TL;DR?
Hier geht es zum promptcast
Disclaimer: die diesem Beitrag zugrunde liegenden Daten betreffen die USA, wo die Märkte wesentlich schneller auf Veränderungen reagieren als in Europa. Aber man kann ruhig davon ausgehen, dass diese Tendenzen diffundieren werden. Und zwar relativ schnell, da viele Unternehmen derzeit aufgrund der labilen, weltweiten Märkte eine gewisse Nervosität spüren. KI und Automatisierung (sprich AgenticAI) sind mächtige Kostensenkungsinstrumente, auch wenn diese Entwicklung noch in den Kinderschuhen steckt. Genau das ist aber der klassische Treiber für die Business-IT, der sich nur schwer aufhalten lässt.
4 Hinweise, die zeigen, wie KI die Karriereleiter jetzt schon verändert
Die Debatte darüber, ob künstliche Intelligenz jungen Hochschulabsolventen die Arbeitsplätze wegnimmt, glich in den letzten Monaten einer Achterbahnfahrt. Die Antworten schwankten von „möglicherweise“ über „definitiv ja“ bis hin zu „fast sicher nein“. Bisher hatte ich mich mit Ersteren abgefunden, da ich als Naturwissenschaftler Theorien gerne mit praktischen Daten untermauere. Die vorherrschende Meinung schien zu sein, dass KI die Beschäftigung junger Menschen nicht beeinträchtigt. Doch eine neue Studie von Wirtschaftswissenschaftlern der Stanford University, die auf einzigartig detaillierten Gehaltsabrechnungsdaten basiert, liefert nun erste Daten und hat mich – und sollte uns alle – gezwungen, diese Einschätzung zu überdenken. Die Beweise sind jetzt stärker als je zuvor, und hier sind die überraschendsten Erkenntnisse.
1. Neuen Beweise sind da (und sie sind keine guten Nachrichten für GenZs)
Die zentrale Erkenntnis der Stanford-Studie ist unmissverständlich: Seit dem Aufkommen von ChatGPT ist die Beschäftigung junger Arbeitnehmer (im Alter von 22-25 Jahren) in Berufen mit hoher KI-Exposition, wie etwa bei Softwareentwicklern oder Kundendienstmitarbeitern, um 13 Prozent zurückgegangen. Im Gegensatz dazu blieb die Beschäftigung für ältere Arbeitnehmer in denselben Berufen stabil oder stieg sogar an, ebenso wie in weniger KI-exponierten Berufen wie bei Pflegekräften in der häuslichen Krankenpflege.
Was diese Erkenntnis so überzeugend macht, ist die Qualität der Daten. Frühere Analysen stützten sich oft auf Regierungsdaten mit kleinen Stichprobengrößen, was präzise Schlussfolgerungen für spezifische Gruppen erschwerte. Diese neue Studie hingegen verwendet Gehaltsabrechnungsdaten des Unternehmens ADP, die Millionen von Arbeitnehmern abdecken. Diese Detailtiefe ermöglicht eine weitaus präzisere Analyse und macht die Ergebnisse so aussagekräftig.


2. Es geht nicht um KI gegen Menschen, sondern um Automatisierung gegen Augmentierung
Die Studie macht eine entscheidende Unterscheidung, die erklärt, warum die Auswirkungen so spezifisch sind. Es geht darum, wie KI eingesetzt wird: zur Automatisierung oder zur Augmentierung (Erweiterung).
- Automatisierende Aufgaben sind Arbeiten, die KI vollständig ersetzen kann. Beispiele hierfür sind Softwareentwicklung, Wirtschaftsprüfung und Buchhaltung. In diesen Bereichen konzentriert sich der Beschäftigungsrückgang für junge Menschen.
- Augmentierende Aufgaben sind solche, bei denen die KI mit einem Menschen zusammenarbeitet und ihn unterstützt, beispielsweise in komplexeren Management- oder Strategierollen. Hier sinkt die Beschäftigung für junge Menschen nicht, sondern steigt sogar an.
Dies zeigt, dass die Auswirkungen der KI sehr differenziert sind. Sie ist kein pauschaler „Jobkiller“, sondern ein Werkzeug, dessen Einfluss stark von der Art der Aufgabe abhängt.
Für LeserInnen dieser Website sollte dies nicht besonders überraschend sein
Episode 10.6 - Generate or delegate?In der öffentlichen Debatte dominieren KI-Tools wie ChatGPT, Udio oder Midjourney, also überwiegend Tools, die zur Kategorie “Generative AI” (bzw GenAI) gehören und auf LLM (Large Language Model) basieren. Damit bezeichnet man KI-Modelle, die Inhalte erzeugen – Texte, Bilder, Code, Musik und mehr. Diese Systeme reagieren auf Eingaben, produzieren Ergebnisse undDocIsInDaHouse
3. Dein Hochschulabschluss ist verwundbarer als die Erfahrung deines Chefs
Diese Unterscheidung zwischen Automatisierung und Augmentierung hilft zu erklären, warum gerade die jüngsten Arbeitnehmer am stärksten betroffen sind. Der Grund ist einfach: Große Sprachmodelle (LLMs) werden mit kodifiziertem, schriftlichem Wissen trainiert – also mit Büchern, Artikeln und dem gesamten Internet. Dieses Wissen überschneidet sich stark mit dem, was Studierende an Universitäten lernen, und der Zugriff darauf lässt sich einfacher und schneller durch diese neue Technologie automatisieren.
Episode 10.2 - Fishing knowledge in a sea of words without drowning in it 🙂Die Zettabyte-Ära: Wie exponentielles Datenwachstum unsere Gesellschaft herausfordert In den letzten fünf Jahrzehnten hat sich das weltweite Datenvolumen in einem nie dagewesenen Tempo vervielfacht. Was noch in den 1970er Jahren mit Megabytes und Gigabytes begann, ist heute zu einer regelrechten Datenexplosion geworden: Das globale Datenaufkommen ist exponentiell gewachsen (man achteDocIsInDaHouse
Demgegenüber steht das „stillschweigende Wissen“ (Tacit Knowledge) erfahrenerer, älterer Mitarbeiter. Dies sind die ungeschriebenen „Tipps und Tricks des Handwerks“, die aus jahrelanger Praxis stammen und die LLMs nicht einfach replizieren können. Es ist nun mal ein Fakt, dass eine formale Bildung durch die aktuellen LLMs leichter zu ersetzen sein könnte als durch Erfahrung gewonnene Intuition und Expertise.
Für GenZ kommt erschwerend hinzu, dass die unbeaufsichtigte Nutzung der KI-Instrumente genau den Prozess hemmt, der ihnen ermöglicht, dieses "Tacit Knowledge" schneller zu erwerben.
Episode 10.7 - The GenZ dilemmaIn einer der letzten Präsentationen zum Thema „KI in der digitalen Gesellschaft“ hatte ich bereits über das, was ich „das GenZ-Dilemma“ nenne, referiert. Der Ansatz dazu war folgender: Die GenZ ist die erste Generation, die in der neuen Zettabyte-Ära aufwächst. Diese Generation hat eine sehr hohe „Digital Tool Adoption“, wasDocIsInDaHouse
4. Die eigentliche Umwälzung findet innerhalb der Unternehmen statt
Eine der Erkenntnisse der Studie ist, dass diese Jobverschiebungen sogar innerhalb ein und desselben Unternehmens stattfinden. Es ist nicht so, dass KI-fokussierte Firmen entlassen, während andere einstellen. Stattdessen nehmen innerhalb eines einzelnen Unternehmens die Arbeitsplätze in Abteilungen mit hoher KI-Exposition im Vergleich zu Arbeitsplätzen mit geringerer Exposition ab.
Konkret stellten die Stanford Forscher fest, dass innerhalb derselben Firma die am stärksten betroffenen Arbeitsplätze einen relativen Beschäftigungsrückgang von 13 % im Vergleich zu den am wenigsten betroffenen Arbeitsplätzen verzeichneten. Das ist der „rauchende Colt“, denn es schließt viele alternative Erklärungen aus. Dieser Befund legt nahe, dass der Trend nicht von unternehmensweiten Faktoren wie Zinssätzen oder allgemeinen Tech-Investitionskürzungen angetrieben wird, sondern von den spezifischen Auswirkungen der Technologie auf bestimmte Rollen.
Fazit: Wir müssen die Karriereleiter neu aufsetzen
Diese Studie bestätigt, was man schon erahnen konnte: KI verändert die Dynamik der Karriereentwicklung grundlegend. Besonders in klassischen Einstiegspositionen kann KI viele Tätigkeiten schneller und günstiger erledigen als Junior-Mitarbeiter. Dadurch verschiebt sich die Wertschöpfung innerhalb von Organisationen: Fachkräfte mit Erfahrung, strategischem Denken und sozialer Kompetenz gewinnen an Bedeutung, während der klassische Karriereaufstieg vom Junior über den Mid-Level zum Senior zunehmend an Relevanz verliert.
Für Berufseinsteiger bedeutet das, dass sie sich früh spezialisieren und Fähigkeiten entwickeln müssen, die sich nicht so leicht automatisieren lassen – etwa analytisches Denken, Kommunikation, Kreativität und ethisches Urteilsvermögen.
Diese Entwicklung stellt Bildungseinrichtungen und Unternehmen gleichermaßen vor eine zentrale Herausforderung: Wenn Einstiegsmöglichkeiten durch Automatisierung wegfallen, droht die Ausbildung künftiger Fach- und Führungskräfte zu erodieren. Hochschulen, Berufs- und Weiterbildungseinrichtungen müssen daher ihre Curricula anpassen und gezielt Kompetenzen vermitteln, die über reine Wissensreproduktion hinausgehen.
Lerninhalte sollten stärker auf den Umgang mit KI-Systemen, kritisches Denken, interdisziplinäres Problemlösen und menschenzentrierte Entscheidungsprozesse ausgerichtet werden. Gleichzeitig braucht es in Unternehmen neue Modelle, um Nachwuchskräften trotz Automatisierung praxisnahe Lern- und Entwicklungsmöglichkeiten zu bieten.
Denn ohne einen fundierten Erfahrungspfad vom Junior zum Senior verlieren wir langfristig unsere Innovations- und Führungsbasis.
Too Long, Don't Read? Kein Problem: hier das Prompcast 😉
Zur Stanford Studie
Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial IntelligenceThis paper examines changes in the labor market for occupations exposed to generative artificial intelligence using high-frequency administrative data from ADP, the largest payroll software provider in the United States.digitaleconomy.stanford.edu · Stanford Digital Economy Lab
mscuibzeug 🎧 (muss mal wieder sein) 😉
