Das GenZ-Dilemma, Teil 3 - Die „Seniorisierung“ der Junioren

Wer hier fleißig mitliest hat es schon geahnt, und jetzt verhärtet sich die empirische Gewissheit: Der Arbeitsmarkt für Berufseinsteiger mutiert. Aktuellere Analysen aus Stanford, Harvard und die harten Arbeitsmarktdaten aus dem Frühjahr 2026 in den USA zeichnen ein klares Bild. Die Zahl der Einstiegsjobs ist stark gesunken (in den USA in einigen Bereichen um bis zu 35 %), während die Unterbeschäftigung bei frischen Absolventen ein beunruhigendes Hoch erreicht hat.

Doch die eigentliche Krise ist nicht rein quantitativ. Es geht nicht um Stellenabbau, denn die Rekrutierungsdaten für Senioren sind stabil bis steigend. Es geht um einen fundamentalen Strukturwandel in der Karriereleiter: Die „Seniorisierung“ der Junior-Rolle.

Die Analyse: Das Paradoxon des perfekten Einsteigers

Was passiert da gerade? Senior-Entwickler, erfahrene Anwälte und Strategieberater nutzen generative KI, um die Arbeit zu erledigen, für die sie früher ein bis zwei Junioren brauchten. Die erste Code-Iteration, das Zusammenfassen von Marktdaten, der erste Vertragsentwurf – die klassische „Grunt Work“ – wird heute von Modellen erledigt, die schneller, billiger und (auf diesem Niveau) relativ fehlerfrei sind. Um die Konkurrenz besser zu verdeutlichen: Eine KI macht Fehler, aber schneller als ein Junior. Und wenn man sie steuert, um diese Fehler zu korrigieren, ist sie auch schneller. Der Aufwand dieser "Trial-and-Error" Prozedur ist geringer mit KI-Agenten als mit Junioren, da siegt schnell der Optimierungsimperativ.

Der Junior von heute steht damit vor einem absoluten Catch-22: Die Routineaufgaben, an denen er früher durch endlose Wiederholungen Tacit Knowledge (Erfahrungswissen), Intuition und Urteilsvermögen aufbaute, werden de facto abgebaut.

Stattdessen brauchen Unternehmen nun das Einhorn: Den Junior-Mitarbeiter zum Junior-Gehalt, der aber ab Tag 1 mit der strategischen Weitsicht und dem kontextuellen Urteilsvermögen eines Mid-Level- oder Senior-Mitarbeiters agiert, um die Ergebnisse der KI zu orchestrieren und zu validieren. Aus dem "Ausführenden" soll sofort ein "Manager von KI-Agenten" werden.

Das führt uns direkt in das, was Experten mittlerweile den „Talent Doom Cycle“ nennen: Wenn wir die unterste Sprosse der Karriereleiter absägen, woher sollen in zehn Jahren eigentlich die erfahrenen Senioren kommen?

Ein Real-World-Beispiel: Der Code-Reviewer wider Willen

Stellen wir uns eine junge Softwareentwicklerin Mitte der 2010er Jahre vor. Sie begann damit, kleine Bugs zu fixen, Legacy-Code zu dokumentieren oder simple CRUD-Routinen zu schreiben. Durch hunderte Stunden des "Selbermachens" entwickelte sie ein Gefühl für saubere Architektur und potenzielle Fallstricke.

Unsere Junior-Entwicklerin im Jahr 2026 startet anders. Sie bekommt von der KI einen fertig generierten Lösung vorgesetzt. Ihre Aufgabe: „Finde die subtilen Sicherheitslücken in diesem 2000-Zeilen-KI-Konstrukt, das du nicht selbst geschrieben hast, und pass es an unsere undokumentierte Firmenarchitektur an.“

Das ist eine typische Senior-Aufgabe (System Design & Code Audit). Erwartet wird das heute jedoch von Berufsanfängern, die den schmerzhaften, aber lehrreichen Prozess der eigenen Code-Genese komplett übersprungen haben.

Die Lösung: KI als Architekt der neuen Lehrpläne

Wenn KI das Problem ist, weil sie die Erfahrungsschleifen im Job eliminiert, muss KI selbst die Lösung werden – und zwar bevor die jungen Menschen in den Job eintreten. Wir müssen Lehre und Curricula an Universitäten und in Ausbildungsbetrieben entsprechend umkehren.

Hier sind drei konkrete Szenarien, wie wir das Dilemma der "Seniorisierung" durch neue Lehrkonzepte und KI-Unterstützung auflösen können:

Szenario 1: Der Shift von „Genese“ zu „Evaluation“ (Flipped Output)

Solange wir Studierenden beibringen, wie man einen Aufsatz, einen Finanzplan oder ein Skript von Grund auf schreibt (und sie bestrafen, wenn sie KI dafür nutzen), bereiten wir sie auf eine Welt vor, die 2025 geendet hat.
Der neue Weg: Lehrpläne sollten standardmäßig mit einem von einer KI erzeugten Entwurf beginnen. Dieser Entwurf enthält – absichtlich von der Lehrkraft so konfiguriert – subtile Logikfehler, Bias oder Kontextlücken. Die Hauptaufgabe und Benotungsgrundlage der Studierenden ist fortan das kritische Audit. Sie müssen wie ein Senior-Manager argumentieren, warum die KI-Lösung in einem bestimmten Geschäftskontext fehlschlägt und wie die architektonische Verbesserung aussieht.

Szenario 2: KI als Sokratischer Sparringspartner, nicht als Orakel

Wir müssen aufhören, KI in der Bildung nur als "intelligentes Google" zu betrachten. Wir können dedizierte Agenten bauen, die den sokratischen Dialog beherrschen.
Der neue Weg: Anstatt dass ein BWL-Student einfach eine Marktanalyse durchrechnet, tritt er in einen Chat-Dialog mit einem KI-Mentor. Die KI gibt nicht die Antworten, sondern stellt gezielt provokante Fragen zu den Annahmen des Studenten: "Dein Preismodell basiert auf X, aber was passiert, wenn die Lieferketten in Taiwan zusammenbrechen? Passe deine Strategie an." So wird aus passiver Wissensaufnahme das Simulieren von echter, stressgetesteter Projekterfahrung in rasender Geschwindigkeit.

Szenario 3: Synthetische "Grunt Work" und Lehrjahre im Zeitraffer

Wenn die Unternehmen die bisher geschützte Werkstatt für Fehler abgebaut haben, muss die Universität oder der Ausbildungsbetrieb diese simulieren.
Der neue Weg: KI-gesteuerte "Business Simulatoren". Ein Medizinstudent oder angehender Consultant interagiert mit hunderten simulierten KI-Patienten oder KI-Klienten, die absichtlich unklare Anforderungen stellen, ihre Meinung ändern oder inkonsistente Daten liefern. Durch solche immersiven Rollenspiele lässt sich das Tacit Knowledge, für das man früher Jahre brauchte, durch komprimierte, intensive Erfahrungs-Iterationen deutlich schneller aufbauen.

Aus der Praxis: Ein Pilotprojekt in Tunesien

Dass diese drei Szenarien durchaus praxistauglich sind, testen wir aktuell in einem ersten Pilotprojekt an der German Business School in Tunesien. Dort versuchen wir, diese "Seniorisierung" aktiv in die Curricula zu integrieren. Anstatt den Einsatz von KI dogmatisch zu reglementieren, versetzen wir die Studierenden methodisch in die Rolle von Evaluatoren. Ihre neue Aufgabe: KI-generierte Konzepte orchestrieren und diese in realistischen Szenarien auf Fehler, Machbarkeit und Business-Value auditieren.

Wir stehen hier zwar noch am Anfang, aber die erste Zwischenevaluation stimmt uns sehr zuversichtlich. Man merkt, wie sich das Systemverständnis und das kritische Denken entwickelt – die Studierenden beginnen spürbar, das passive "Abarbeiten" abzulegen und stattdessen das strategische Hinterfragen zu trainieren. Natürlich gibt es an der Methodik und den Prüfungsformaten noch Optimierungsbedarf. Doch die bisherige Tendenz zeigt eine klare Richtung: Der methodische Aufbau von "Senior-Skills" bei Junioren ist machbar, wenn wir den didaktischen Rahmen dafür iterativ schaffen und anpassen.

Fazit: Wir müssen die Generationen von morgen formen

Wir können es uns gesellschaftlich und ökonomisch nicht leisten, die Gen Z (und bald Alpha) ungeschützt in einen Arbeitsmarkt entlassen, der ihre bisherige Rolle als überflüssig betrachtet, aber gleichzeitig Führungssouveränität einfordert.

Unternehmen, die heute nur auf Kostenoptimierung schauen und Junioren-Stellen radikal einkürzen, werden in fünf Jahren ein massives Problem in ihrer Führungsspitze haben. Diejenigen aber, die jetzt erkennen, dass man Ausbildungsgänge in "strukturierte KI-Ausbildungsprogramme" umwandeln muss – bei denen es um das Erlernen von Urteilsvermögen und nicht mehr um bloße Task-Ausführung geht –, werden die resilientesten und innovativsten Organisationen dieses Jahrzehnts aufbauen.

Die KI hat die Spielregeln der Karriereleiter verändert.
Wir müssen uns daran anpassen.

Live long and prosper 😉🖖

(Subliminal)Soundtrack 😉