Für HR ist weniger entscheidend, ob ein einzelner Beschäftigungsrückgang bereits kausal auf KI zurückgeht. Entscheidend ist, ob die Organisation noch verlässlich Nachwuchs aufbaut, wenn einfache Wissens- und Routinetätigkeiten automatisiert oder stark beschleunigt werden. Genau dort liegt das betriebliche Risiko.
Das eigentliche Risiko liegt in der Lernarchitektur
Einstiegsjobs erfüllen zwei Funktionen. Sie erzeugen Leistung und sie vermitteln implizites Wissen: Wie erkennt man einen guten Kundenfall? Welche Abweichung ist relevant? Wann braucht es Rücksprache? Was unterscheidet eine formal korrekte von einer tragfähigen Entscheidung? Dieses Urteilsvermögen entsteht nicht allein in Schulungen. Es wächst durch wiederholtes Bearbeiten realer Aufgaben, durch Feedback und durch zunehmende Verantwortung.
Übernimmt ein KI-System die erste Recherche, den Standardentwurf oder die Auswertung vollständig, verschwindet nicht automatisch die Stelle. Es kann aber eine Sprosse der Lernleiter fehlen. Erfahrene Beschäftigte profitieren häufig schnell, weil sie Ergebnisse einordnen, Fehler entdecken und gute Rückfragen stellen können. Einsteigenden fehlt genau dieser Referenzrahmen. Wer ihnen nur die Bedienung eines Tools vermittelt, verwechselt Nutzungskompetenz mit beruflicher Handlungsfähigkeit.
Der im September 2026 veröffentlichte Bericht „Changing landscape of skills in the age of AI“ von ETF, Cedefop und weiteren internationalen Organisationen unterstreicht diese Verschiebung. Neben digitaler und KI-Kompetenz gewinnen höheres kognitives Denken, sozioemotionale Fähigkeiten, Anpassungsfähigkeit und menschliche Urteilskraft an Bedeutung. KI-Kompetenz wird als grundlegende Fähigkeit verstanden, die sicheren und ethischen Einsatz ebenso einschließt wie die praktische Nutzung.
Vom Stellenabbau zur Aufgabenanalyse
Die sinnvollste Einheit für HR-Entscheidungen ist deshalb zunächst nicht die Stelle, sondern die Aufgabe. Eine Rolle besteht aus Tätigkeiten mit unterschiedlichem Automatisierungs-, Lern- und Risikopotenzial. Wer nur fragt, wie viel Arbeitszeit ein Tool spart, übersieht, welche Tätigkeiten Erfahrung aufbauen.
Aufgaben nach vier Kriterien sortieren
Für jede Einstiegsrolle empfiehlt sich eine einfache Aufgabenlandkarte. Erstens: Welchen konkreten Wertbeitrag liefert die Aufgabe? Zweitens: Wie gut lässt sie sich technisch unterstützen oder automatisieren? Drittens: Welchen Lernwert hat sie für Fachwissen, Kontextverständnis oder Urteilsvermögen? Viertens: Welches Risiko entsteht bei Fehlern, etwa für Kunden, Mitarbeitende, Datenschutz oder Compliance?
Routine mit geringem Lernwert und niedrigem Risiko kann weitgehend automatisiert werden. Aufgaben mit hohem Lernwert sollten dagegen nicht einfach verschwinden. Sie können als beaufsichtigte Übung, Stichprobe oder Vergleich zwischen eigenem Entwurf und KI-Ergebnis erhalten bleiben. Bei hohem Risiko braucht es definierte Prüf- und Freigabeschritte. So entsteht ein differenziertes Design statt der groben Entscheidung „Mensch oder Maschine“.
Eine neue Lernleiter definieren
Für jede Rolle sollte klar sein, welche Stufen vom Verstehen über das Anwenden bis zum selbstständigen Entscheiden führen. Ein möglicher Einstieg lautet: zunächst einen Fall ohne KI strukturieren, anschließend einen KI-Vorschlag prüfen, Unterschiede begründen und erst später das Tool eigenständig einsetzen. In einer nächsten Stufe übernimmt die Person komplexere Fälle, erklärt ihre Entscheidung und gibt anderen Feedback. Der Lernfortschritt bemisst sich dann nicht an möglichst vielen Prompts, sondern an besserer Diagnose, sauberer Begründung und sicherem Handeln.
Sechs Hebel für HR und Personalentwicklung
1. Einstiegsrollen ausdrücklich als Entwicklungsrollen gestalten
Stellenprofile sollten neben Ergebnissen auch Lernziele enthalten. Welche Situationen muss eine Person nach drei, sechs und zwölf Monaten bewältigen können? Welche Entscheidungen darf sie dann treffen? Welche Aufgaben liefern die nötige Erfahrung? Diese Fragen verhindern, dass Effizienzprojekte unbeabsichtigt die Nachwuchspipeline ausdünnen.
2. Recruiting auf Lernfähigkeit und Arbeitsproben ausrichten
Wenn Standardaufgaben an Bedeutung verlieren, werden Lernagilität, Fachneugier und begründetes Urteilen wichtiger. Strukturierte Arbeitsproben können zeigen, wie Bewerbende Informationen prüfen, Annahmen kenntlich machen und mit einem fehlerhaften KI-Vorschlag umgehen. Das ist aussagekräftiger als eine unspezifische Forderung nach „KI-Affinität“. Bewertet werden sollten nachvollziehbare Kriterien, nicht die Vertrautheit mit einem bestimmten Produkt.
3. Onboarding in drei Lernspuren aufbauen
Ein belastbares Onboarding verbindet Fach- und Prozesswissen, KI-Kompetenz und reflektierte Praxis. Zur KI-Kompetenz gehören zulässige Anwendungsfälle, Datenschutz, gute Eingaben, Ergebnisprüfung und Eskalationswege. Die Praxisphase nutzt echte, aber geeignete Fälle, zu denen zeitnah Feedback erfolgt. Ein dokumentiertes Portfolio kann sichtbar machen, welche Aufgaben jemand bereits unter Anleitung und welche selbstständig beherrscht.
4. Führungskräfte als Lernarchitekten befähigen
Vorgesetzte entscheiden im Alltag, welche Aufgaben delegiert werden, wie Ergebnisse geprüft werden und ob Fehler zu Lernen führen. Sie benötigen deshalb mehr als Toolwissen. Sie müssen Lerngelegenheiten erkennen, Erwartungen klären, Entscheidungen transparent machen und Überforderung vermeiden. Das Proveco-Training „KI in der Führung“ setzt genau an dieser Verbindung aus Urteilsvermögen, Kommunikation und verbindlichen Teamregeln an.
5. Sichere Lernräume mit klarer Governance schaffen
Berufseinsteigende dürfen nicht darauf angewiesen sein, KI-Nutzung informell zu erlernen. Unternehmen brauchen freigegebene Systeme, verständliche Regeln für sensible Daten und eine Kultur, in der Unsicherheit angesprochen werden kann. Sinnvoll sind kennzeichnungspflichtige KI-Entwürfe, Vier-Augen-Prüfungen für kritische Ergebnisse und kurze Fallbesprechungen. Governance wird so nicht zum Verbotskatalog, sondern zur Voraussetzung für verantwortungsvolles Lernen.
6. Nachwuchsentwicklung mit den richtigen Kennzahlen steuern
Gesparte Minuten allein sagen wenig über Zukunftsfähigkeit aus. Ergänzend sollten HR und Fachbereiche messen, wie schnell Einsteigende definierte Kompetenzstufen erreichen, wie häufig Überarbeitungen nötig sind, welche Fehlerarten auftreten und wie sicher Entscheidungen begründet werden. Auch interne Besetzungen, Bindung nach zwölf Monaten und die Verfügbarkeit künftiger Fach- oder Führungskräfte gehören in das Bild. So wird sichtbar, ob KI Produktivität erhöht, ohne Lernen auszuhöhlen.
Ein 90-Tage-Pilot für mittelständische Unternehmen
Tag 1 bis 30: Eine Rolle verstehen
Wählen Sie eine häufig besetzte Einstiegsrolle mit erkennbarer KI-Nutzung. HR, Führungskraft und zwei Rolleninhabende erfassen die zehn bis fünfzehn wichtigsten Aufgaben. Sie bewerten Automatisierbarkeit, Lernwert und Risiko, markieren fehlende Lernschritte und definieren drei bis fünf Kompetenzen, die nach sechs Monaten sichtbar sein sollen. Bestehende Leistungsdaten dienen als Ausgangspunkt.
Tag 31 bis 60: Arbeit und Lernen neu kombinieren
Gestalten Sie für zwei oder drei Aufgaben einen neuen Ablauf. Legen Sie fest, wann ohne KI gearbeitet, wann ein KI-Ergebnis geprüft und wann das System frei genutzt wird. Ergänzen Sie kurze Reflexionsfragen: Welche Annahme war kritisch? Woran wurde ein Fehler erkannt? Welche Information fehlte? Führungskräfte erhalten Gesprächsleitfäden und reservieren feste Feedbackzeiten.
Tag 61 bis 90: Wirkung prüfen und skalieren
Vergleichen Sie Qualität, Bearbeitungszeit, Fehler, Selbstständigkeit und Lernfortschritt mit dem Ausgangspunkt. Befragen Sie Beteiligte zudem nach Rollenklarheit und psychologischer Sicherheit. Erst danach entscheiden Sie über die Ausweitung. Ein Pilot ist erfolgreich, wenn er nicht nur schneller macht, sondern die Fähigkeit erhöht, komplexere Aufgaben sicher zu übernehmen.
Was HR jetzt vermeiden sollte
Drei Kurzschlüsse sind besonders riskant. Erstens sollten frei werdende Aufgaben nicht reflexartig als Beleg für überflüssige Einstiegsstellen gelten. Zweitens darf KI-Kompetenz nicht auf eine einmalige Toolschulung reduziert werden. Drittens sollten Einsteigende nicht allein für die Qualität von Systemergebnissen verantwortlich gemacht werden, wenn ihnen Erfahrung, Regeln oder erreichbare Ansprechpersonen fehlen.
Ebenso problematisch wäre es, aus Vorsicht jede Nutzung zu blockieren. Dann entstehen Schattenpraktiken, ungleiche Lernchancen und ein falsches Bild der tatsächlichen Arbeit. Besser ist ein klarer Rahmen, in dem neue Routinen beobachtet, besprochen und verbessert werden können.
Fazit: Nachwuchsentwicklung wird zur Gestaltungsfrage
Die aktuelle Evidenz rechtfertigt weder Entwarnung noch Alarmismus. KI ist bislang kein allgemeiner Jobkiller, doch erste Signale bei Berufseinsteigenden verdienen Aufmerksamkeit. Die zentrale Frage lautet nicht, ob Unternehmen Nachwuchs trotz KI brauchen. Sie lautet, wie Nachwuchs künftig Erfahrung sammelt, wenn frühere Lernaufgaben automatisiert werden.
HR kann diese Entwicklung aktiv steuern: mit Aufgabenanalysen, klaren Kompetenzstufen, strukturiertem Onboarding, qualifizierter Führung und Kennzahlen, die Lernen ebenso ernst nehmen wie Effizienz. Unternehmen, die jetzt eine tragfähige Lernarchitektur aufbauen, sichern nicht nur Einstiegsrollen. Sie sichern die Fach- und Führungskompetenz, die ihnen in einigen Jahren sonst fehlen wird.
Sachlicher nächster Schritt: Prüfen Sie zunächst eine relevante Einstiegsrolle und machen Sie deren Lernlogik sichtbar. Wenn Sie Führungskräfte auf die Gestaltung KI-gestützter Zusammenarbeit vorbereiten möchten, bietet das Proveco-Inhouse-Training zu KI in der Führung einen praxisnahen Rahmen.
