Der Junior-Effekt der KI: Was passiert, wenn Einstiegsaufgaben verschwinden?

Ein Senior lässt sich von einer KI die Marktanalyse vorbereiten, zwanzig Quellen zusammenfassen und den ersten Entwurf für eine Präsentation erstellen. Was früher mehrere Stunden gedauert hätte, ist in einem Bruchteil der Zeit erledigt.

Aus Effizienzsicht ist das ein klarer Gewinn.

Aus Sicht der Personalentwicklung entsteht eine unangenehmere Frage: Wer hätte diese Aufgaben früher gemacht? Häufig ein Berufseinsteiger. Und woran hätte dieser Berufseinsteiger gelernt, welche Quelle belastbar ist, welche Zahl misstrauisch machen sollte, welche Aussage zu weit geht und wie aus Rohmaterial am Ende ein belastbares Arbeitsergebnis wird?

Genau hier liegt der Junior-Effekt der KI. Wenn Unternehmen einfache Arbeit automatisieren, automatisieren sie möglicherweise gleichzeitig einen Teil der Lernstrecke, auf der aus Einsteigern erfahrene Fachkräfte werden.

Die Schlagzeile „KI vernichtet Einstiegsjobs“ ist zu einfach

Die Sorge ist nicht aus der Luft gegriffen. Das World Economic Forum schreibt in seinem Bericht zur Zukunft von Entry-Level-Arbeit, dass weltweit mehr als jeder dritte junge Beschäftigte in Berufen arbeitet, die einer mittleren bis hohen Veränderung durch KI ausgesetzt sind. Der Bericht betrachtet deshalb nicht nur den Zugang zu Einstiegsjobs, sondern ausdrücklich auch Jobdesign und Talentpipelines.

Aber: Exposition gegenüber KI ist nicht dasselbe wie der Wegfall eines Jobs.

Das zeigt auch die deutsche Datenlage. In der Randstad-ifo-HR-Befragung erwarten 65 Prozent der befragten Unternehmen, dass die Zahl ihrer Einstiegsstellen in den kommenden drei Jahren gleich bleibt. 19 Prozent rechnen mit weniger, 16 Prozent mit mehr Einstiegsstellen.

Gleichzeitig verändert sich die Arbeit innerhalb dieser Stellen deutlich schneller. 14 Prozent der Unternehmen geben an, dass KI bereits heute klassische Aufgaben von Berufseinsteigern übernimmt. Für die kommenden drei Jahre erwarten das 40 Prozent.

Das ist ein wichtiger Unterschied. Die wahrscheinlichere Entwicklung ist zumindest derzeit nicht: Der Junior verschwindet.

Sondern: Ein Teil der Arbeit, die einen Junior bisher zum Junior gemacht hat, verschwindet oder verändert sich.

Routinearbeit war nie nur „billige Arbeit“

Viele typische Einstiegsaufgaben wirken rückblickend banal: Informationen zusammentragen, Daten prüfen, Protokolle erstellen, erste Texte schreiben, Präsentationen vorbereiten, einfache Analysen durchführen oder einen bestehenden Prozess nach klaren Regeln abarbeiten.

Natürlich war ein Teil davon schlicht Arbeit, die erledigt werden musste. Aber diese Aufgaben hatten oft noch eine zweite Funktion. Sie brachten Berufseinsteiger in Kontakt mit echten Fällen, echten Fehlern, echten Kundenanforderungen und den Qualitätsmaßstäben ihres Unternehmens.

Wer zehn Marktanalysen vorbereitet hat, hat nicht nur zehn Dokumente produziert. Er hat gesehen, welche Quellen Kollegen akzeptieren und welche nicht. Er hat erlebt, welche Annahmen ein Senior hinterfragt. Er hat gelernt, welche Zahlen plausibel aussehen, aber fachlich falsch eingeordnet sind. Er hat Feedback auf erste Entwürfe bekommen und irgendwann verstanden, warum eine scheinbar kleine Ungenauigkeit später ein großes Problem werden kann.

Diese Lernwirkung ist schwerer zu messen als eingesparte Arbeitszeit. Sie taucht in keiner Automatisierungsrechnung als eigene Zeile auf. Genau deshalb kann sie leicht verschwinden.

Das World Economic Forum behandelt in seinem aktuellen Framework Jobdesign und Talentpipeline nicht zufällig gemeinsam. Wenn sich die Aufgaben am unteren Ende einer Laufbahn verändern, verändert sich auch der Weg nach oben.

Das Prüfparadox: Wer kontrolliert die KI, wenn niemand mehr selbst geübt hat?

Die neue Arbeitsteilung klingt zunächst logisch: Die KI erstellt den ersten Entwurf, der Mensch prüft ihn.

Nur ist „prüfen“ keine einfache Tätigkeit.

Um eine falsche Zahl zu erkennen, muss man ungefähr wissen, welche Zahl plausibel wäre. Um eine schwache Argumentation zu erkennen, muss man selbst verstanden haben, was eine starke Argumentation ausmacht. Um eine Halluzination oder eine unzulässige Verallgemeinerung zu bemerken, braucht man Fachwissen, Kontext und Urteilsvermögen.

Microsoft kommt in seinem Work Trend Index 2026 in seinem eigenen Nutzerkontext zu einem ähnlichen Muster. 50 Prozent der befragten KI-Nutzer nennen die Qualitätskontrolle von KI-Ergebnissen als wichtiger werdende menschliche Fähigkeit, 46 Prozent kritisches Denken. 86 Prozent geben an, KI-Ergebnisse als Ausgangspunkt und nicht als fertige Antwort zu behandeln.

Diese Zahlen sind kein Beweis dafür, wie sich der gesamte Arbeitsmarkt entwickeln wird. Es handelt sich um Microsoft-Forschung unter KI-Nutzern. Sie zeigen aber sehr deutlich das neue Anforderungsprofil: Weniger selbst erzeugen heißt nicht weniger können müssen.

Im Gegenteil. Wer weniger Ausführung übernimmt, muss häufig früher bewerten, entscheiden und Verantwortung übernehmen.

Unternehmen automatisieren genau die Tätigkeiten, über die Anfänger bisher Erfahrung aufgebaut haben, und erwarten anschließend von denselben Anfängern, die automatisierten Ergebnisse fachkundig zu kontrollieren.

Das muss nicht scheitern. Aber es funktioniert nicht automatisch.

Die Gegenposition: KI kann die Lernkurve auch verkürzen

Es wäre genauso falsch, Routinearbeit grundsätzlich zu romantisieren.

Nicht jede Excel-Liste, die ein Berufseinsteiger früher manuell gepflegt hat, war eine wertvolle Lernerfahrung. Nicht jede Stunde Copy-and-paste hat Fachkompetenz aufgebaut. Und niemand wird ein besserer Analyst, nur weil er Informationen besonders langsam zusammengesucht hat.

KI kann gerade für Einsteiger erhebliche Vorteile haben. Sie kann Erklärungen liefern, Beispiele gegenüberstellen, unbekannte Begriffe einordnen, erste Lösungswege vorschlagen und innerhalb kurzer Zeit viele Varianten erzeugen, an denen man Unterschiede diskutieren kann. Ein Junior kann dadurch früher mit komplexeren Fragestellungen arbeiten, statt zunächst Wochen mit reiner Fleißarbeit zu verbringen.

Auch die vorhandenen Daten sprechen gegen eine reine Verlustgeschichte. Im Microsoft Work Trend Index sagen 66 Prozent der befragten KI-Nutzer, dass ihnen KI mehr Zeit für höherwertige Arbeit verschafft habe.

Die Stanford-Forschung zur Zusammenarbeit mit KI-Agenten zeigt ebenfalls kein Bild, in dem Beschäftigte Automatisierung grundsätzlich ablehnen. Bei 46,1 Prozent der untersuchten Aufgaben bewerten die Beschäftigten Automatisierung positiv. Der häufigste genannte Grund ist, Zeit für höherwertige Arbeit freizumachen.

Gleichzeitig wünschen sie keineswegs überall vollständige Automatisierung. In 47 von 104 untersuchten Berufen ist eine gleichberechtigte Zusammenarbeit zwischen Mensch und KI das am häufigsten gewünschte Niveau. Bei 47,5 Prozent der 844 untersuchten Aufgaben wollen Beschäftigte sogar mehr menschliche Beteiligung, als KI-Experten aus technischer Sicht für notwendig halten.

Das ist wahrscheinlich der sinnvollere Blick auf die Zukunft von Einstiegsarbeit: nicht Mensch gegen KI, sondern eine bewusst gestaltete Arbeitsteilung.

Das Problem beginnt nicht dort, wo ein Agent eine Routineaufgabe übernimmt. Es beginnt dort, wo niemand mehr darüber nachdenkt, welche Erfahrung mit dieser Aufgabe ebenfalls verschwunden ist.

Die Einstiegsrolle verschwindet nicht. Ihr Kompetenzprofil verschiebt sich.

OECD und ILO beschreiben für die AI-geprägte Arbeitswelt einen breiteren Skill-Shift. Technische und KI-bezogene Fähigkeiten werden wichtiger, aber ebenso höherwertige kognitive, soziale und organisatorische Kompetenzen.

Auch die Stanford-Auswertung weist in diese Richtung: In Aufgaben mit hoher notwendiger menschlicher Beteiligung gewinnen zwischenmenschliche, organisatorische, entscheidungsbezogene und qualitätssichernde Fähigkeiten an Bedeutung.

Für Berufseinsteiger verändert sich damit das Erwartungsprofil.

Der Junior der Zukunft muss deshalb möglicherweise früher anspruchsvollere Entscheidungen treffen. Genau deshalb darf seine Entwicklung nicht dem Zufall überlassen werden.

Fünf Regeln für neue Junior-Rollen

Die Konsequenz kann nicht sein, aus pädagogischen Gründen jede automatisierbare Aufgabe manuell zu erhalten. Unternehmen sollten stattdessen unterscheiden zwischen Arbeit, die nur Aufwand erzeugt, und Arbeit, die zugleich Kompetenz aufbaut.

Was das für HR, L&D und Führung verändert

Die Diskussion über KI wird häufig getrennt geführt: IT kümmert sich um Tools, HR um Rollen, L&D um Weiterbildung und die Fachabteilung um die eigentliche Arbeit. Bei AI-gestützter Einstiegsarbeit funktioniert diese Trennung immer schlechter.

Jobdesign wird zu Learning Design. Wer festlegt, welche Aufgaben ein Agent übernimmt, entscheidet indirekt mit darüber, woran ein Mensch noch lernt.

Onboarding wird zu einer Frage der Arbeitsteilung. Neue Mitarbeiter müssen nicht nur Prozesse und Ansprechpartner kennenlernen. Sie müssen verstehen, welche Arbeit sie selbst ausführen, wo KI unterstützt, was kontrolliert werden muss und wann Verantwortung nicht delegiert werden darf.

Führung wird stärker zur Qualitäts- und Lernfunktion. Wenn weniger Zeit in die Erstellung erster Entwürfe fließt, muss mehr Aufmerksamkeit in Review, Rückfragen, Entscheidungslogik und Feedback gehen.

Skillentwicklung braucht sichtbare Progression. Ein Senior unterscheidet sich nicht dadurch vom Junior, dass er dieselbe Software schneller bedient. Der Unterschied liegt in Kontext, Urteil, Verantwortung und der Fähigkeit, mit Unsicherheit umzugehen. Genau diese Entwicklung muss auch in einer AI-gestützten Arbeitswelt weiterhin stattfinden.

KI kann die Karriereleiter verkürzen. Unternehmen müssen neue Sprossen bauen.

Die Datenlage rechtfertigt derzeit keine einfache Geschichte vom Ende der Einstiegsjobs. In Deutschland erwartet die Mehrheit der befragten Unternehmen stabile Einstiegsstellen. Gleichzeitig wird KI sehr viel häufiger genau jene Aufgaben übernehmen, die traditionell am Anfang einer beruflichen Laufbahn stehen.

Das ist weder automatisch gut noch automatisch schlecht.

KI kann jungen Mitarbeitern stumpfe Wiederholung ersparen, ihnen schneller Zugang zu komplexer Arbeit geben und ihre Lernkurve beschleunigen. Sie kann aber auch dafür sorgen, dass Menschen Ergebnisse prüfen sollen, ohne genügend eigene Erfahrung mit der zugrunde liegenden Arbeit aufgebaut zu haben.

Welche dieser beiden Entwicklungen eintritt, hängt nicht allein von der Technologie ab. Es hängt davon ab, wie Unternehmen Arbeit und Lernen gemeinsam neu gestalten.

Wer nur fragt, welche Junior-Aufgaben sich automatisieren lassen, optimiert kurzfristig. Wer zusätzlich fragt, welche Erfahrung zukünftige Fachkräfte trotzdem aufbauen müssen, gestaltet eine belastbare Talentpipeline.

Die erste Sprosse der Karriereleiter muss deshalb nicht erhalten bleiben, wie sie war. Aber wenn wir sie entfernen, müssen wir wissen, wodurch wir sie ersetzen.