AI-first company

Menschen und Kompetenzen · Betreiben

Erhalten Sie die Einstiegsaufgaben, an denen Neue lernen

Bevor Sie Routinearbeit automatisieren, prüfen Sie, ob Nachwuchskräfte daran den Beruf lernen. Wenn ja, lassen Sie ihnen einen Teil davon, oder ersetzen Sie das Lernen auf andere Weise.

Von
Zuletzt geprüft
Korrekturen
Fehler melden
Wann Später. Wenn KI ein fester Teil der Arbeit ist.
Aufwand Mittel (Wochen, einige Personen)
Evidenz Vorläufig Umstritten

Zwei Fallstudien und eine Studie mit Messungen bei Ärztinnen und Ärzten zeigen, wie Können verkümmert, wenn ein Werkzeug die Arbeit macht. Ein randomisierter Versuch mit Schülerinnen und Schülern hat ein Gegenmittel geprüft: einen Tutor, der nur Hinweise gibt. Ob KI die Einstellung von Berufseinsteigern verringert, ist umstritten. Andere Evidenz zeigt, dass KI Neuen hilft, schneller besser zu werden.

Passt für
Branchen Alle Branchen
Im Leitfaden Rollen und Führung

Worum es geht

Bevor Sie eine Aufgabe automatisieren, stellen Sie eine Frage: Wer lernt heute dadurch, dass er sie erledigt, und wie lernt diese Person, wenn die Aufgabe wegfällt? Routineaufgaben werden oft als Erste an KI übergeben. An ihnen lernen neue Beschäftigte aber auch ihr Handwerk.

Was die Evidenz zeigt

Zwei Fallstudien zeigen, wie das geschieht, und eine Studie hat es gemessen.

  • Eine zweijährige Studie zur robotergestützten Chirurgie fand, dass die neue Technik stark verringerte, was Auszubildende im Operationssaal selbst taten. Der vorgesehene Lernweg funktionierte nicht mehr. Nur eine Minderheit der Auszubildenden wurde kompetent, indem sie außerhalb der Regeln übte.
  • Eine Fallstudie in einer Wirtschaftsprüfungsgesellschaft fand, dass Jahre des Verlassens auf automatisierte Software die Fähigkeiten der Beschäftigten verkümmern ließen. Niemand bemerkte es, weil die Software weiterlief. Die Beschäftigten blieben für die Ergebnisse verantwortlich.
  • Eine Studie an vier Endoskopiezentren in Polen hat es anhand routinemäßiger Qualitätsdaten gemessen. Drei Monate nachdem KI eingeführt worden war, um beim Erkennen von Wucherungen im Darm zu helfen, fanden erfahrene Ärztinnen und Ärzte ohne die KI weniger davon: Die Erkennungsrate sank von 28,4 % auf 22,4 %.

Ein Gegenmittel wurde getestet. In einem randomisierten Versuch mit fast 1.000 Schülerinnen und Schülern weiterführender Schulen in der Türkei schnitten Schülerinnen und Schüler, die mit unbeschränktem GPT-4 geübt hatten, in der Prüfung ohne KI um 17 % schlechter ab als die, die es nie hatten. Ein Tutor, der nur Hinweise gab, vermied diesen Verlust. Der Versuch fand mit Schülern statt, nicht mit Beschäftigten.

Eine Studie zu Berufswechseln in Brasilien und Großbritannien ergänzt das größere Bild. Junge Hochschulabsolventen beginnen oft in den Berufen, die KI am ehesten ersetzt, und steigen von dort auf. Fallen diese Stellen weg, fällt auch der Weg nach oben weg.

Ob KI schon jetzt die Einstellung von Berufseinsteigern verringert, ist umstritten. Die Evidenz zeigt in beide Richtungen, und sie stammt ganz aus den USA.

  • Anzeichen dafür. In Lohnabrechnungsdaten lag die Beschäftigung von 22- bis 25-Jährigen in den Berufen, die am stärksten KI ausgesetzt sind, etwa 19 % unter dem Verlauf weniger betroffener Altersgenossen, in der Überarbeitung der Autoren vom 12. August 2026. Der Abstand kam von weniger Einstellungen. Unternehmen, die Stellen ausgeschrieben hatten, um generative KI in ihre Arbeit einzubauen, hatten sechs Quartale später etwa 9 % weniger Berufseinsteiger als andere Unternehmen, in der Fassung der Studie vom Mai 2026. Start-ups, die KI am stärksten ausgesetzt sind, mit durchschnittlich etwa 11 Beschäftigten, verringerten die Beschäftigung um etwa 8 %, vor allem bei Berufseinsteigern. In Lohnabrechnungsdaten von Gusto, einem Anbieter von Lohnabrechnungssoftware für kleine Unternehmen, sank die Zahl der 22- bis 28-Jährigen in Rollen, die KI stark ausgesetzt sind.
  • Anzeichen dagegen, oder noch nicht. Die Arbeitslosigkeit unter frischen Hochschulabsolventen in den USA stieg im Sommer 2026 gegenüber früheren Sommern nicht. Der monatliche Tracker des Yale Budget Lab findet kein klares Zeichen einer Störung in der Wirtschaft insgesamt.

Die Studien messen Verschiedenes: Beschäftigung in betroffenen Berufen, Arbeitslosigkeit, Unternehmen, die nach unterschiedlichen Merkmalen ausgewählt wurden. Ein landesweiter Durchschnitt kann gleich bleiben, während eine Gruppe junger Menschen nicht mehr eingestellt wird.

Die andere Seite. In der Studie mit 5.172 Beschäftigten im Kundensupport half der KI-Assistent Neuen, schneller besser zu werden, und schien ihnen beim Lernen zu helfen. KI schadet dem Lernen also nicht immer. Die Wirkung hängt davon ab, ob die neue Person die Arbeit noch selbst macht, mit Unterstützung, oder nur zusieht, wie sie gemacht wird.

So gehen Sie vor

  1. Fragen Sie bei jeder Aufgabe, die Sie automatisieren wollen, wer heute daran lernt.
  2. Teilen Sie die beteiligten Fähigkeiten in zwei Gruppen: Fähigkeiten, die Sie aufgeben können, und Fähigkeiten, die Menschen weiterhin brauchen, um die KI zu prüfen und für das Ergebnis geradezustehen.
  3. Lassen Sie bei der zweiten Gruppe einen Teil der Arbeit bei Menschen. Wechseln Sie ab, damit alle in Übung bleiben.
  4. Lassen Sie Nachwuchskräfte die Aufgabe mit KI-Hilfe erledigen und das Ergebnis erklären, nicht nur freigeben. Stellen Sie das Werkzeug für Menschen, die noch lernen, so ein, dass es Hinweise und Erklärungen gibt, keine fertigen Antworten.
  5. Lassen Sie die Beschäftigten alle paar Monate die Aufgabe ohne das Werkzeug erledigen. Behandeln Sie es wie eine Brandschutzübung. In der Endoskopie-Studie zeigte sich der Rückgang innerhalb von drei Monaten. Siehe Prüfen Sie, was Beschäftigte ohne das Werkzeug können.
  6. Geben Sie erfahrenen Kräften Zeit zum Anleiten. Automatisierung nimmt oft genau die Momente weg, in denen früher angeleitet wurde.

Was Sie messen sollten

  • Ob Beschäftigte die Aufgabe bei einer Stichprobe von Fällen noch ohne Hilfe erledigen können.
  • Wie lange eine neue Person braucht, um selbstständig zu arbeiten.
  • Wie oft Menschen Fehler in KI-Ergebnissen entdecken.

Woran es scheitert

  • Arbeit nur zum Üben zu behalten, kostet Geld. Behalten Sie die Aufgaben, die Fähigkeiten aufbauen, die Sie noch brauchen. Geben Sie den Rest ab.
  • Überholte Fähigkeiten. Die Studie in der Wirtschaftsprüfung merkt selbst an, dass der Verlust von Fähigkeiten, die niemand mehr braucht, ein normaler Preis neuer Technik ist.
  • KI übernimmt vielleicht den anspruchsvollen Teil, nicht den Routineteil. Anthropic, ein Anbieter von KI-Modellen, berichtet aus der Nutzung durch die eigenen Kunden, dass KI in manchen Berufen eher die anspruchsvolleren Aufgaben übernimmt, etwa bei Reisebüros und technischen Redakteuren. Fragen Sie, welchen Teil des Berufs das Werkzeug übernimmt, nicht nur, welche Aufgaben nach Routine aussehen.
  • Sehr kleine Teams haben vielleicht gerade keine Nachwuchskräfte. Die Frage kommt mit der nächsten Einstellung zurück.

Außerhalb des Unternehmens

Die Einstiegsarbeit, die wegfällt, ist oft die von Freiberuflern. Auf einer großen Freelance-Plattform fiel die Nachfrage nach Texten und Übersetzungen nach ChatGPT um 20–50 % gegenüber dem Trend, und die Nachfrage nach Neulingen sank sogar bei Fähigkeiten, bei denen KI hilft. Eine eigene Studie zu einer anderen weltweiten Freelance-Plattform fand, dass die Ausschreibungen für Schreib- und Programmieraufträge innerhalb von acht Monaten nach ChatGPT um 21 % sanken. Unter Übersetzerinnen und Übersetzern mit weniger als zwei Jahren Erfahrung sank der Anteil derer, die eine tragfähige berufliche Zukunft sehen, von 69 % im Jahr 2024 auf 41 % im Jahr 2025, laut der European Language Industry Survey, zitiert in einer Studie zu Übersetzern in Belgien und der Schweiz.

Nach Unternehmensgröße

  • Kleinst- und Kleinunternehmen: Das Risiko ist eine einzige Person, die als Einzige weiß, wie eine Aufgabe ohne das Werkzeug erledigt wird. Sorgen Sie dafür, dass eine zweite Person es kann. Wenn Sie verkaufen, was KI erstellt (Code, Texte, Design), rechnen Sie damit, weniger Berufseinsteiger einzustellen. Entscheiden Sie, wo die nächste Person, die Sie einstellen, lernen wird.
  • Großunternehmen: Nehmen Sie die Frage „Wer lernt hieran?“ in den Freigabeschritt jedes Automatisierungsprojekts auf.

Quellen

  1. Beane (2018). Shadow Learning: Building Robotic Surgical Skill When Approved Means Fail. Administrative Science Quarterly, 64(1), 87–123. Was diese Studie untersucht und gefunden hat
  2. Rinta-Kahila, Penttinen, Salovaara, Soliman and Ruissalo (2023). The Vicious Circles of Skill Erosion: A Case Study of Cognitive Automation. Journal of the Association for Information Systems, 24(5), 1378–1412. Was diese Studie untersucht und gefunden hat
  3. Budzyń, Romańczyk, Kitala and colleagues (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. The Lancet Gastroenterology & Hepatology, 10(10), 896–903. Was diese Studie untersucht und gefunden hat
  4. Bastani, Bastani, Sungu, Ge, Kabakcı and Mariman (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. Was diese Studie untersucht und gefunden hat
  5. Cazzaniga, Pizzinelli, Rockall and Tavares (2025). Exposure to Artificial Intelligence and Occupational Mobility: A Cross-Country Analysis. Economía, 24(1), 314–339. Was diese Studie untersucht und gefunden hat
  6. Brynjolfsson, Chandar and Chen (2025). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab working paper (revised 12 August 2026). Was diese Studie untersucht und gefunden hat
  7. Hosseini and Lichtinger (2025). Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data. SSRN working paper 5425555 (version of 6 May 2026). Was diese Studie untersucht und gefunden hat
  8. Gupta, Qian, Simintzi and Sun (2026). Generative AI and Entrepreneurship. NBER conference paper, version of 14 April 2026. Was diese Studie untersucht und gefunden hat
  9. Teutloff, Einsiedler, Kässi, Braesemann, Mishkin and del Rio-Chanona (2025). Winners and losers of generative AI: Early Evidence of Shifts in Freelancer Demand. Journal of Economic Behavior & Organization, 235, 106845. Was diese Studie untersucht und gefunden hat
  10. Demirci, Hannane and Zhu (2025). Who Is AI Replacing? The Impact of Generative AI on Online Freelancing Platforms. Management Science, 71(10), 8097–8108. Was diese Studie untersucht und gefunden hat
  11. Brynjolfsson, Li and Raymond (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. Schränkt diese Praktik ein oder widerspricht ihr. Was diese Studie untersucht und gefunden hat
  12. Chamberlain, Gusto (February 2026). AI's impact on small businesses: payroll analysis. Gusto sells payroll software to small firms. gusto.com
  13. Fairlie and Wu (2026). The Early Impacts of AI on Employment among Recent College Graduates. IZA Discussion Paper 18945. iza.org
  14. The Budget Lab at Yale (updated September 2026). Tracking the Impact of AI on the Labor Market. budgetlab.yale.edu
  15. Anthropic (January 2026). Anthropic Economic Index report: Economic primitives. Anthropic sells AI models; the figures come from its own customers' usage. anthropic.com
  16. Girletti and Lefer (2025). Lost in compensation: pricing methods, rates, and income satisfaction among freelance translators in Belgium and Switzerland. Perspectives. Cites the European Language Industry Survey 2025. research.dial.uclouvain.be