Keine Juniors mehr? Wie KI den Berufseinstieg radikal neu definiert

KI übernimmt klassische Einstiegsaufgaben und reißt damit eine gefährliche Lücke in der Talent-Pipeline. Wenn Juniorrollen verschwinden, geht für den Nachwuchs die wichtigste Lernphase verloren – mit Folgen für Unternehmen. Johann Wachs, Geschäftsführer bei eightplaces, analysiert, warum der Berufseinstieg im KI-Zeitalter eine neue Lern- und Karrierearchitektur braucht – und wie HR die Brücke zwischen Algorithmus und Expertise schlagen kann.

Der erste Job muss neu erfunden werden – dank KI

Stellenausschreibungen für Einstiegsjobs sind derzeit kaum zu finden. Einer der Gründe: KI übernimmt immer mehr Aufgaben, mit denen Berufseinsteiger traditionell starten. Für Unternehmen gilt es jetzt, Einstiegsstrukturen neu zu denken – oder sie verlieren eine Generation.
Wer heute als junger Betriebswirtschaft-Absolvent mit Masterabschluss auf Jobsuche ist, kann ein Lied davon singen: „Wir suchen jemanden mit mehr Erfahrung“ lautet die Rückmeldung, sofern die Absage nicht direkt automatisiert kommt.

Dabei waren die entsprechenden Vakanzen – etwa Junior Consultant, Trainee im Marketing oder Junior-Analyst – noch vor drei Jahren klassische Einstiegspositionen. Heute nicht mehr. Viele dieser Aufgaben erledigen inzwischen Algorithmen.

Eine Auswertung von Stepstone belegt die Erfahrungen, die viele junge Menschen gerade machen. Der Anteil ausgeschriebener Einstiegsjobs lag im ersten Quartal 2025 tatsächlich 45 Prozent unter dem Fünfjahresdurchschnitt. Besonders betroffen sind administrative und datenverarbeitende Tätigkeiten: Im Vertrieb sanken die Einstiegsstellen um 56 Prozent, im Personalwesen um 50 Prozent, in der Verwaltung um 34 Prozent.

Die Gründe für diesen Einbruch sind vielschichtig. Die wirtschaftliche Lage drückt die Einstellungsbereitschaft, Unternehmen sparen zuerst bei Juniorpositionen. Doch parallel dazu verändert Künstliche Intelligenz die Aufgabenprofile: Recherche, Datenaufbereitung, Entwürfe, Zusammenfassungen – Tätigkeiten, mit denen Berufseinsteiger traditionell beginnen und dabei Routine sowie Selbstvertrauen gewinnen, erledigen heute KI-Tools.

Was bleibt, sind komplexe, erfahrungsintensive Tätigkeiten, die Expertise und Urteilskraft erfordern. Ein Senior Analyst erkennt beispielsweise sofort, wenn eine KI-generierte Auswertung völlig unrealistisch ist. Ein Berufseinsteiger, der nie gelernt hat, Rohdaten selbst zu strukturieren, sieht nur das fertige Ergebnis – und hat keine Referenz, um es zu hinterfragen. Die Lernschleife bricht ab – und genau hier entsteht das Problem für den Nachwuchs. Sie werden zu Prompt-Bedienern, ohne zu verstehen, was dahinter passiert.

Drei Handlungsfelder für HR und Führung

Folglich riskieren Unternehmen, die jetzt nicht reagieren, eine doppelte Spaltung: zwischen Generationen und zwischen Lernenden und Performern. Doch der Wandel lässt sich konstruktiv nutzen. Der erste Job muss nicht verschwinden – er muss „nur“ neu gebaut werden. Drei Ansätze haben sich dabei in der Praxis bewährt:

1. Von Tools zu „Decision Cases“: Onboarding im KI-Zeitalter

Klassische Onboardings starten mit Software-Schulungen: „So funktioniert unser CRM, so nutzt du Excel, so läuft der Workflow.“ Das reicht nicht mehr. Stattdessen braucht es Kontextvermittlung: Warum nutzen wir diese Tools? Welche Entscheidungen treffen wir damit? Wo hilft KI – und wo nicht?

Ein Beispiel: Ein Verlag will Volontäre integrieren. In der ersten Woche analysiert ein Berufseinsteigender gemeinsam mit erfahrenen Kollegen, wie KI-Tools für Recherche und Texte genutzt werden können – ohne gegen den Pressekodex zu verstoßen. Der Lerneffekt: Der Junior versteht, kritisch mit den KI-Systemen umzugehen: beispielsweise Quellen zu prüfen, keine Fake-News, Gerüchte oder Diskriminierungen zu übernehmen.

Solche „Decision Cases“, bei denen reale Entscheidungssituationen durchgespielt werden, tragen das Onboarding ins KI-Zeitalter. Die Aufgabe der neuen, jungen Mitarbeitenden ist es also nicht, die richtige Antwort zu finden, sondern die richtigen Fragen zu stellen. Ein Senior gibt Feedback, nicht auf das Ergebnis, sondern auf den Denkprozess.

2. Erfahrungswissen trainierbar machen: Tandemmodelle zwischen Junior, Senior und KI

Wer als Unternehmen KI als Ersatz für Junioren sieht, begeht einen fatalen Fehler. Stattdessen sollte KI als dritter Player im Team fungieren: Junioren bedienen die KI, seniorige Mitarbeitende prüfen die Ergebnisse – und beide lernen voneinander. In einer Strategieberatung könnte diese Art Human-AI-Co-Creation folgendermaßen vonstatten gehen: Der Junior nutzt KI, um Muster in Marktforschungsdaten zu identifizieren und erste Hypothesen zu formulieren. Der Senior prüft, ob die Muster valide sind oder ob die KI Korrelationen mit Kausalität verwechselt. Anschließend reflektieren beide gemeinsam: Was hat die KI übersehen? Welche Fragen hätte sie besser beantworten können? Was haben wir dabei gelernt?

Erfahrungswissen wird so trainierbar, nicht nur beobachtbar. Der Junior lernt nicht durch „Shadowing“, sondern durch aktives Tun – mit Feedback in Echtzeit. Der Senior wiederum lernt, präziser zu artikulieren, worauf es ankommt. Hilfreich dabei sind praktische Pair Sessions, also kurze Reflexionen nach jedem KI-gestützten Projekt. Ein interner Prompt-Playground, in dem Junioren Aufgaben üben und erfahrene Kollegen kommentieren, verstärkt diesen Effekt.

3. Lernen mit der KI, nicht von ihr: Virtuelle GPT-Coaches

In sogenannten KI-Mentoring-Buddy-Systemen begleiten virtuelle GPT-Coaches neue Mitarbeitende bei Aufgaben, die kritisches Denken erfordern: Sie geben Feedback auf Texte, unterstützen beim Strukturieren von Analysen oder helfen, Hypothesen sauber zu formulieren. Ziel ist es nicht, menschliches Mentoring zu ersetzen, sondern es zu erweitern – durch einen digitalen Sparringspartner, der jederzeit verfügbar ist und kontinuierlich zum Nachdenken anregt.

Über AI-Augmented Learning Journeys oder Micro-Learning-Modulen lässt sich dieses Prinzip gezielt im Arbeitsalltag verankern, etwa durch fokussierte, interaktive „Critical Thinking mit KI“-Einheiten. Fragen wie „Was würde passieren, wenn dieser KI-Output falsch wäre?“ oder „Welche Annahme steckt hinter diesem Ergebnis?“ schärfen das Urteilsvermögen.

Der erste Job muss zum KI-optimierten Lernsystem werden

Weil sich das Aufgabenprofil im ersten Job von eher einfachen Routine-Aufgaben hin zum gezielten Umgang mit KI verlagert, müssen Unternehmen die klassische Karriereleiter umbauen. Neue Strukturen müssen Lernfähigkeit und Erfahrungswissen verbinden. HR und Führung sollten KI deshalb als Chance sehen, bisher schlechte Lernstrukturen zu ersetzen.

Denn viele Onboardings waren bisher ineffizient: Junioren erledigten monotone Aufgaben, die wenig mit strategischem Denken zu tun hatten. KI zwingt sie nun, diese Routinen zu hinterfragen. Es geht heute darum, Einstiegspositionen so zu gestalten, dass Menschen von Anfang an lernen, was KI nicht kann – nämlich Kontext schaffen, Widersprüche aushalten und Entscheidungen unter Unsicherheit treffen.

Unternehmen, die jetzt KI-kompatible Onboardings, Tandemmodelle und neue Mentoringformate etablieren, sichern sich die Fähigkeit, in einer Welt zu bestehen, in der Algorithmen schnell sind – aber Menschen die Richtung vorgeben. Sie gewinnen nicht nur Nachwuchs, sondern auch Innovationskraft.

Über den Autor

Johann Wachs ist Geschäftsführer bei der auf Employer Branding und Personalmarketing spezialisierten Agentur eightplaces. Vor der Gründung von eightplaces war er über 25 Jahre in internationalen Führungsrollen tätig – unter anderem bei Saatchi, Ogilvy, Grey und Dentsu – mit Verantwortung für die psychologische Erforschung von Marken und Zielgruppen.

Quelle: hrjournal.de