Berufseinsteiger lernen KI, doch ihnen fehlt Praxiswissen im Betrieb

Pearson stellte am 24. September 2026 auf der WorldSkills International Conference in Shanghai seine neue Untersuchung zu Berufseinsteigern in handwerklichen, technischen und dienstleistungsbezogenen Berufen vor. Sie warnt vor einer dreifachen Fähigkeitslücke: Wer KI im Beruf nutzen soll, braucht zugleich Urteilsvermögen für die eigene Tätigkeit, menschliche Fähigkeiten und praktisches Wissen über Abläufe und Ausnahmen. KI-Kenntnisse allein machen neue Beschäftigte demnach noch nicht einsatzbereit.

Die am 24. September 2026 veröffentlichte Meldung von People Matters beschreibt denselben Befund und die gleichzeitige Pensionierung erfahrener Kräfte. Entscheidend ist die Formulierung als Warnung vor einer wachsenden Lücke: Die Untersuchung belegt keinen einheitlichen Kenntnisstand aller Berufseinsteiger. Für Ausbildungs- und Personalverantwortliche stellt sie vielmehr die Frage, wie sich KI-Lernen mit angeleiteter Berufspraxis verbinden lässt.

Drei Fähigkeiten, die zusammenwirken müssen

Berufsspezifische KI-Kompetenz meint nicht nur, ein Werkzeug bedienen zu können. Neue Kräfte müssen wissen, bei welchen Aufgaben sie KI einsetzen dürfen, wie sie einen Vorschlag fachlich prüfen und wann sie ihn zurückweisen oder an eine verantwortliche Person weitergeben. Die Maßstäbe dafür hängen von der Tätigkeit ab: Eine allgemeine Einführung vermittelt Begriffe, aber keine belastbare Entscheidung über einen konkreten Arbeitsfall.

Hinzu kommen menschliche Fähigkeiten wie Kommunikation, Zusammenarbeit, Anpassungsfähigkeit und der Umgang mit Unsicherheit. Sie werden gebraucht, wenn jemand eine unklare KI-Ausgabe erklären, eine Rückfrage stellen oder einen Fehlerverdacht ohne Verzögerung weitergeben muss. Gerade wo eine Empfehlung Folgen für andere Menschen hat, entscheidet die Qualität der Abstimmung darüber, ob ein Problem rechtzeitig bei der zuständigen Fachkraft ankommt.

Die dritte Dimension ist institutionelles und praktisches Wissen: Welche Schritte gehören zum üblichen Ablauf, welche Ausnahmen treten auf, wer ist wofür zuständig und welche Folgen hat ein falscher Handgriff? Solches Urteil entsteht durch Beobachtung, eigene Ausführung und Rückmeldung. Eine Person kann einen KI-Vorschlag technisch korrekt abrufen und dennoch übersehen, dass er für den vorliegenden Fall nicht passt. Die Lücken verstärken sich deshalb gegenseitig, statt unabhängig nebeneinander zu stehen.

Ersatzbedarf erhöht den Druck auf den Wissenstransfer

Der vollständige Forschungsbericht beziffert den Anteil des Ersatzbedarfs an den untersuchten Stellenöffnungen im Vereinigten Königreich für 2025 bis 2035 auf 99 Prozent und in den USA im Jahresdurchschnitt für 2024 bis 2034 auf 98,5 Prozent. Die britische Zahl bezieht sich also auf einen Zehnjahreszeitraum, die amerikanische auf durchschnittliche jährliche Öffnungen. Beide Werte beschreiben modellierte Arbeitsmärkte und ausgewählte Berufsgruppen, nicht den Anteil unzureichend ausgebildeter Berufseinsteiger.

Ersatzbedarf entsteht, wenn Menschen in Ruhestand gehen, den Beruf wechseln oder aus dem Arbeitsmarkt ausscheiden. Mit ihnen kann Wissen über seltene Störungen und bewährte Abläufe verloren gehen, das in Schulungsunterlagen oft nicht vollständig steckt. Eine neu besetzte Stelle löst dieses Problem noch nicht. Der Betrieb braucht Zeitfenster, in denen erfahrene Beschäftigte ihr Vorgehen zeigen und Anfänger unter Aufsicht selbst handeln können.

Zur Datengrundlage gehören Arbeitsmarkt- und KI-Analysen aus den USA, dem Vereinigten Königreich und China sowie Befragungen, Interviews und Gesprächsrunden. Für die Tätigkeiten von pharmacy technicians und industrial machinery mechanics wurden Lernbedingungen genauer untersucht. Diese Auswahl macht die Mechanismen anschaulich, ist aber keine repräsentative Messung für sämtliche Berufe. Sie zeigt, warum Ausbildung mit veränderten Arbeitsabläufen Schritt halten muss, wenn KI Aufgaben verändert, an denen Anfänger bisher Routine und Fehlersensibilität entwickelten.

Was Ausbildung und Einarbeitung daraus machen können

Die Empfehlungen zielen auf Lernen an tatsächlichen Aufgaben: Berufsspezifische KI-Inhalte sollen in Ausbildung und Einarbeitung eingebaut werden, begleitet von Beobachtung, Simulation, praktischer Arbeit, Feedback und Mentoring. Entscheidend ist dabei eine klare Grenze zwischen Vorschlag und Verantwortung. Neue Beschäftigte müssen wissen, wann sie eine KI-Ausgabe nutzen können, wann sie nachprüfen und wann sie den Fall eskalieren sollen. Zuständigkeiten sollten feststehen, bevor ein Fehler oder ein ungewöhnlicher Fall auftritt.

Für ein prüfbares Lernziel lässt sich daraus eine Aufgabe ableiten, bei der ein Berufseinsteiger einen fachlichen Vorgang bearbeitet und einen KI-Vorschlag begründet einordnet. Als Nachweis wäre sichtbar, welche Informationen geprüft wurden, warum der Vorschlag übernommen oder verworfen wurde und ob bei Unsicherheit rechtzeitig Hilfe geholt wurde. Das ist eine redaktionelle Übertragung der Empfehlungen auf die betriebliche Ausbildung, kein im Bericht vorgeschriebenes Prüfverfahren und kein Ersatz für die fachlichen Regeln des jeweiligen Berufs.

Die menschliche Dimension wird an derselben Aufgabe beobachtbar: Kann die Person den fraglichen Punkt verständlich beschreiben, Rückmeldung aufnehmen und die Übergabe an eine zuständige Fachkraft sauber gestalten? Praxiswissen zeigt sich daran, ob sie einen normalen Ablauf sicher ausführt und eine Abweichung bemerkt. Ein Mentor kann zunächst vormachen, dann begleitet üben lassen und anschließend erklären, welche Besonderheit für die Entscheidung ausschlaggebend war. So wird Erfahrung an konkrete Fälle gebunden.

Wo KI einfache Zwischenschritte verändert, müssen Lerngelegenheiten bewusst erhalten bleiben. Sonst sieht eine neue Kraft nur das Ergebnis eines Systems, ohne zu verstehen, welche Eingaben, Kontrollen und Berufsurteile dahinterstehen. Daraus folgt nicht, dass jede Aufgabe ohne technische Hilfe wiederholt werden müsste. Maßgeblich ist, ob die Person die fachlichen Grundlagen und die Grenzen der KI auch dann erkennt, wenn eine Empfehlung plausibel wirkt.

Was für den deutschsprachigen Arbeitsmarkt offenbleibt

Die Ersatzbedarfsquoten aus dem Vereinigten Königreich und den USA lassen sich nicht auf Deutschland, Österreich oder die Schweiz hochrechnen. Berufsprofile, Ausbildungssysteme und Arbeitsmarktprognosen unterscheiden sich; auch die untersuchten internationalen Tätigkeiten entsprechen nicht automatisch einer bestimmten Ausbildung im DACH-Raum. Die Untersuchung liefert dort vor allem ein Raster für die Frage, welche Kompetenzen zugleich gelernt und im Arbeitsalltag belegt werden müssen.

Offen ist, wie groß die beschriebenen Lücken in einzelnen deutschsprachigen Berufen tatsächlich sind und welche Formen des Mentorings sie nachweislich verkleinern. Ebenso müssen Arbeitgeber vor Ort festlegen, welche KI-Anwendungen zu einer Rolle gehören, welche Entscheidungen Anfänger selbst treffen dürfen und wer bei Fehlern Verantwortung trägt. Die Untersuchung bleibt eine Forschungswarnung samt Empfehlungen, kein gemessener DACH-Befund: Sie fordert, KI-Unterricht und angeleitete Praxiserfahrung gemeinsam zu organisieren, liefert aber keine lokalen Wirkungsdaten dazu.

Lesen Sie auch:

• 95 Prozent starten KI-Projekte – doch die Fähigkeiten kommen nicht nach
• ChatGPT und Claude fielen fast gleichzeitig aus – eine gemeinsame Ursache fehlt
• KI-Agenten entscheiden mit – doch nur 66 Prozent vertrauen ihnen