KI trifft Berufseinsteiger zuerst – doch die 19 Prozent beweisen keine Ursache
Bei den 22- bis 25-Jährigen zeigt sich in den untersuchten US-Payrolldaten die stärkste Beschäftigungslücke zwischen stark und schwach KI-exponierten Berufen. In diesem begrenzten Sinn trifft die Entwicklung Berufseinsteiger zuerst; die Daten beweisen aber weder, dass KI die Lücke verursacht hat, noch dass 19 Prozent ihrer Stellen gestrichen wurden.
Für Berufseinsteiger, Personalverantwortliche und Bildungsanbieter ist das ein Frühwarnsignal, keine fertige Diagnose. Entscheidend ist, die relative 19-Prozent-Lücke von den absoluten Veränderungen seit 2022 und der aktuellen Jahresrate zu trennen sowie die US-Ergebnisse nicht als Hochrechnung für Deutschland, Österreich oder die Schweiz zu behandeln.
Was die 19 Prozent tatsächlich messen
Die Kennzahl bezeichnet keinen Anteil entlassener Beschäftigter. Die Stanford-Revision vom 12. August 2026 beziffert vielmehr, wo die Beschäftigung der 22- bis 25-Jährigen in den zwei am stärksten exponierten Berufsgruppen im Juni 2026 relativ zu einer Vergleichsentwicklung lag: rund 19 Prozent unter dem Niveau, das bei gleichem Verlauf wie in den drei weniger exponierten Gruppen erreicht worden wäre; von November 2022 bis Juni 2026 sank die Beschäftigung in der ersten Gruppe um etwa 11 Prozent, während sie in der Vergleichsgruppe um rund 10 Prozent stieg.
Die drei Werte beantworten daher verschiedene Fragen. Minus 11 Prozent ist die absolute Veränderung des Beschäftigungsindex in den stärker exponierten Gruppen. Plus 10 Prozent beschreibt die Entwicklung der weniger exponierten Vergleichsgruppe. Die 19 Prozent drücken aus, wie weit die erste Gruppe relativ hinter dem höheren Vergleichsniveau zurückblieb; sie sind weder ein Stellenabbau von 19 Prozent noch einfach eine Differenz von 21 Prozentpunkten.
Ein vereinfachtes Beispiel verdeutlicht die Rechnung: Beginnen zwei Indizes bei 100, steigt einer auf 110 und fällt der andere auf 89, liegt 89 rund 19 Prozent unter 110. Daraus lässt sich nicht ablesen, wie viele Stellen wegen eines bestimmten KI-Systems entfielen. Beobachtet werden Beschäftigungsbestände in Berufsgruppen, nicht dokumentierte Ersetzungsentscheidungen einzelner Arbeitgeber.
Die Jahresrate zeigt die jüngste Bewegung
Die 19-Prozent-Lücke bündelt die seit Ende 2022 auseinanderlaufenden Entwicklungen bis Juni 2026. Eine Jahresrate vergleicht dagegen einen einzelnen Monat mit demselben Monat des Vorjahres. Sie kann zeigen, ob sich der negative Verlauf zuletzt fortgesetzt hat, ersetzt aber nicht die längerfristige Vergleichskennzahl.
Das Juli-Update von ADP Research weist für 22- bis 25-Jährige in stark KI-exponierten Berufen ein Beschäftigungsminus von 3 Prozent gegenüber Juli 2025 aus, den 34. Rückgangsmonat in Folge; in den am wenigsten exponierten Berufen blieb die Beschäftigung dieser Altersgruppe unverändert, über alle Berufe sank sie um 1,3 Prozent.
Für alle Altersgruppen zusammen ergibt sich ein anderes Bild: Die Beschäftigung in stark exponierten Berufen stieg im Jahresvergleich um 0,1 Prozent, in den am wenigsten exponierten um 1,1 Prozent. Die Auffälligkeit liegt damit nicht in einem allgemeinen Verschwinden KI-exponierter Berufe, sondern in der Verbindung von hoher Exposition und jungem Alter.
Warum daraus kein KI-Effekt bewiesen ist
Die Forscher stufen die Muster ausdrücklich als deskriptiv ein. Zeitliche Nähe zur Verbreitung generativer KI, schwächere Einstellungen junger Menschen und stärkere Rückgänge in Berufen mit eher automatisierender KI-Nutzung passen zu einem möglichen KI-Effekt. Eine solche Übereinstimmung ersetzt jedoch kein Experiment oder anderes Forschungsdesign, das konkurrierende Ursachen zuverlässig ausschließt.
Das Methodikprofil des Canaries Dashboard beschreibt eine rollierende, über fünf Jahre ausgeglichene Stichprobe von Unternehmen mit ADP-Lohnabrechnung und berücksichtigt nur Beschäftigte mit zugeordnetem Berufscode; sie repräsentiert weder den gesamten US-Arbeitsmarkt noch sämtliche ADP-Kunden und bildet Unternehmensgründungen, Schließungen, Beschäftigungsverschiebungen zwischen Firmen sowie Wechsel des Abrechnungsanbieters nur eingeschränkt ab.
Auch die Stanford-Autoren nennen Gründe für Vorsicht: Die Lücke wird kleiner, wenn Bildungsunterschiede berücksichtigt werden, einige abweichende Trends waren bereits vor der breiten Nutzung generativer KI sichtbar, und die Ergebnisse reagieren auf methodische Spezifikationen. Konjunktur, Finanzierungskosten, veränderte Nachfrage und branchenspezifische Einstellungszyklen bleiben mögliche Mitursachen. Deshalb ist plausibel, dass KI eine Rolle spielt, ihr genauer Anteil lässt sich aus den 19 Prozent aber nicht bestimmen.
Was sich auf den DACH-Arbeitsmarkt übertragen lässt
Die Daten sind ein US-Frühindikator und keine Schätzung für Deutschland, Österreich oder die Schweiz. Unterschiede bei Ausbildungssystemen, Arbeitsrecht, Branchenmix und Unternehmensstruktur können sowohl die Einführung von KI als auch die Reaktion der Beschäftigung verändern. Ohne vergleichbare lokale Daten wäre eine Übertragung der Prozentwerte eine Scheingenauigkeit.
Zudem sind 22- bis 25-Jährige nicht automatisch mit Berufseinsteigern gleichzusetzen. Manche haben in diesem Alter bereits mehrere Jahre Berufserfahrung, andere beginnen nach einem Studium gerade erst; ältere Absolventen und Quereinsteiger fehlen vollständig. Für betriebliche Analysen sind deshalb Erfahrungsstufe, Tätigkeitsfamilie und Aufgabenprofil aussagekräftiger als das Alter allein.
Übertragbar ist die Prüffrage: Gehen Einstiegsstellen innerhalb desselben Tätigkeitsfelds stärker zurück als erfahrene Rollen, besonders wenn viele Aufgaben standardisiert und dokumentiert sind? Lokale Stellenanzeigen, Einstellungen, interne Versetzungen und veränderte Aufgabenpakete können zeigen, ob ein ähnliches Muster besteht. Sie können jedoch erst dann etwas über KI als Ursache aussagen, wenn auch andere Veränderungen im Unternehmen und Arbeitsmarkt berücksichtigt werden.
Einstiegsrollen erhalten, ohne Automatisierung auszubremsen
Die Kennzahl rechtfertigt keine pauschale Streichung von Juniorstellen. Sie macht vielmehr ein Personalrisiko sichtbar: Wenn automatisierbare Routineaufgaben verschwinden, können zugleich jene Lerngelegenheiten wegfallen, über die Nachwuchskräfte bisher Fachwissen und Urteilskraft aufgebaut haben.
- Einstellungsdaten differenzieren: Bewerbungen, Interviews und Einstellungen nach Erfahrungsstufe, Tätigkeitsfamilie und Aufgabenprofil auswerten. So lässt sich erkennen, ob der Engpass beim Stellenangebot, bei der Auswahl oder bei verfügbaren Qualifikationen liegt.
- Juniorrollen neu bündeln: KI kann standardisierte Arbeit übernehmen, während Berufseinsteiger Qualitätsprüfung, fachliche Einordnung, Kundenkontakt und klar verantwortete Ergebnisse erlernen. Die Rolle braucht weiterhin Aufgaben, an denen Urteilskraft wächst.
- Mentoring einplanen: Gemeinsames Prüfen von KI-Ausgaben, nachvollziehbares Feedback und schrittweise größere Verantwortung sollten Teil der Arbeitsorganisation sein, nicht eine freiwillige Zusatzleistung.
- Kompetenz praktisch nachweisen: Arbeitsproben können KI-Einsatz, Quellenprüfung, Fehlererkennung und fachliches Urteil verbinden. Bildungsangebote sollten nicht nur die Bedienung einzelner Werkzeuge vermitteln, sondern Verantwortung für das Ergebnis trainieren.
Neue Tätigkeitsprofile helfen nur, wenn Beschäftigte die dafür erforderlichen Fähigkeiten erwerben können. Die Analyse zu neuen KI-Rollen und Kompetenzlücken vertieft diesen Zusammenhang.
Die praktische Konsequenz lautet daher nicht, einen KI-bedingten Verlust von 19 Prozent einzuplanen. Unternehmen sollten beobachten, ob ihre Einstiegswege schmaler werden, Lernaufgaben bewusst erhalten und die Ursache eines Rückgangs offenlassen, bis belastbarere lokale oder betriebliche Daten vorliegen.
Lesen Sie auch:
Newsletter abonnieren
Erhalten Sie die neuesten Nachrichten zu Web3, KI und Krypto direkt in Ihren Posteingang.