Laut ifo schrumpfen KI-nahe Einstiegsjobs um 14 Prozent

Die ifo-Mitteilung vom 9. November 2026 beziffert für Deutschland einen Rückgang um 14 Prozent bei Vollzeitbeschäftigten im Alter von 20 bis 24 Jahren in stark KI-exponierten Berufen: Seit dem dritten Quartal 2022 sank ihre Zahl von rund 279.000 auf 239.000, während die Gesamtbeschäftigung in diesen Berufen um 1,8 Prozent stieg; ifo-Präsident Clemens Fuest sagte dazu: „Von einem breiten Jobabbau durch KI sehen wir bislang nichts.“ Die auffällige Veränderung betrifft die jüngste Altersgruppe innerhalb wachsender Berufsfelder. Aus den Zahlen allein folgt nicht, dass Arbeitgeber wegen KI Stellen gestrichen haben.

Für Berufseinsteiger wird damit eine andere Frage dringlich als für die gesamte Belegschaft: Wie viele Möglichkeiten bleiben, über einfache Aufgaben in einen Beruf hineinzuwachsen? Fuest beschrieb im Bericht des Standard das Spannungsfeld zwischen der Entscheidung einzelner Firmen, Aufgaben zu automatisieren, und der Notwendigkeit, künftige Fachkräfte auszubilden. Der Indikator ordnet Beschäftigung und Einstellungen nach Alter und Beruf ein; er beobachtet keine Entscheidungen einzelner Arbeitgeber über den Einsatz bestimmter KI-Systeme.

Die Datenbasis hinter dem Rückgang

Der EconPol Policy Report wertet deutsche Registerdaten zu etwa 22 Millionen sozialversicherungspflichtigen Vollzeitbeschäftigten zwischen 20 und 64 Jahren in 140 Berufen aus; die Quartalsreihe reicht von 2013 bis zum ersten Quartal 2026, Auszubildende sind ausgeschlossen, und nach einem Vergleich mit der allgemeinen Altersentwicklung beziffert der Bericht die zusätzliche Lücke in stark exponierten Berufen auf rund 34.000 junge Vollzeitkräfte. Der veröffentlichte Rückgang beschreibt einen Beschäftigungsbestand zu zwei Zeitpunkten. Er zählt weder offene Stellen noch Kündigungen und unterscheidet für sich genommen nicht zwischen selteneren Einstellungen, Abgängen und späterem Berufseinstieg.

Die Berufe sind nach dem Anteil ihrer Tätigkeiten geordnet, den Beschäftigte mithilfe eines großen Sprachmodells schneller erledigen könnten, ohne Qualität einzubüßen. Hohe Exposition sagt zunächst etwas über mögliche technische Berührungspunkte aus, nicht über den tatsächlichen KI-Einsatz in jedem Betrieb. Zu den besonders exponierten Tätigkeiten zählen Datenerfassung und Textverarbeitung, Softwareentwicklung, Verwaltungsarbeit sowie Schreiben und Journalismus. Die Aufnahme der letztgenannten Berufe zeigt, dass die Kategorie kein Synonym für eine einzelne Branche oder einen bestimmten Bildungsabschluss ist.

Warum der Beruf wächst und der Einstieg schrumpft

Der Gegensatz löst sich auf, sobald die Bezugsgruppen getrennt werden: Die Gesamtreihe umfasst auch erfahrene Beschäftigte, deren Zahl in stark exponierten Berufen leicht zulegte. Dieser Zuwachs kann das Minus bei den Jüngsten mehr als ausgleichen. Wer nur die gesamte Beschäftigung betrachtet, übersieht deshalb eine Verschiebung innerhalb derselben Berufe; wer allein auf die Jüngsten blickt, würde umgekehrt die stabile Nachfrage nach bereits vorhandener Erfahrung übersehen.

Die Untersuchung vergleicht darüber hinaus junge und ältere Beschäftigte innerhalb von Berufen sowie stärker und schwächer exponierte Berufsfelder. Das ist relevant, weil die Beschäftigung der Jüngsten auch in weniger exponierten Tätigkeiten zurückging. Ein Teil des absoluten Rückgangs gehört somit zu einer breiteren Altersentwicklung. In der zusätzlichen Gegenüberstellung bleibt jedoch ein deutlicher Abstand zugunsten älterer Beschäftigter in stark exponierten Berufen bestehen. Die Abweichung zeigt, warum ein einfaches Vorher-Nachher-Bild die Lage am Einstieg nur unvollständig erklärt.

Büroassistenz und IT-Support: Auf die Aufgaben kommt es an

Unterstützende Bürotätigkeiten und IT-Support werden als Beispiele genannt, weil dort Aufgaben anfallen, die KI bereits teilweise übernehmen kann und die bislang häufig einen Einstieg ermöglichten. Das betrifft etwa klar beschreibbare, wiederkehrende Arbeitsschritte; es ist keine Aussage, dass sämtliche Stellen in diesen Berufen verschwinden. Innerhalb desselben Berufs kann Technik Routinearbeit ersetzen und zugleich Fachkräfte bei schwierigeren Fällen unterstützen. Die Folgen für Neueinsteiger hängen somit davon ab, welche Aufgaben ihnen bisher übertragen wurden und wie Betriebe die Technik tatsächlich einsetzen.

Für die EU zeigt die ergänzende Befragung ein anderes, engeres Signal als das deutsche Register: In Berufen mit stärker automatisierbaren Aufgaben werden jüngere Menschen relativ seltener neu eingestellt als ältere. Die europäische Auswertung beruht auf Haushaltsbefragungen und endet früher als die deutsche Beschäftigungsreihe. Sie erlaubt deshalb keine Übertragung der deutschen Rückgangsquote auf Österreich, die Schweiz oder andere Länder. Besonders die Schweiz fällt nicht unter die EU-Befragung; für sie enthält dieser Vergleich keine entsprechende nationale Schätzung.

Welche Ursachen neben KI infrage kommen

Der zeitliche Gleichlauf mit der Verbreitung generativer KI macht den Befund auffällig, beweist aber keine alleinige Ursache. Demografische Veränderungen können die Zahl junger Erwerbstätiger verändern; längere Ausbildungszeiten verschieben den Eintritt in Vollzeitbeschäftigung. Hinzu kommen konjunkturelle Schwankungen der Nachfrage und die Möglichkeit, dass Einarbeitung bei räumlich getrennter Arbeit aufwendiger wird. Die Datensätze enthalten keine Betriebskennzeichen, mit denen sich Einführung und konkrete Nutzung von KI mit den Einstellungen desselben Unternehmens verbinden ließen.

Für Berufseinsteiger ist die mögliche Verengung der Lernphase dennoch folgenreich. Wenn routinierte Einstiegsaufgaben seltener an Menschen gehen, fehlen auch Gelegenheiten, Abläufe, Fehler und Ausnahmen unter Anleitung kennenzulernen. Ob Unternehmen andere Wege finden, diese Erfahrung aufzubauen, entscheidet mit darüber, ob der heutige Einstellungsabstand später zu einem Mangel an erfahrenen Fachkräften wird. Die nächste aussagekräftige Entwicklung liegt deshalb bei den Einstellungen nach Alter und Tätigkeitsart, nicht allein in der Gesamtzahl der Beschäftigten.

Lesen Sie auch:

• KI trifft Berufseinsteiger zuerst – doch die 19 Prozent beweisen keine Ursache
• Teachable oder Thinkific: Der günstigere Einstieg nimmt 7,5 Prozent
• KI-Stellen tragen falsche Namen: 53 Prozent mischen mehrere Berufsbilder