Im Büro fing man früher unten an. Kopierte Akten, sortierte Daten, schrieb erste Entwürfe, die der Chef dann rot anstrich. Man lernte nicht trotz dieser Arbeit, sondern durch sie. Die langweiligen Aufgaben waren der Lehrplan.
Heute erledigt die KI genau diese Aufgaben. Schneller, billiger, ohne Mittagspause. Das klingt nach Fortschritt. Aber es hat einen Preis, den gerade niemand auf der Rechnung hat: Die unterste Sprosse der Karriereleiter wurde nicht abgesägt. Sie wurde automatisiert, weil menschliche Zuarbeit ökonomisch nicht mehr konkurrenzfähig ist.
Betroffen sind nicht die Handwerker, nicht die Pflegerinnen, nicht die Leute auf dem Bau. Es trifft die Wissensarbeiter am Anfang: Volontäre, Praktikanten, Junior-Berater, frische Absolventinnen in Kanzleien und Agenturen. Alle, die bisher durch Zuarbeit ins Fach hineingewachsen sind. Genau diese Zuarbeit übernimmt jetzt die Maschine.
Inhaltsverzeichnis
Die unterste Sprosse fehlt
Zwei Harvard-Ökonomen haben sich angeschaut, was seit dem ChatGPT-Launch in amerikanischen Unternehmen passiert ist. Ihre Studie, die Daten von 62 Millionen Arbeitnehmern in 285.000 Firmen auswertet, zeigt ein klares Muster: In Unternehmen, die generative KI einsetzen, schrumpft die Zahl der Einstiegspositionen. Seniorpositionen bleiben stabil. Der Rückgang bei den Junioren wird nicht durch Kündigungen verursacht, sondern durch weniger Neueinstellungen. Die Stellen werden einfach nicht mehr ausgeschrieben.
In Großbritannien melden die vier großen Wirtschaftsprüfer Rückgänge bei der Absolventenrekrutierung zwischen 6 und 29 Prozent. PwC hat 200 Einstiegsstellen gestrichen und KI als Faktor genannt. In der IT sind die Zahlen noch drastischer: Tech-Einstiegsjobs fielen in Großbritannien 2024 um 46 Prozent.
Das ist keine Delle im Arbeitsmarkt. Das ist ein struktureller Umbau.
Die Betroffenen spüren es. Laut der Pronova-BKK-Studie »Arbeiten 2025« haben 48 Prozent der Gen Z Angst um ihren Arbeitsplatz, deutlich mehr als bei den über 40-Jährigen. Eine Sinus-Jugendstudie der Barmer zeigt, dass die Furcht vor KI-bedingten Jobverlusten unter Jugendlichen binnen eines Jahres von 17 auf 22 Prozent gestiegen ist. Die Generation, die mit dieser Technologie aufwächst, traut ihr am wenigsten.
Warum Routinearbeit kein Ballast war
Matt Beane, Technologieforscher an der UC Santa Barbara, hat über ein Jahrzehnt lang untersucht, wie Menschen komplexe Fähigkeiten erlernen, in Operationssälen, bei Investmentbanken, in Lagerhallen, bei der Bombenentschärfung. Sein Befund: Können entsteht durch drei Dinge, die er Challenge, Complexity und Connection nennt. Man braucht Aufgaben, die einen fordern, Einblick in komplexe Zusammenhänge und eine Verbindung zu erfahrenen Kollegen, von denen man lernt.
KI kappt alle drei Verbindungen gleichzeitig. Wenn die einfachen Aufgaben wegfallen, fällt auch der Zugang zu den komplexen weg. Wer keine Entwürfe mehr schreibt, bekommt kein Feedback vom Senior. Wer keine Daten mehr aufbereitet, versteht nicht, wie die Analyse funktioniert. Die Routinearbeit war nie Selbstzweck, sie war das Eintrittsbillett zum eigentlichen Lernen.
Beane hat das bei Chirurgen beobachtet: Seit OP-Roboter zum Einsatz kommen, sitzen junge Ärzte nur noch daneben und schauen zu, statt selbst Hand anzulegen. Die Ausbildungsqualität sinkt. Manche Assistenzärzte weichen auf YouTube-Videos aus, um Operationstechniken zu lernen. Heimlich, weil ihre Vorgesetzten das für unseriös halten.
Das Gehirn auf Sparflamme
Es wäre weniger schlimm, wenn die jungen Leute wenigstens durch die KI selbst lernen würden. Tun sie aber nicht, jedenfalls nicht so, wie man hoffen könnte.
Forscher am MIT Media Lab haben gemessen, was im Gehirn passiert, wenn man Essays mit Hilfe eines Sprachmodells schreibt. Die Ergebnisse: weniger kognitive Aktivität, schlechtere sprachliche Qualität über die Zeit, und ein geringeres Gefühl, der eigene Autor zu sein. Über vier Monate hinweg schnitten die KI-Nutzer in allen Messungen schlechter ab als die Kontrollgruppe. Wer wissen will, wann KI-Ergebnisse überhaupt verlässlich sind, sollte sich auch mit deren bekannten Schwächen beschäftigen.
Eine Studie über kognitive Abhängigkeit und KI fasst die Mechanik zusammen: KI-Tools verringern die Gelegenheit für aktives Erinnern und eigenständiges Problemlösen, genau die Prozesse, die für kognitive Entwicklung wesentlich sind. Wer die Anstrengung des Denkens auslagert, verliert nicht nur die Lösung, sondern den Weg dorthin.
In einer Studie mit chinesischen Studenten, die Aufsätze schreiben sollten, kopierten die ChatGPT-Nutzer bevorzugt das, was der Bot ihnen lieferte, obwohl der Bot ausdrücklich angewiesen war, nicht für sie zu schreiben. Die Forscher nannten das Ergebnis »metakognitive Faulheit«. Der Begriff klingt nach Vorwurf, beschreibt aber im Kern eine rationale Anpassung: Wenn das Werkzeug den besseren Output liefert, hört man auf, selbst zu formulieren. Das Gehirn schaltet nicht ab, es lagert aus. Nur hat das, was es auslagert, bisher den Marktwert eines Berufseinsteigers ausgemacht.
Die Frage wozu noch lernen, wenn KI alles kann, wird damit drängender als je zuvor.
Was Unternehmen sich damit einhandeln
Kurzfristig spart es Geld, Junioren durch KI zu ersetzen. Die Harvard Business School hat darauf hingewiesen, dass Einstiegspositionen nicht nur billige Arbeitskraft liefern, sie sind der Entwicklungsraum für künftige Führungskräfte. Wer diesen Raum abschafft, spart heute und zahlt in zehn Jahren.
Jedenfalls in der klassischen Rechnung. Die geht so: Ein Unternehmen stellt weniger Junioren ein, weil KI deren Aufgaben übernimmt. Die vorhandenen Seniors werden produktiver. Aber niemand wächst nach. In fünf Jahren fehlt die mittlere Führungsebene. In zehn Jahren fehlen die Experten.
Womöglich ist aber genau diese Rechnung bereits überholt. Wenn die KI-Entwicklung in dem Tempo weitergeht, das wir seit 2023 sehen, wird die Lücke nicht durch Menschen gefüllt werden müssen. Das »Nachwachsen von Experten« ist ein Konzept aus der vor-digitalen Arbeitswelt. Die Junioren-Falle wäre dann keine temporäre Krise, sondern das Ende des menschlichen Wissensarbeiter-Zyklus, wie wir ihn kennen.
| Zeitraum | Was passiert |
|---|---|
| Heute | KI übernimmt Einstiegsaufgaben, Unternehmen sparen |
| In 3–5 Jahren | Weniger qualifizierter Nachwuchs, Wissenslücken |
| In 10 Jahren | Entweder fehlende Experten oder KI auf Expertenniveau. Beides verändert alles. |
Jen Stave vom Digital Data Design Institute in Harvard hat es so formuliert: Es sei leicht, ein Tool zu kaufen und einzusetzen. Es sei schwer, eine Organisation tatsächlich umzubauen. Die meisten scheuen genau diesen Umbau. Und genau das wird ihnen auf die Füße fallen.
Was das für Berufseinsteiger bedeutet
Wenn die unterste Sprosse der Karriereleiter wegbricht, muss man sich eine andere suchen. Das klingt nach Binsenweisheit, ist aber der Kern der Sache.
Konkret heißt das: Wer heute ins Berufsleben einsteigt, sollte nicht darauf setzen, dass der Arbeitgeber schon für die Ausbildung sorgt. Die Lerninfrastruktur, die Generationen vor einem selbstverständlich vorfanden, anstrengende Aufgaben unter Anleitung erfahrener Kollegen, ist in vielen Branchen bereits beschädigt. Wer Können aufbauen will, muss sich aktiver darum kümmern als je zuvor. Welche Fähigkeiten dabei wirklich zählen, ist eine Frage, die sich lohnt.
Für Eltern und Ausbilder heißt es: KI-Kompetenz allein reicht nicht. Wer nur lernt, Prompts zu schreiben, aber nie gelernt hat, die Ergebnisse einzuordnen, steht auf dünnem Eis. An deutschen Schulen ist man von dieser Erkenntnis noch ein gutes Stück entfernt.
Matt Beane hat einen Begriff dafür geprägt, den er Shadow Learning nennt. Er beschreibt Leute, die sich Kompetenz auf Umwegen aneignen, weil die offiziellen Wege nicht mehr funktionieren. Sie schauen zu, fragen nach, suchen sich Mentoren außerhalb der vorgesehenen Strukturen. Es ist mühsam, manchmal riskant, aber es funktioniert. Auch Schüler haben längst ihre eigenen Wege gefunden, an den offiziellen Strukturen vorbei.
Es geht nicht mehr darum, das Handwerk von der Pike auf zu lernen, um es selbst auszuüben. Es geht darum, ein System so gut zu verstehen, dass man dessen Output validieren kann. Die Anstrengung verschiebt sich vom Tun zum Steuern. Solange das noch nötig ist.
Quellen und Daten
- Hosseini Maasoum, S. / Lichtinger, G. (2025): Generative AI as Seniority-Biased Technological Change. SSRN Working Paper, Harvard University.
- Siddharth, L. et al. (2025): Your Brain on ChatGPT. MIT Media Lab.
- Xue, L. et al. (2025): Cognitive Dependency and AI. PMC / National Library of Medicine.
- Fan, Y. et al. (2025): Beware of Metacognitive Laziness. British Journal of Educational Technology, 56(2), 489–530.
- Beane, M. (2024): The Skill Code: How to Save Human Ability in an Age of Intelligent Machines. HarperCollins.
- Stave, J. / D³ Institute, Harvard (2025): What Harvard Researchers Learned About Use of AI. CNBC, 16.12.2025.
- HRreview (2025): Big Four Slash Graduate Hiring as AI Takes Junior Tasks.
- Institute of Student Employers (2025): ISE Report: Tech Graduate Jobs Down 46%. Via TechRadar.
- Consultancy.uk (2025): PwC Slashes 200 Graduate Roles Amid UK Slowdown.
- Harvard Business School (2025): The Perils of Using AI to Replace Entry-Level Jobs.
- Pronova BKK (2025): Studie »Arbeiten 2025«. 48% der Gen Z mit Zukunftsangst im Job.
- Barmer / SINUS-Institut (2024): Sinus-Jugendstudie. Angst vor KI-Jobverlust von 17 auf 22 Prozent gestiegen.
