KI und Arbeitsmarkt: Warum Berufseinsteiger unter Druck geraten

KI verändert die Chancen beim Berufseinstieg. Neue ifo-Zahlen zeigen einen deutlichen Rückgang bei jungen Beschäftigten in stark betroffenen Berufen. Für die Einordnung sind einige Unterschiede entscheidend.

Was die ifo-Zahlen zum Arbeitsmarkt zeigen

Die Auswirkungen von KI auf den Arbeitsmarkt lassen sich nicht an einer einzigen Beschäftigungszahl ablesen. Ein Beruf kann insgesamt wachsen, während junge Menschen dort schwerer Fuß fassen.

Genau auf diese Entwicklung weist ein neuer Frühindikator des ifo-Instituts hin. Er vergleicht Beschäftigung und Einstellungen nach Alter in 140 Berufen mit deren KI-Exposition. Gemeint ist, wie stark die jeweiligen Tätigkeiten durch künstliche Intelligenz beeinflusst werden können.

Seit dem dritten Quartal 2022 ergibt sich ein unterschiedliches Bild:

• In den am stärksten KI-exponierten Berufen stieg die Beschäftigung insgesamt um 1,8 Prozent.
• In den am wenigsten exponierten Berufen sank sie um 6,4 Prozent.
• Bei den 20- bis 24-Jährigen ging die Vollzeitbeschäftigung in den am stärksten exponierten Berufen um 14 Prozent zurück, von rund 279.000 auf 239.000.

Das Institut sieht bislang keinen breiten KI-bedingten Stellenabbau. Der Berufseinstieg fällt in den betrachteten Berufen jedoch durch eine schwächere Entwicklung auf. Die Zahlen stammen aus der ifo-Pressemitteilung vom 9. November 2026.

14 Prozent weniger Beschäftigung bedeutet nicht 14 Prozent durch KI ersetzte Jobs

Die Zahl beschreibt einen Rückgang innerhalb einer bestimmten Altersgruppe und Berufsgruppe. Sie ist weder eine allgemeine Arbeitslosenquote noch eine Zählung von Stellen, die nachweislich durch KI ersetzt wurden.

Auch die Altersgruppe ist eine Annäherung an den Berufseinstieg. Nicht jeder Mensch zwischen 20 und 24 Jahren steht am Anfang seiner Laufbahn. Umgekehrt beginnen viele Menschen erst später ihren ersten Beruf oder wechseln das Tätigkeitsfeld.

Der t3n-Bericht zur ifo-Analyse nennt außerdem demografische Veränderungen und längere Ausbildungszeiten als mögliche Einflussfaktoren. Aus dem Indikator lässt sich deshalb nicht ableiten, dass allein KI die beobachtete Entwicklung verursacht.

Diese Einschränkung macht den Befund nicht bedeutungslos. Sie bestimmt, welche Schlussfolgerungen die Daten tragen.

Warum Einstiegsaufgaben besonders relevant sind

Eine plausible Erklärung liegt in der Verteilung von Aufgaben. Wer neu in einen Beruf einsteigt, übernimmt häufig überschaubare Arbeiten mit klaren Vorgaben. Dazu können erste Textentwürfe, einfache Auswertungen oder kleinere Programmieraufgaben gehören.

Solche Aufgaben haben zwei Funktionen: Sie liefern ein Arbeitsergebnis und schaffen Gelegenheit zum Lernen. Werden sie automatisiert, verändert sich möglicherweise beides.

In der Softwareentwicklung lässt sich das gut veranschaulichen. Eine kleine Fehlerkorrektur kann einem Junior helfen, die Codebasis, Tests und den Review-Prozess kennenzulernen. Erzeugt ein KI-Werkzeug den Änderungsvorschlag, bleibt die Lerngelegenheit nur erhalten, wenn jemand den Fehler nachvollzieht und die Lösung prüft.

Das ist ein praktisches Beispiel für einen möglichen Mechanismus. Die ifo-Zahl selbst belegt nicht, wie einzelne Unternehmen ihre Junior-Aufgaben verteilen.

KI kann Aufgaben ersetzen oder Menschen unterstützen

Für die Arbeitswelt ist entscheidend, wie Unternehmen die Technik einsetzen.

Bei der Automatisierung übernimmt KI eine Aufgabe weitgehend. Bei der Unterstützung, häufig als Augmentierung bezeichnet, hilft sie einem Menschen bei dessen Arbeit. Dasselbe Werkzeug kann beide Rollen erfüllen.

Ein Code-Assistent kann beispielsweise einen fertigen Vorschlag liefern. Er kann aber auch bestehenden Code erklären oder bei der Suche nach einem Fehler helfen. Ob daraus eine Lernhilfe oder eine eingesparte Einstiegsaufgabe wird, hängt vom Arbeitsablauf ab.

Dazu passt eine Beobachtung aus den USA: Das Stanford Digital Economy Lab berichtet in seiner aktualisierten Untersuchung, dass die Beschäftigungsanpassung bei jungen Menschen vor allem über weniger Einstellungen erfolgt. Die Rückgänge konzentrieren sich auf Berufe, in denen die KI-Nutzung eher Aufgaben automatisiert. Auch diese Untersuchung beschreibt Zusammenhänge und liefert keinen abschließenden Kausalnachweis. Die Stanford-Einordnung vom August 2026 lässt sich zudem nicht unmittelbar auf Deutschland übertragen.

Was Berufseinsteiger praktisch daraus ableiten können

Aus den Daten folgt keine verlässliche Liste sicherer und unsicherer Berufe. Sinnvoller erscheint mir, auf Fähigkeiten zu achten, die über das Erzeugen eines ersten Ergebnisses hinausgehen.

Für angehende Entwickler bedeutet das beispielsweise:

• Code erklären können: Welche Annahmen stecken in einer Lösung? Welche Sonderfälle fehlen?
• Ergebnisse überprüfen: Funktioniert der Vorschlag unter realistischen Bedingungen, und woran lässt sich das erkennen?
• Entscheidungen dokumentieren: Warum wurde dieser Ansatz gewählt, und welche Einschränkungen bleiben?
• Kontext verstehen: Welches Problem soll die Änderung für Nutzer oder das Unternehmen lösen?

Ein kleines, nachvollziehbar dokumentiertes Projekt kann diese Fähigkeiten sichtbar machen. Dazu gehören auch Fehlversuche, begründete Entscheidungen und der transparente Umgang mit KI-Unterstützung. Eine Garantie für eine Einstellung ist das nicht. Es zeigt aber mehr vom eigenen Verständnis als ein fertiges Ergebnis allein.

Unternehmen müssen Lerngelegenheiten mitplanen

Für Unternehmen entsteht eine längerfristige Aufgabe: Wenn KI bisherige Einstiegsarbeiten übernimmt, brauchen neue Beschäftigte andere Wege, um Erfahrung zu sammeln.

Mögliche Ansätze sind gemeinsame Reviews, betreute Teilaufgaben und feste Zeit für die Prüfung von KI-Ergebnissen. Dabei sollte klar sein, was ein Junior selbst verstehen und verantworten muss.

Meine Einschätzung: Wer heute Aufgaben automatisiert, sollte gleichzeitig überlegen, wie daraus morgen noch Fachwissen im Team entsteht. Erfahrung setzt Gelegenheiten voraus, Entscheidungen zu treffen, Fehler zu erkennen und Rückmeldungen zu bekommen.

Der ifo-Frühindikator gibt dafür einen konkreten Anlass. Die Gesamtbeschäftigung allein reicht offenbar nicht aus, um die Chancen beim Berufseinstieg zu beurteilen. Ebenso relevant ist, wer neu eingestellt wird und welche Möglichkeiten diese Menschen erhalten, ihren Beruf zu lernen.