Die Sprosse fehlt schon länger.

Wenn KI die Aufgaben übernimmt, an denen Berufsanfänger bisher gelernt haben — woher kommen dann die Erfahrenen von morgen?

Michaela Verdel hat sie im August unter genau dieser Überschrift für die Marktforschung gestellt, angekündigt in der Depesche vom 19. August. In der Softwareentwicklung wird sie seit zwei Jahren diskutiert. In meinem eigenen Fach, der Business Intelligence, kann ich sie konkret machen: Ich habe gelernt, indem ich Datenmodelle von Hand gebaut, Berichte nachgerechnet und Formeln so lange auseinandergenommen habe, bis ich verstand, warum eine Zahl falsch war. Das macht heute in Teilen eine Maschine, und zwar schneller als ich damals.

Die Frage ist also berechtigt. Ich habe trotzdem ein Problem mit ihr.

Sie unterstellt, dass die Sprosse noch da war, bevor die KI kam.

Seit wann verschwindet die Einstiegsebene wirklich?

Ich habe dazu die amtlichen Zahlen für Deutschland geholt — nicht die Schlagzeilen, sondern die Tabellen des Bundesinstituts für Berufsbildung und des Statistischen Bundesamts. Vier Zeitreihen, alle nachgerechnet. Das ganze Material steht im Datenstück.

Der höchste Wert seit 2002 liegt im Jahr 2007 bei 625.884 Verträgen. Für 2025 zählt das BIBB 475.950. Das sind 149.934 weniger, ein Minus von 24 Prozent — und achtzehn Jahre Abstieg.

Achtzehn Jahre. ChatGPT ist nicht mal vier.

Die Kurve fällt seit fast zwei Jahrzehnten, mit einer kurzen Erholung nach Corona, die 2024 wieder gekippt ist. Das Vor-Corona-Niveau wurde nie mehr erreicht.

Liegt es daran, dass junge Leute keine Ausbildung mehr wollen?

Das ist die zweite bequeme Erklärung, und für 2025 stimmt sie nicht.

Die Nachfrage nach Ausbildungsplätzen ist gestiegen, um 0,7 Prozent. Das Angebot ist um 4,6 Prozent gefallen, das rein betriebliche sogar um 5,0. Am Ende blieben 84.400 junge Menschen ohne Platz — ein Fünftel mehr als im Vorjahr.

Seit 2011 betrachtet ist allerdings auch die Nachfrage gefallen, um 12,7 Prozent. Beides schrumpft. Aber 2025 war es nicht die Jugend, die abgesagt hat.

Gegen die einfache Lesart spricht noch etwas: Gleichzeitig blieben 54.400 Ausbildungsstellen unbesetzt. Es fehlen also nicht nur Plätze, es passt auch nicht zusammen — regional und nach Berufen.

Wer hat sich zurückgezogen?

Hier wird es unbequem, und hier steckt der eigentliche Befund.

Die Ausbildungsbetriebsquote sagt, wie viele Betriebe überhaupt ausbilden. 2007 war es fast jeder vierte, 2024 nicht einmal mehr jeder fünfte. Aufgeschlüsselt nach Betriebsgröße ist das kein gleichmäßiger Trend, sondern ein sehr einseitiger:

• Betriebe mit 1 bis 4 Beschäftigten: von 11,8 auf 5,5 Prozent — mehr als halbiert
• Betriebe mit 5 bis 9: von 35,5 auf 23,3 Prozent
• Großbetriebe ab 500: von 88,3 auf 85,8 Prozent — praktisch unverändert

Und die Zahl, die alles zusammenhält: In Deutschland gab es 2024 81.022 Betriebe mehr als 2007 — und 93.073 Ausbildungsbetriebe weniger. Plus vier Prozent Betriebe, minus neunzehn Prozent Ausbildungsbetriebe.

Es sind nicht weniger Firmen da. Es sind weniger, die ausbilden.

Und jetzt die Zahl, die ich beim Schreiben selbst unterschätzt hatte. Rechnet man die Größenklassen zusammen, verlieren die Betriebe unter zehn Beschäftigten 120.394 Ausbildungsbetriebe. Bei allen ab zehn Beschäftigten ist die Zahl dagegen um 27.321 gestiegen, ein Plus von 12,7 Prozent.

Es sind also nicht überwiegend die kleinen. Es sind ausschließlich die kleinen — während der Rest zugelegt hat.

Aber das ist nicht die Branche, über die wir reden

Hier muss ich meine eigene Beweisführung bremsen.

Diese Zahlen messen die duale Ausbildung. Handwerk, Handel, Industrie, Verwaltung. Kein Unternehmensberater und kein Softwareentwickler hat je einen Ausbildungsvertrag unterschrieben — die Berufe, um die die KI-Debatte tatsächlich geht, kommen in dieser Statistik gar nicht vor.

Ein Teil des Rückgangs ist außerdem schlicht umgezogen. Wer 2007 eine Lehre begonnen hätte, studiert heute. Die Akademisierung erklärt einen erheblichen Anteil — und zwar in Richtung genau jener Berufe, in denen jetzt gekürzt wird.

Wer aus 475.950 Ausbildungsverträgen etwas über Junior-Berater ableitet, überdehnt die Daten. Ich also auch.

Warum ich sie trotzdem zeige

Weil es der einzige deutsche Datensatz ist, in dem sich über zwei Jahrzehnte beobachten lässt, was passiert, wenn eine Einstiegsebene verschwindet. Nicht als Beweis für die Wissensarbeit. Als Präzedenzfall.

Und der Verlauf ist das Lehrreiche daran. Es gab keinen Beschluss und keinen Zeitpunkt. Es waren tausend einzelne betriebswirtschaftliche Entscheidungen, jede für sich vernünftig: Ein Betrieb mit vier Leuten, der ausbildet, verliert Zeit, die er nicht hat. Also lässt er es. Dann noch einer.

Achtzehn Jahre später fehlen 149.934 Verträge, und niemand kann sagen, wann es zu spät war.

Das ist keine Entwarnung, sondern die schlechtere Nachricht. Ein Problem aus tausend Einzelentscheidungen lässt sich nicht mit einem Gesetz erledigen. Es braucht tausend einzelne Gegenentscheidungen.

Und in der Wissensarbeit läuft derselbe Prozess gerade an — nur schneller und mit einer besseren Begründung.

Und oben?

Während unten weniger nachkommt, geht oben der größte Jahrgangsblock der Nachkriegszeit.

Bis 2039 überschreiten laut Mikrozensus 13,4 Millionen Erwerbspersonen das Renteneintrittsalter — knapp ein Drittel aller Erwerbspersonen. Die 55- bis 64-Jährigen sind zusammen 10,0 Millionen. Die 25- bis 34-Jährigen 9,0 Millionen.

Die Jahrgänge sind gegeben, die Leute alle längst geboren. Ob die Lücke sich trotzdem schließt, hängt an Zuwanderung und Erwerbsbeteiligung — nicht an Geburtenzahlen.

Kann man einen Junior mit KI zum Senior machen?

Das ist der stärkste Einwand gegen alles, was ich bis hier geschrieben habe. Und er kommt aus meiner eigenen Erfahrung.

Ich habe einen großen Teil meines Berufslebens in Agenturen verbracht — als geschäftsführender Gesellschafter mit acht Leuten, später mit der Steuerung und Entwicklung eines 28-köpfigen Teams. In Agenturen ist die Leiter nicht metaphorisch, sondern steht in der Signatur: Junior, dann ohne Zusatz, dann Senior. Wer wie lange dabei ist, steht am Türschild.

Heute könnte ich einen Junior einstellen und ihn mit KI in kurzer Zeit auf ein Niveau bringen, für das er früher Jahre gebraucht hätte. Also: Warum nicht genau das tun?

Wer profitiert wirklich von KI — Anfänger oder Erfahrene?

Zwei große kontrollierte Studien kommen unabhängig voneinander zum selben Ergebnis.

Harvard und die Boston Consulting Group haben 758 Berater untersucht. Bei Aufgaben, die das Modell beherrscht, erledigten die KI-Nutzer 12,2 Prozent mehr Aufgaben, 25,1 Prozent schneller und in deutlich besserer Qualität. Entscheidend ist die Verteilung: Die unterdurchschnittlichen Berater verbesserten sich um 43 Prozent, die überdurchschnittlichen nur um 17.

Erik Brynjolfsson und Kollegen haben 5.179 Support-Mitarbeiter über die schrittweise Einführung eines KI-Assistenten beobachtet, veröffentlicht im Quarterly Journal of Economics. Ergebnis: 15 Prozent mehr Produktivität im Schnitt — 34 Prozent bei den Anfängern, nahezu null bei den Erfahrenen.

Zweimal dasselbe Bild. KI staucht die Unterschiede zusammen. Der Junior gewinnt viel, der Senior kaum etwas.

Das klingt nach einer Antwort. Sie hält nur der zweiten Hälfte der Daten nicht stand.

Was die Studien nicht messen

In derselben BCG-Untersuchung gab es Aufgaben, die außerhalb dessen lagen, was das Modell kann. Dort waren die KI-Nutzer 19 Prozentpunkte schlechter als die Kontrollgruppe. Die Autoren nennen diese Grenze „jagged frontier“ — ausgefranst, von außen nicht erkennbar. Man sieht ihr nicht an, auf welcher Seite man gerade steht.

Und zur Gegenfrage, ob KI wenigstens die Erfahrenen schneller macht: Ein randomisierter Versuch von METR mit 16 erfahrenen Entwicklern an ihren eigenen Projekten fand das Gegenteil. Sie waren mit KI 19 Prozent langsamer — und waren überzeugt, 20 Prozent schneller gewesen zu sein. Fast vierzig Prozentpunkte Selbsttäuschung.

Ehrlich zur Belastbarkeit: METR sind sechzehn Leute in einem Fachgebiet mit Werkzeugen von Anfang 2025 — ein Signal, kein Beweis. Die BCG-Studie lief in einer einzigen Firma mit konstruierten Aufgaben. Brynjolfsson misst Kundensupport, ein stark strukturiertes Feld. Keine dieser Studien beantwortet meine Frage direkt. Zusammen ergeben sie eine Richtung: KI hebt den Boden des Ergebnisses, nicht die Decke des Urteils.

Der Junior liefert bessere Arbeit. Das ist belegt und es ist nicht wenig. Aber keine dieser Studien misst, ob er besser einschätzen kann, wann das Ergebnis falsch ist. Die Fehlerklasse verschiebt sich von „kann er nicht“ zu „merkt er nicht“. Und die zweite ist die teurere, weil sie niemandem auffällt — darüber habe ich hier schon einmal geschrieben.

Der Junior mit KI sieht nach zwei Monaten aus wie ein Senior. Ob er nach zwei Jahren einer ist, entscheidet sich an etwas anderem.

Dasselbe passiert eine Stufe früher, schon bei der Einstellung. Florian Smeritschnig, Geschäftsführer von StrategyCase.com, sagt über Bewerbungen in der Beratungsbranche, generative KI mache sie professioneller — und es damit zugleich schwieriger, gute Bewerbende von durchschnittlichen zu unterscheiden. Wenn jede Bewerbung sauber strukturiert ist, ist saubere Struktur kein Signal mehr, sondern Grundrauschen.

Zweimal dieselbe Mechanik: Das Ergebnis sieht aus wie Können. Erst auf dem Papier, dann in der Arbeit.

Und was machen die Beratungen?

Sie streichen die Juniors.

In Großbritannien hat KPMG die Zahl der eingestellten Absolventen von 1.399 auf 942 gesenkt — ein Drittel weniger. Deloitte um 18 Prozent, EY um 11, PwC um 6. Als Begründung wird unter anderem genannt, dass KI die Einstiegsarbeit übernimmt: Recherche, Foliensätze, Datenaufbereitung.

Das ist nachvollziehbar. Es ist auch nicht die ganze Wahrheit — dieselben Berichte nennen die Beratungsflaute nach Corona, den Druck auf die Partnerausschüttungen und vor allem das Auslagern in günstigere Standorte nach Indien, Malaysia und auf die Philippinen. Letzteres ist die unbequemste Konkurrenzerklärung: Vielleicht verschwindet die Juniorarbeit gar nicht, vielleicht zieht sie nur um. Wer den Rückgang allein der KI zuschreibt, überdehnt die Zahlen.

Bleibt trotzdem eine unbequeme Beobachtung: Die Firmen streichen ausgerechnet die Gruppe, die laut Forschung am stärksten von dem Werkzeug profitiert — und behalten die, die am wenigsten davon hat.

Vielleicht ist das trotzdem richtig. Ein Junior, der mit KI gute Ergebnisse liefert, kostet immer noch mehr als kein Junior. Kurzfristig rechnet sich das.

Nur wird aus keinem von ihnen jemals ein Senior.

Und ich selbst

Ich bin ein schlechtes Beispiel für den geraden Weg.

Ich habe als staatlich geprüfter Kinderpfleger angefangen, danach Heilerziehungspflege, dann zwei Jahrzehnte Vertrieb und Verkaufsförderung. Mit Daten arbeite ich seit elf Jahren, in der Business Intelligence seit sieben. Es gab in meinem Leben keine Ausbildung, die mich auf das vorbereitet hat, was ich heute tue.

Meine Berufsbezeichnung enthält seit 2019 ein „Senior“. Nicht für Daten — für Vertrieb und Marketing.

Ich habe es nie benutzt. Nicht in der Signatur, nirgends. Beim Schreiben dieses Textes musste ich nachsehen, ob es überhaupt stimmt — ich war mir nicht sicher.

Das ist keine Bescheidenheit, es war mir einfach nie wichtig.

Genau darin steckt allerdings die Unsicherheit dieses ganzen Textes. Wenn der Titel nichts sagt und das Ergebnis inzwischen aus der Maschine kommen kann — woran machen wir Seniorität dann eigentlich fest?

Ein Zickzack-Lebenslauf ist kein Modell, er ist ein Einzelfall, und er hat mich Jahre gekostet, die andere schneller hatten. Aber er zeigt, dass Seniorität nicht nur auf einem Weg entsteht.

Wenn die klassische unterste Sprosse verschwindet, ist die Frage also nicht nur, wie wir sie zurückbekommen. Sie ist auch, ob wir bereit sind, Leute einzustellen, deren Weg nicht aussieht wie der, den wir selbst gegangen sind.

Die Frage, die bleibt

Seniorität entsteht an Arbeit, die jemand vorher gemacht hat. Wenn die unterste Sprosse fehlt, fällt niemand herunter.

Es kommt nur keiner mehr oben an.