Die besten verfügbaren Daten sagen: KI erschwert den Berufseinstieg in den Berufen, die sie am stärksten betrifft, und der Schaden zeigt sich in weniger offenen Stellen statt in Entlassungen. Eine Stanford-Studie, die Millionen von Gehaltsabrechnungsdaten auswertet, kommt zu dem Ergebnis, dass die Beschäftigung der 22- bis 25-Jährigen in den am stärksten KI-exponierten Berufen um 19 % niedriger liegt, als wenn sie mit ihren weniger exponierten Altersgenossen Schritt gehalten hätte (Stanford Digital Economy Lab). Bei Beschäftigten ab 26 Jahren in diesen Berufen zeigt sich keine vergleichbare Lücke.
Das ist nicht dasselbe wie „KI nimmt uns alle Jobs weg". Die Autoren bezeichnen ihre Zahlen als frühe, deskriptive Befunde, andere Forscher sehen keine gesamtwirtschaftlichen Verwerfungen, und manche Trends haben schon vor ChatGPT begonnen. Das Unbehagen scheinen die Amerikaner trotzdem zu spüren: In einer Umfrage von AP-NORC meinten 64 %, KI entwickle sich zu schnell (AP).
Dieser Beitrag zeigt, was die belastbare Forschung sagt, wo sie sich widerspricht, welche Berufe am stärksten betroffen sind und was Berufseinsteiger oder Führungskräfte mit Einstellungsverantwortung tun können. Jede Zahl unten stammt aus einer Quelle, die wir in diesem Jahr geöffnet haben, und wir nennen die Quelle jedes Mal.
Diese vier Zahlen stammen aus drei verschiedenen Studien mit unterschiedlichen Methoden, addieren Sie sie also nicht. Lesen Sie sie als ein Muster aus verschiedenen Blickwinkeln: weniger Junior-Stellen in den Berufen, in denen KI beim ersten Entwurf am stärksten ist.
Was die Stanford-Studie herausgefunden hat
Die Studie heißt „Canaries in the Coal Mine?"; ihre Autoren, ein Team des Digital Economy Lab in Stanford, haben sie erstmals 2025 veröffentlicht. Die jüngste Überarbeitung nutzt ADP-Gehaltsdaten bis 2026 und stellt fest, dass sich die Lücke seit der ersten Veröffentlichung stetig vergrößert hat (Stanford). Die Autoren selbst sprechen von „frühen, deskriptiven Indikatoren" und nicht von kausalen Schätzungen.
Die Aufteilung ist drastisch. Von Ende 2022 bis 2026 sank die Beschäftigung der 22- bis 25-Jährigen in den beiden am stärksten KI-exponierten Berufsquintilen um 11 %, während sie in den drei am wenigsten exponierten Quintilen um 10 % wuchs (Stanford-Update). Für Beschäftigte ab 26 findet die Studie keine vergleichbare Lücke und sagt, der Effekt laufe hauptsächlich über weniger Einstellungen junger Beschäftigter und nicht über mehr Abgänge.
Die Balken zeigen, warum die Lücke größer ist als jede der beiden Zahlen für sich. Die eine Gruppe verlor, die andere gewann, daher ist der Abstand größer als der Rückgang um 11 %.
Die Autoren bieten einen Erklärungsmechanismus an. Junge Beschäftigte bringen kodifiziertes Wissen mit, also das, was im Hörsaal gelehrt und in Dokumentationen festgehalten wird, und genau das kann KI gut nachbilden. Erfahrene Beschäftigte stützen sich auf implizites Wissen, das sie über Jahre aufgebaut haben. Die Studie findet Rückgänge dort konzentriert, wo KI Arbeit ersetzt, und stabile oder steigende Beschäftigung dort, wo KI sie ergänzt (Stanford). Ein Test schloss eine naheliegende Alternativerklärung aus: KI-exponierte Berufe reagieren im Schnitt weniger empfindlich auf Zinsen als andere, und die Forscher sagen, sie fänden „keine starke Stütze" für die These, dass Zinsänderungen den Rückgang bei Berufseinsteigern erklären (Stanford zu Zinsen).
Weitere Daten, die in dieselbe Richtung weisen
Die Ökonomen von Anthropic kamen auf anderem Weg zu einem ähnlichen Ergebnis. Ihr Paper von 2026 entwickelt ein Maß der „beobachteten Exposition", das verbindet, was Sprachmodelle können und wie Menschen Claude tatsächlich bei der Arbeit nutzen. Programmierer stehen mit 75 % Aufgabenabdeckung an erster Stelle, Dateneingabekräfte folgen mit 67 %. Für 22- bis 25-Jährige berichtet das Paper einen Rückgang der Jobfindungsrate um 14 % in exponierten Berufen seit dem Start von ChatGPT, nennt das Ergebnis aber nur knapp statistisch signifikant (Anthropic).
Das Indeed Hiring Lab hat sich Stellenanzeigen angesehen. In den am stärksten exponierten Berufen (Softwareentwicklung, IT-Support, Daten und Analytics, Marketing und Finanzen) sank der Anteil der Einstiegsstellen zwischen 2021 und 2026 von 29 % auf 10 %, während der Senior-Anteil von 22 % auf 47 % stieg (Indeed Hiring Lab). Dieselbe Analyse fand, dass die ausgeschriebenen Gehälter in exponierten Berufen schneller wuchsen, nämlich um 46 % seit 2021 gegenüber 25 % in den am wenigsten exponierten, doch fast dieser gesamte Aufschlag geht an erfahrene Rollen.
Die Punkte sagen: Am meisten profitieren von KI die, die die Arbeit ohnehin schon beherrschen. Einstiegsstellen in exponierten Berufen erhalten gegenüber Berufen mit geringer Exposition einen Gehaltsaufschlag von 2 Punkten, mittlere Rollen 12 Punkte und Senior-Rollen 17. Indeed fasst es selbst so zusammen: KI habe „eher als Ergänzung für qualifizierte Beschäftigte denn als Ersatz gewirkt".
Die Daten von LinkedIn passen auf gröberer Ebene ins Bild. Der Absolventenleitfaden 2026 nennt einen saisonbereinigten Rückgang der Einstellungsrate für Berufseinsteiger in den USA um 6 % im Winterquartal gegenüber dem Vorjahreszeitraum. Außerdem verlassen viele Studierende die Hochschule ohne viel Erfahrung damit, wie KI in den Arbeitsalltag passt, obwohl Arbeitgeber genau diese Fähigkeiten suchen (LinkedIn).
Wo die Befunde uneinheitlich sind
Beginnen wir mit den Skeptikern, denn auch sie haben echte Daten. Das Yale Budget Lab verfolgt, wie sich die Berufsstruktur verändert und wie lange Menschen arbeitslos bleiben. In seinem Bericht heißt es, die Sorge um KI und Arbeitsplätze sei zwar weit verbreitet, „unsere Daten legen nahe, dass sie weitgehend spekulativ bleibt", und Geschäftsführerin Martha Gimbel sagte gegenüber Fortune, derzeit gebe es keine größeren makroökonomischen Effekte. Derselbe Fortune-Bericht zitiert Oxford Economics auf Basis von Daten von Challenger, Gray & Christmas: KI wurde in den ersten 11 Monaten 2025 für rund 55.000 angekündigte Stellenstreichungen in den USA verantwortlich gemacht, nur 4,5 % der Gesamtzahl. Er bringt die Möglichkeit von „AI Washing" ins Spiel, bei dem Firmen KI als Grund für Kürzungen nennen, die andere Ursachen haben (Fortune).
Das Paper von Anthropic stimmt im großen Bild zu: kein systematischer Anstieg der Arbeitslosigkeit unter stark exponierten Beschäftigten seit Ende 2022. Die Autoren beschreiben die schwächere Einstellung junger Beschäftigter als Frühwarnsignal, das sich bei den Einstellungen zeigt, bevor es in der Arbeitslosigkeit sichtbar wird (Anthropic).
Hinzu kommen die Einschränkungen innerhalb der Stanford-Arbeit. Der Effekt ist in der ADP-Stichprobe stärker ausgeprägt als in nationalen Umfragevergleichswerten, er schrumpft, wenn man für Bildung kontrolliert, und ein Teil der Entwicklung begann schon vor dem Durchbruch generativer KI (Stanford).
Auch die neuesten Zahlen zu Hochschulabsolventen sind nicht katastrophal. Laut der jüngsten Erhebung der New York Fed liegt die Arbeitslosigkeit bei Berufseinsteigern mit Abschluss (22 bis 27 Jahre) bei etwa 5,6 %, die Unterbeschäftigung bei 42 % und steigt leicht (New York Fed).
Auch bei den Ökonomen kommt Bewegung auf. In Indeeds jüngster Quartalsumfrage unter Ökonomen lag der Diffusionsindex für das Risiko, dass KI Beschäftigte mit Hochschulabschluss verdrängt, bei 55,6 (über 50 bedeutet steigendes Risiko), und 45 % des Panels bezeichneten den Nettoeffekt von KI auf die Beschäftigung als leicht negativ. Die Befragten erwarteten die größten Rückgänge bei Verwaltungsassistenz und Softwareentwicklung (Indeed Hiring Lab).
Die Stimmung in der Bevölkerung eilt den Daten voraus. In der AP-NORC-Umfrage unter 2.140 Erwachsenen sagten 27 %, KI entwickle sich in etwa im richtigen Tempo, und 8 %, zu langsam; etwa 8 von 10 hielten es für äußerst oder sehr wichtig, dass die Regierung KI unter menschlicher Kontrolle hält (AP). Die Sorge um die Arbeit ist Teil davon. Sorge ist kein Beleg für Verdrängung, aber sie prägt, wie junge Menschen und Eltern den Arbeitsmarkt sehen.
Drei Dinge würden unsere Einschätzung ändern: ein Anstieg der Arbeitslosigkeit junger Beschäftigter in exponierten Berufen, was bedeuten würde, dass aus der Einstellungsflaute Jobverlust wird; eine Erholung der Einstiegsstellen in exponierten Berufen; oder eine schrumpfende Stanford-Lücke, sobald mehr Daten zu den Einstellungen 2026 vorliegen. Bis eines davon eintritt, ist die vorsichtige Position die oben genannte.
Unsere Einschätzung: Die Behauptung, KI dünne in einer Handvoll Berufe leise die unterste Sprosse der Leiter aus, ist gut belegt. Die Behauptung, KI verursache einen allgemeinen Zusammenbruch des Arbeitsmarkts, nicht. Wer Ihnen sagt, die Daten klärten die Ursache bereits, ist der Forschung voraus.
Welche Berufe am stärksten und am wenigsten exponiert sind
Exposition folgt der Aufgabe, nicht der Branche. Anführer in Anthropics Liste der am stärksten abgedeckten Berufe sind Programmierer, Kundenservice-Mitarbeiter und Dateneingabekräfte. Am anderen Ende haben rund 30 % der Beschäftigten in den Daten null Abdeckung, darunter Köche, Motorradmechaniker, Rettungsschwimmer, Barkeeper und Tellerwäscher (Anthropic).
Die Grafik unten ist unsere redaktionelle Einordnung gängiger Einstiegsjobs entlang zweier Fragen: Wie viel der Arbeit ist Routine und schriftlich festgehalten, und wie stark wird KI für diese Aufgaben eingesetzt? Sie ist eine Orientierungshilfe, keine Messung. Verschieben Sie also jeden Punkt, dem Ihre eigene Erfahrung widerspricht.
Im Cluster oben rechts hat sich die Einstellung von Berufseinsteigern bereits ausgedünnt. Marketing und Finanzen liegen in der Mitte, und Indeeds Stellendaten ordnen beide seiner am stärksten exponierten Gruppe zu. Die Rollen unten links hängen von Händen, Anwesenheit und Urteilsvermögen in Echtzeit ab, weshalb sie in den Expositionsdaten kaum auftauchen.
Ein Haken: Geringe Exposition heißt nicht hohes Gehalt oder gute Aussichten. Stark exponierte Beschäftigte verdienen laut Anthropic im Schnitt außerdem 47 % mehr, die Jobs unter Druck sind also oft genau die, für die sich Menschen am meisten angestrengt haben. Wählen Sie Ihren Weg nach Eignung, nicht aus Angst.
Warum der Druck bei Einstellungen ankommt und nicht bei Entlassungen
Ein Unternehmen verkündet selten, dass es einen Junior durch ein Modell ersetzt hat. Es schreibt die Stelle einfach nicht aus. Eine Senior-Entwicklerin, die von einem KI-Tool einen brauchbaren ersten Entwurf bekommt, hat weniger Grund, noch eine Nachwuchskraft anzufordern, und so taucht der Stellenzuwachs, der sonst entstanden wäre, in keiner Entlassungsstatistik auf.
Die langfristige Sorge liegt auf der rechten Seite dieses Diagramms. In Einstiegsjobs haben Menschen schon immer den impliziten Teil der Arbeit gelernt. In einem Essay für MIT Technology Review argumentiert Georgios Petropoulos von der USC, dass die Automatisierung von Junior-Aufgaben die Art beschädigen könnte, wie Organisationen Kompetenz aufbauen, und schlägt bezahlte Co-op-Programme, Ausbildungen und Anreize für Arbeitgeber vor, damit die Einstellung von Berufseinsteigern am Leben bleibt (MIT Technology Review).
Was Arbeitgeber von Juniors erwarten
Arbeitgeber berichten, dass KI-Kenntnisse schnell in die Anforderungen für Einstiegsjobs wandern. NACE, das Arbeitgeber zur Einstellung von Hochschulabsolventen befragt, stellte fest, dass inzwischen mehr als ein Drittel der Einstiegsjobs KI-Kenntnisse verlangt, fast dreimal so viele wie in der Herbstumfrage. 28 % der Arbeitgeber gaben an, Nachwuchskräfte zu suchen, die KI nutzen können, und knapp 60 % geben Praktikanten Projekte mit KI-Tools (NACE).
Nicht alle Studierenden halten mit. An NACEs Studierendenumfrage 2026 nahmen mehr als 17.000 Studierende teil. Unter den Studierenden im Abschlussjahr bezeichneten 31 % KI-Kenntnisse als wenig oder gar nicht wichtig für ihre Karriere, 40 % als sehr oder äußerst wichtig, und 50,5 % bauten diese Fähigkeiten noch nicht auf (NACE).
Die Anzeigen zeigen ein Missverhältnis, bei dem sich Handeln lohnt. Arbeitgeber erproben KI-Kenntnisse an Praktikanten, während die Hälfte der Studierenden im Abschlussjahr noch gar nicht angefangen hat. Eine Einschränkung: Die Arbeitgeberzahlen stammen von 185 Organisationen, die freiwillig geantwortet haben, verstehen Sie sie also als Tendenz, nicht als Vollerhebung. Die NACE-Umfrage ergab außerdem, dass mehr als die Hälfte der Arbeitgeber sagt, KI verringere die Aufgaben für Berufseinsteiger nicht, und nur 11 % sprachen über den Ersatz von Stellen durch KI.
Fähigkeiten und Tools, die Juniors attraktiver machen
Die Fähigkeiten, die die NACE-Arbeitgeber beschreiben, sind anwendungsnah: das richtige KI-Tool für die Aufgabe auswählen, gute Prompts schreiben und die Ergebnisse prüfen und überarbeiten (NACE). Niemand verlangt von einem Absolventen, ein Modell zu trainieren. Gesucht ist jemand, der eines nutzen kann und dessen Fehler erkennt. Petropoulos nennt als Erfolgskombination KI-Kompetenz plus Fachwissen (MIT Technology Review).
Hier ist eine praktische Reihenfolge für die nächsten 30 Tage.
- Wählen Sie eine Zielrolle und lesen Sie zehn aktuelle Stellenanzeigen dazu. Notieren Sie, welche Tools und Aufgaben mehrfach auftauchen.
- Lernen Sie zwei allgemeine Assistenten richtig kennen. ChatGPT und Claude sind das naheliegende Paar, und unser Leitfaden zu ChatGPT-Alternativen hilft, wenn Sie zum Vergleich eine dritte Option wollen.
- Setzen Sie KI für ein echtes Arbeitsergebnis ein und dokumentieren Sie es: ein Recherchememo, eine Datenbereinigung, eine kleine App. Schreiben Sie auf, was die KI falsch gemacht hat und wie Sie es bemerkt haben. Diese Geschichte der Überprüfung bleibt Interviewern im Gedächtnis.
- Wenn Ihr Ziel technisch ist, üben Sie mit einem Coding-Assistenten wie GitHub Copilot, Cursor oder Claude Code und seien Sie bereit, Code zu erklären, den Sie nicht selbst getippt haben. Unser Ranking der KI-Coding-Assistenten bewertet das Feld.
- Wenn Ihr Ziel Schreiben, Recherche oder Operations ist, ergänzen Sie ein Recherchetool wie Perplexity, einen Workspace-Assistenten wie Notion AI und einen Editor wie Grammarly und zeigen Sie ein Vorher und Nachher an einem echten Dokument.
- Absolvieren Sie einen strukturierten Kurs, damit die Kenntnisse schwarz auf weiß vorliegen: Google Prompting Essentials oder AI For Everyone auf Coursera oder LinkedIn Learning. Das breitere Ranking für KI-Lernangebote bietet mehr.
- Schärfen Sie die Bewerbung nach. Ein Lebenslauf-Builder aus dem Ranking der KI-Lebenslauf-Builder wie Resume Worded und ein Übungspartner aus dem Ranking für Interviewvorbereitung wie Interview Sidekick können helfen, solange die endgültigen Formulierungen von Ihnen stammen.
Kurse allein heben Sie nicht ab, denn alle anderen machen sie auch. Was Menschen unterscheidet, ist ein kurzes, konkretes Portfolio und ein ehrlicher Bericht darüber, wie sie KI eingesetzt haben. Mehr zur Jobsuche finden Sie in unserem Leitfaden zu KI-Tools für Jobsuchende.
Prüfen Sie, bevor Sie sich auf einen Weg festlegen, wie exponiert der Job ist, den Sie anstreben. Das Quiz unten übersetzt die obigen Erkenntnisse in fünf Fragen.
Das Ergebnis ist ein Denkanstoß, keine Prognose. Ein hoher Wert heißt nicht, dass Sie die Rolle meiden sollten. Er heißt, dass Sie stärkere Arbeitsproben brauchen und klar zeigen müssen, dass Sie KI-Ergebnisse beaufsichtigen können.
Vier Karriereschritte, die zur Datenlage passen
Die Forschung legt einige Schritte nahe, hinter denen echte Logik steckt. Keiner davon ist garantiert.
Eine KI-lastige Rolle funktioniert, wenn Sie zeigen können, dass Sie die Tools gut beaufsichtigen, denn diese Fähigkeit nehmen Arbeitgeber gerade in Stellenanzeigen auf. Ein praktisches Feld ist die Absicherung, weil diese Rollen in Anthropics Daten die geringste Abdeckung zeigen. Ein kleines Team überträgt Juniors oft früher mehr Verantwortung, doch dazu haben wir keine Einstellungsdaten, sehen Sie das also als begründete Wette. Arbeitsproben gelten für alle drei: Projekte und Praktika machen aus einem dünnen Lebenslauf einen glaubwürdigen.
Wer sollte sich am meisten sorgen? Wer Softwareentwicklung, Kundensupport oder Dateneingabe über eine klassische Bewerbungsstrecke anstrebt und sich allein auf einen Abschluss verlässt. Wer darf etwas gelassener sein? Wer auf Arbeit zusteuert, die körperliche Präsenz, Zulassungen oder ständigen Kontakt zu Menschen verlangt. Auch sie sollten die grundlegenden Tools lernen, denn die NACE-Zahlen zeigen, dass sich die Anforderungen ausbreiten.
Wenn Sie Juniors einstellen
Die Forschung ist auch eine Warnung an Führungskräfte. Wenn die Junior-Sprosse verschwindet, verschwindet auch Ihr künftiger Nachschub an Seniors mit implizitem Wissen. Indeeds Daten zeigen, dass der Senior-Anteil der Stellenanzeigen in exponierten Berufen bereits auf 47 % gestiegen ist, und diese Leute mussten ja irgendwoher kommen.
Drei Schritte stechen heraus. Gestalten Sie die Junior-Rolle um: Sie beaufsichtigt KI-Ergebnisse und bearbeitet Ausnahmen, statt den ersten Entwurf von Hand zu schreiben. Stellen Sie jedem Junior einen benannten Senior zur Seite und geben Sie ihm ab Woche eins echte Review-Aufgaben. Und schreiben Sie Anzeigen, die benennen, welche KI-Kenntnisse Sie tatsächlich nutzen, denn vage Forderungen schrecken gute Kandidaten ab. Dass fast 60 % der Arbeitgeber Praktikanten KI-basierte Projekte geben, deutet darauf hin, dass dies bei den Vorreitern schon Standard ist.
Häufig gestellte Fragen
Nimmt KI wirklich Einstiegsjobs weg?
Sie verringert die Einstellungen in manchen Berufen, was nicht dasselbe ist wie Entlassungen. Die stärksten Belege sind die Stanford-Gehaltsstudie und Indeeds Stellendaten, und beide zeigen weniger offene Stellen für Juniors in exponierten Berufen. Keine der von uns gelesenen Quellen zeigt einen allgemeinen Zusammenbruch des Arbeitsmarkts.
Welche Einstiegsjobs sind am sichersten vor KI?
Jobs, die körperliche Präsenz oder ständigen Kontakt zu Menschen erfordern, zeigen in Anthropics Daten die geringste Exposition, etwa Köche, Barkeeper und Rettungsschwimmer. Sicher heißt nicht gut bezahlt, wägen Sie also auch Gehalt und Wachstum ab.
Sollte ich trotzdem Informatik oder Rechnungswesen studieren?
Die Belege sagen, dass die Einstellung von Berufseinsteigern in der Softwarebranche und verwandten Feldern nachgelassen hat, aber nicht, dass die Fähigkeiten wertlos sind. Die Stanford-Autoren weisen darauf hin, dass die Effekte schrumpfen, wenn man für Bildung kontrolliert, und dass die Einstellungen bei Juniors stärker nachließen als bei erfahrenen Kräften. Wenn Sie den Weg gehen, planen Sie KI-gestützte Projekte und echte Praktika ein.
Wollen Arbeitgeber von Absolventen tatsächlich KI-Kenntnisse?
Ja, und der Anteil wächst. NACE fand, dass inzwischen mehr als ein Drittel der Einstiegsjobs KI-Kenntnisse verlangt, auch wenn nur 16,5 % der Stellenbeschreibungen sie ausdrücklich erwähnen. Es sind anwendungsnahe Fähigkeiten: das richtige Tool wählen, gut prompten und das Ergebnis prüfen.
Ist KI der Grund für den schwachen Arbeitsmarkt für Absolventen?
Sie ist ein Kandidat. Das Stanford-Team hat Zinsen getestet und festgestellt, dass sie das Muster nicht erklären, und die Autoren sagen, manche Trends hätten schon vor dem Durchbruch generativer KI begonnen. Seien Sie bei jeder Ein-Ursachen-Erzählung skeptisch.