkte kann, werden Menschen, die 100 Punkte nicht erreichen, zwangsläufig aussortiert! McKinsey- und Harvard-Alumni raten Neueinsteigern, so vorzugehen)
Damit geraten Vorgesetzte in ein neues Dilemma. Bradley führt als Beispiel an: Im Consulting-Bereich bat man früher einen Junior, eine E-Mail zu schreiben, um beim Kunden Informationen anzufragen. Das sah zwar nach reiner Textarbeit aus, war in Wirklichkeit jedoch ein wichtiger Trainingsprozess: dem Gesprächspartner beizubringen, die Situation des Kunden zu verstehen, den Kommunikationsrhythmus zu erfassen und die Wortwahl im richtigen Maß für die Einschätzung zu treffen. Doch jetzt wird aus solchen Fällen häufig: Der Vorgesetzte sieht sofort, dass der Brief entweder nicht reif genug formuliert ist oder dass er sehr offensichtlich von KI generiert wurde und noch ein Stück von der Nutzbarkeit entfernt ist.
Ratschlag für junge Menschen: Verstehe proaktiv die Standards, die im Kopf des Vorgesetzten existieren
Allerdings bleiben die beiden nicht bei der reinen Angst stehen, sondern diskutieren weiter: Wenn die erste Stufe gerade verschwindet, wie können junge Menschen dann ihren eigenen neuen Trainingsplatz schaffen?
Linga ist der Meinung, die erste Sache sei, aktiv die Standards im Kopf der Vorgesetzten zu verstehen. Denn viele Profis in der Arbeitswelt sind nicht nur deshalb besser, weil sie mehr Einsatz zeigen, sondern weil sie in ihrem Kopf eine ganze Checkliste an Bewertungen haben: Muss die Quelle der Daten gegengeprüft werden? Muss man den Hintergrund des Forschers nachschlagen? Muss man in den Schlussfolgerungen Einschränkungen kenntlich machen? Wie ordnet man die Logik einer Präsentation? Früher könnten diese Standards in ständigem Feintuning und mündlicher Anleitung verborgen gewesen sein.
Doch im KI-Zeitalter sind viele davon bereits in prompts und constraints umgewandelt worden. Für junge Arbeitnehmer ist nicht die eigentliche Frage, ob sie das Tool bedienen können, sondern ob sie es schaffen, zuerst klarzumachen: „Was genau gilt als gut?“
Strukturiertes Denken und Urteilskraft – das ist der Teil, den KI nicht ersetzen kann
Die zweite Sache ist: In einer Zeit der Informationsflut erneut die eigenen Fähigkeiten im Lesen und Zusammenführen zu trainieren. KI kann dir gleichzeitig 25 Berichte durchforsten und dir schnell eine Zusammenfassung geben, aber das lässt einen auch leicht glauben, man habe die Frage bereits verstanden. Linga findet: Je stärker man in dieser Zeit ist, desto mehr muss man sich dazu zwingen, wirklich hochwertige Inhalte herauszupicken, sich Zeit zu nehmen und tief einzutauchen. Man sollte sehen, wie der Autor die Problemstellung definiert, wie er die Branche zerlegt, wie er die Methode entwirft und wie er Hypothesen überprüft – und wie man am Ende anhand von Erfahrung zu einem Urteil kommt.
Diese Pfade des strukturierten Denkens und Beurteilens sind genau der Teil, den KI nicht direkt in dich hinein internalisieren kann.
Bradley erinnert außerdem daran: Wenn junge Arbeitnehmer sich weiter in Richtung höherer Positionen entwickeln wollen, ist der erste Schritt immer „Eintrittskarte mit Ergebnissen kaufen“. Es geht nicht nur darum, Aufgaben fertigzustellen, sondern so zu liefern, dass der Vorgesetzte sich darauf verlassen kann und bereit ist, dir auch komplexere Dinge anzuvertrauen. Darüber hinaus muss man auch lernen, aktiv „nachzulegen“, also Lücken proaktiv zu schließen. Denn viele Aufgaben, die auf der Karriereleiter höher liegen und näher am Entscheidungszentrum sind, haben keine Chance – nicht weil es keine Möglichkeiten gäbe, sondern weil niemand sie übernimmt.
Zum Beispiel kann es bei einer Aufgabe, die oberflächlich nur darin besteht, die Conversion Rate zu analysieren, tatsächlich nicht an der Zahl selbst liegen. Der eigentliche Schlüssel ist oft: Welche Entscheidung soll diese Analyse eigentlich stützen? Wenn der Vorgesetzte wissen will, welche Kundensegmente man als Nächstes für das Marketingbudget verstärkt adressieren soll, dann sollte man nicht nur die Conversion Rate liefern, sondern einen Schritt weitergehen und die Customer Acquisition Costs, den Lifetime Value, den ROI ergänzen – ja sogar weitergehende Entscheidungssprache vorschlagen, etwa: „Wenn das Budget um 20% erhöht wird, wie stark könnte der Umsatz dann steigen?“ Diese Fähigkeit, eine Analyse in Empfehlungen zu verwandeln, ist im KI-Zeitalter eines der wertvollsten Dinge.
Welche Menschen Unternehmen in Zukunft brauchen: Vorankommen in der Unklarheit, wissen, wie „gut“ zählt
Als es darum geht, welche Art Menschen Unternehmen tatsächlich suchen, gibt Bradley eine ziemlich klare Antwort. Erstens: Menschen, die in Unklarheit vorankommen können. Denn im KI-Zeitalter ändert sich alles zu schnell; in drei Monaten kann sich der Inhalt deiner Arbeit komplett verändert haben. Wenn jemand warten muss, bis alle Dinge eindeutig definiert sind, bevor er handelt, dann bedeutet das nicht nur, dass er selbst leiden wird – sondern auch, dass seine Arbeit höchstwahrscheinlich früher oder später von KI ersetzt wird.
Zweitens: Kann die Person die Ausgaben von KI beurteilen? Weiß sie, welche Ergebnisse als gut gelten? „KI nutzen können“ ist jetzt bereits die grundlegende Eintrittsbedingung. Der eigentliche Unterschied liegt darin: Nachdem du eine KI-generierte Marktanalyse gelesen hast – hast du dann eine eigene Sichtweise? Weißt du, welche Stellen überprüft werden müssen? Welche Stellen darf man nicht einfach blind übernehmen? Denn Daten sind heute nicht mehr knapp. Was wirklich knapp ist, sind Meinungen.
Für Neueinsteiger wird Jobsuche schwieriger, Einstiegspositionen beginnen sich zu lockern
Drittens: Kann die Person sich selbst weiterentwickeln? Angesichts eines Umfelds, das sich schnell verändert, würden Unternehmen eher jemanden wollen, der jetzt vielleicht noch nicht so viele Fähigkeiten hat, aber sehr schnell lernt, statt jemanden, der zwar viele Fähigkeiten mitbringt, aber an Ort und Stelle stehen bleibt.
Darum sind sich beide auch einig: Die heutigen Einstiegspositionen verschwinden nicht so sehr, wie dass sie gerade neu definiert werden. Unternehmen brauchen nicht komplett keine jungen Leute mehr, sondern wollen nicht mehr nur Menschen, die sich auf wiederholbare Aufgaben beschränken. Die neue Startlinie lautet: Verstehst du KI? Hast du eine eigene Meinung? Kannst du schnell und proaktiv lernen? Kannst du Tools zu deinem eigenen Hebel machen? Für viele Unternehmen sind junge Menschen nicht nur die, die angeleitet werden, sondern beginnen auch, KI-Intuition, Tool-Gewohnheiten und den Rhythmus der neuen Welt in die Organisation hineinzutragen.
Zum Schluss gibt die Sendung auch einen ziemlich konkreten Rat: Wenn du gerade auf Jobsuche bist, ist der effektivste Weg zur Vorbereitung vielleicht nicht, noch einen KI-Studiengang zu absolvieren, sondern dir selbst ein KI-side-project für die Branche zu bauen, in die du einsteigen möchtest. Nehmen wir an, du willst in die Marketingabteilung von Google. Dann solltest du versuchen, mit KI-Tools einen kompletten Marketing-Arbeitsablauf einmal durchzuspielen: vom Identifizieren von Problemen über das Entwerfen von Lösungen bis hin zum tatsächlichen Demoen von Ergebnissen. So kannst du im Bewerbungsgespräch nicht nur darüber reden, „dass du an KI interessiert bist“, sondern direkt ein end-to-end-Projekt präsentieren und gegenüber den Interviewern beweisen, dass du echte Probleme mit Tools lösen kannst.
Für Neueinsteiger, die mit Existenz- und Abschluss-Jobangst konfrontiert sind, ist die härteste Realität vielleicht: Diese Karriere-Treppe, die bisher selbstverständlich wirkte, wird tatsächlich gerade teilweise von KI abgebaut.
Aber wie Bradley sagt: Vielleicht war Karriere nie nur Treppensteigen, sondern eher Schwimmen. Früher waren die Wege vorgegeben, heute muss man selbst Richtung finden und selbst nach vorn schwimmen. Wenn die erste Stufe nicht mehr fest ist, dann ist vielleicht nicht mehr so entscheidend, ob diese Treppe noch da ist – sondern ob du die Fähigkeit hast, proaktiv die nächste Bewegung zu finden, die dich wieder nach oben bringt.
Dieser Artikel „Abschluss-Jobangst? Forschung zeigt, dass KI direkt Einstiegsstellen beeinflusst – McKinsey-Berater raten Neueinsteigern, so vorzugehen“ erschien erstmals in „Ketten-News ABMedia“.
