KI und Berufseinstieg: Gen X sieht Chancen, Gen Z verliert Lernaufgaben

46,1 gegen 32,2 Prozent: So weit liegen Generation X und Generation Z auseinander, wenn sie den KI-Einsatz beim eigenen Arbeitgeber bewerten. Bei KI und Berufseinstieg geht es also weniger um Technikbegeisterung als um Verteilung: Erfahrene gewinnen Rollen, Jüngere verlieren die Aufgaben, an denen sie ihren Beruf lernen. Wer beides zusammendenkt, sieht ein Organisationsproblem, kein Generationenproblem.

Die Zahlen stammen aus einer Auswertung von Arbeitgeber-Bewertungen des Portals Glassdoor^?Bewertungsportal, auf dem Beschäftigte anonym ihren Arbeitgeber beurteilen. Die Daten sind freiwillig abgegeben und damit nicht repräsentativ., über die Bloomberg am 27. August 2026 berichtete. Beschäftigte in ihren 40ern, 50ern und 60ern äußern sich dort am positivsten über KI, „auch weil der Übergang mehr Möglichkeiten für Beschäftigte auf Führungsebene schafft“.

Was messen die Glassdoor-Daten, und was nicht?

Sie messen Stimmung, nicht Beschäftigung. Grundlage sind freiwillig geschriebene Arbeitgeber-Bewertungen, keine repräsentative Umfrage. Wer dort schreibt, hat meist einen Anlass, positiv oder negativ. Der Altersunterschied ist deutlich genug, um ihn ernst zu nehmen. Als Beleg dafür, dass Einstiegsstellen tatsächlich in bestimmter Zahl verschwinden, taugt er nicht.

Genau diese Trennung geht in der Debatte regelmäßig verloren. Eine Wahrnehmungslücke von 14 Prozentpunkten sagt etwas über Erwartungen und über das Vertrauen in den eigenen Arbeitgeber. Über Stellenzahlen sagt sie nichts. Ähnlich vorsichtig muss man mit politischen Befunden umgehen, wie die Diskussion um fehlende Belege für KI-bedingten Stellenabbau in Deutschland zeigt.

Warum trifft KI und Berufseinstieg die Jüngeren zuerst?

Weil Sprachmodelle^?KI-Systeme, die auf großen Textmengen trainiert sind und Sprache erzeugen oder zusammenfassen, etwa ChatGPT oder Claude. am besten das erledigen, was Einsteiger früher gemacht haben. Recherchen zusammenfassen, Protokolle schreiben, Datensätze aufräumen, erste Entwürfe liefern. Diese Arbeit war für das Unternehmen nie besonders wertvoll, aber sie war der Weg, auf dem junge Beschäftigte ein Gefühl für Qualität, Kunden und Fachurteil entwickelt haben.

Wie weit die Verschiebung reicht, ist offen. Die Randstad-ifo-Befragung vom Juli 2026 fand 14 Prozent der Unternehmen, die KI für Aufgaben einsetzen, die bislang häufig Berufseinsteiger erledigt haben. Das ist der jüngste belastbare Wert, den ich kenne; neuere repräsentative Erhebungen zur Automatisierung von Einstiegsaufgaben liegen bislang nicht vor. Auffällig ist: Die Generation Z nutzt KI privat und beruflich intensiv und beschreibt sie trotzdem als Mischung aus Chance und Konkurrenz. Ablehnung der Technik erklärt diese Skepsis nicht.

Was sollten Unternehmen jetzt organisieren?

Lernpfade müssen weg von Aufgaben, die ohnehin automatisiert werden. Wer Nachwuchs ausbilden will, muss den Kompetenzaufbau künftig aktiv planen, statt ihn als Nebenprodukt billiger Routinearbeit zu erwarten. Vier Schritte, die sich ohne großes Programm umsetzen lassen:

1. Prüfen statt produzieren: Geben Sie Einsteigern früh die Aufgabe, KI-Ergebnisse gegen Quellen, Kundenlogik und Recht zu kontrollieren. Das schult das Urteilsvermögen schneller als das Schreiben erster Entwürfe.

2. Markieren Sie im Aufgabenkatalog, welche Tätigkeiten Lernwert haben. Diese bleiben beim Menschen, auch wenn das Modell sie könnte.

3. Koppeln Sie Freigaberechte an nachgewiesene Fachkompetenz, nicht an Dienstjahre. Wer Fehler im Ergebnis erkennt, darf freigeben.

4. Messen Sie den Ausbildungsfortschritt getrennt vom Durchsatz. Sonst frisst die Effizienzkennzahl den Nachwuchs.

Der Rest ist Zeitplanung, und die verschiebt sich ständig, wie die Korrekturen an den Prognosen der Anbieter zeigen. Ihre Nachwuchsplanung verschiebt sich nicht mit. Sie läuft in Jahrgängen.

Ohne Anfängerarbeit entstehen keine Fachleute. Prüfen Sie deshalb im nächsten Teamgespräch eine einzige Liste: Welche drei Aufgaben, die Ihre Berufseinsteiger vor zwei Jahren gemacht haben, erledigt heute ein Modell? Und wo lernen die Betroffenen dasselbe jetzt stattdessen?