Die KI nimmt uns nicht die Jobs - aber vielleicht den Berufseinstieg

00:00:00: Stell dir vor, du bist so Mitte zwanzig.

00:00:03: Du hast einen wirklich exzellenten Abschluss in der Tasche, hast all diese relevanten Praktika absolviert und stehst jetzt hoch motiviert von der Tür zu deinem absoluten Traumjob.

00:00:12: Ja?

00:00:13: Aber... Und das ist der Punkt!

00:00:15: Wenn du die Klinke drückst, stellst du fest dass jemand das Schloß ausgetauscht hat.

00:00:20: Oh

00:00:20: wow okay.

00:00:22: Niemand im Gebäude wurde gefeuert.

00:00:24: Die Lichter brennen, die Firma macht sogar Rekordgewinne aber du kommst trotzdem nicht rein.

00:00:29: Und genau dieses, na ja fast unsichtbare Phänomen auf unserem Arbeitsmarkt steht heute im Zentrum unserer ausführlichen Analyse.

00:00:36: Wir schauen uns das präzise an!

00:00:38: Genau wir dröseln das heute richtig auf... Richtig!

00:00:41: Unsere Grundlage dafür ist eine aktuelle Quellensammlung aus der Reihe KI-Vordenker

00:00:46: kuratiert von Dr.

00:00:48: Peter Schopf und das absolute Kernstück dieser Sammlung dass wir heute besprechen ist eine brandneue Studie des Stanford Digital Economy Lab

00:00:57: Ja?

00:00:58: verfasst von den Forschern Brunyolfson, Chanda und Chen.

00:01:03: Und die zentrale Leitfrage – also quasi unsere Mission für diesen Deep Dive lautet «nimmt künstliche Intelligenz eigentlich gar nicht so sehr bestehende Jobs weg», sondern sägt sie vielmehr klammheimlich die allererste Sprosse der Karriereleiter ab?

00:01:18: Das ist wirklich eine faszinierende Frage!

00:01:21: Was an dieser Stanford-Studie sofort ins Auge springt, ist die methodische Wucht.

00:01:28: Okay, was genau meinst du mit Wucht in dem Fall?

00:01:31: Naja.

00:01:32: Wir operieren hier nicht im Reich der gefühlten Wahrheiten oder dieser anekdotischen Evidenz von ein paar Taxceos die auf Twitter irgendwas behaupten?

00:01:42: Gott sei Dank

00:01:43: Ja absolut!

00:01:44: Die Basis dieser Untersuchung sind hochfrequente anonymisierte Gehaltsabrechnungsdaten und zwar vom Dienstleister ADP.

00:01:52: Okay das heißt wir sprechen über echte Payroll-Daten

00:01:55: Genau Von Millionen von US-Arbeitnehmern.

00:01:59: Und das fortlaufend bis in den Juni, zwanzig.

00:02:03: Wow!

00:02:04: Solche Daten sind für Arbeitsmarktökonomen wirklich pures Gold.

00:02:08: Weil sie eben nicht hinterher hinken nämlich an...

00:02:11: Richtig.

00:02:12: Sie hinken nicht monatelang hinterher wie diese klassischen staatlichen Statistiken und, das ist das Wichtigste – sie messen NICHT was Unternehmen in Umfragen nur behauptend zu tun, sondern wohin sie Monat für Monat ihr echtes Geld überweisen?

00:02:27: Verstehe!

00:02:27: Weil Leute in Umfragen ja doch oft….

00:02:30: naja, sagen wir mal die Wahrheit etwas Schönen.

00:02:32: Exakt.

00:02:33: Aber die Gehaltsabrechnung lügt halt nicht.

00:02:35: Das erlaubt uns den Arbeitsmarkt quasi in Echtzeit unter dem Mikroskop zu betrachten Und zwar genau seit generative KI-Modelle breitflächig in die Unternehmenswelt integriert wurden.

00:02:48: Okay, dröseln wir das mal auf!

00:02:49: Denn wir müssen da direkt auf eine Zahl schauen, die aktuell überall zitiert wird.

00:02:54: Die neunzehn Prozent?

00:02:55: Genau – die Neunzehmprozent und wir müssen das hier in den richtigen Kontext setzen bevor irgendjemand Panik bekommt.

00:03:01: Unbedingt ja.

00:03:02: Die Forscher stellen also eine Beschäftigungslücke von neunzin Prozent fest… bei jungen Fachkräften Exakt definiert als die Zweiundzwanzig bis Fünfundzwanzighierigen.

00:03:13: Und zwar in stark KI-exponierten Berufen!

00:03:17: Wenn man das jetzt nur flüchtig liest, dann denkt man sofort oh Gott jeder fünfte Junior wurde durch ChatGPT auf die Straße gesetzt.

00:03:24: Ja, das ist der klassische Alarmismus aber das ist faktisch einfach falsch.

00:03:29: Eben.

00:03:29: Wir sprechen hier nicht von einem absoluten Jobabbau.

00:03:32: es ist nicht so dass massenhaft Leute gefeuert wurden.

00:03:35: Es geht um Opportunitätskosten oder?

00:03:37: Ganz genau.

00:03:38: Also der Gesamtmarkt wächst eigentlich, aber die Einsteiger in diesen KI-Berufen werden von diesem Wachstum komplett abgekoppelt?

00:03:47: Absolut!

00:03:48: Und das ist der entscheidende Unterschied zwischen einem relativen und einem absoluten Rückgang.

00:03:53: Lass uns da meine Analogie ziehen.

00:03:55: Das ist doch quasi so als wären zwei Autos auf der Autobahn oder?

00:03:58: Mhm.

00:03:59: Dass einer Auto kräscht nicht gegen die Wand es beschleunigt einfach nur nicht mehr so stark wie das Auto auf den Nebenspur.

00:04:04: Das is ein perfektes Bild.

00:04:05: ja Wenn wir den gesamten Zeitraum von November zwanzig, zweiundzwanzig bis Juni zwanzigs, sechsundzwantig betrachten, sehen wir folgendes.

00:04:15: Also in den Berufen die am wenigsten von KI berührt werden, genau physische Dienstleistungen Handwerk bestimmte Pflegeberufe da ist die Beschäftigung der Zweiundzwanzig- bis Fünfundzwanzigerjährigen im gleichen Zeitraum um etwa zehn Prozent gewachsen.

00:04:32: Okay, plus zehn Prozent bei den handfesten Berufen.

00:04:35: Richtig!

00:04:36: In den am stärksten KI-exponierten Berufen also Datenanalyse, Contenterstellung diese juristischen Vorprüfungen da ist die Beschäftigung in derselben Altersgruppe hingegen leicht gesunken um etwa elf Prozent.

00:04:53: Die neunzehn Prozent sind also die Lücke.

00:04:56: Die Lücke, die entsteht, wenn man vergleicht wo die Beschäftigung in KI-Berufen heute stehen würde.

00:05:01: Wenn sie im exakt gleichen Tempo gewachsen wäre wie der Rest des Marktes.

00:05:05: Okay das ist ein enorm wichtiger Punkt für das Gesamtverständnis.

00:05:10: Die absolute Zahl der Jobs für Berufseinsteiger ist leicht geschrumpft, aber eben nicht um neunzehn Prozent kollabiert.

00:05:16: Es gibt keinen wirtschaftsweiten Karlschlag!

00:05:19: Nein im Gegenteil die Gesamtbeschäftigung über alle Altersgruppen und Berufe hinweg ist in dieser ADP-Stichprobe im selben Zeitraum sogar gestiegen.

00:05:27: Echt?

00:05:28: Ja – um etwa sechs Prozent.

00:05:30: Die Daten zeigen ganz klar, wie die Wirtschaft läuft.

00:05:33: Unternehmen stellen ein… Aber eben nicht mehr in diesem einen spezifischen Segment Wobei die Studienautoren auch hier wissenschaftlich extrem sauber bleiben und betonen, das ist eine Korrelation.

00:05:46: Also

00:05:46: der sprichwertliche Kanarienvogel in der Kolemine.

00:05:49: Exakt!

00:05:50: Es ist ein Wahnsignal aber noch kein unumstößlicher kausaler Beweis dass generative KI wirklich der alleinige Täter ist.

00:05:58: Ja und da muss ich auch ehrlich gesagt direkt mal einhaken und den skeptischen Blickwinkel einnehmen.

00:06:02: Gerne

00:06:03: Wir betrachten hier ja das Fenster von Ende-Zwanzig-Zweiundzwanzig bis Mitte zwanzig sechsundzwantzig Und in exakt diesem Fenster hatten wir massive makroökonomische Beben.

00:06:13: Die Zentralbanken haben die Zinsen radikal nach oben geschraubt, um die Inflation zu bekämpfen.

00:06:18: Billiges Kapital aus dem Markt verschwunden – was ja gerade in der Tech-Branche zum massiven Entlassungswellen geführt hat.

00:06:25: Richtig!

00:06:25: Der große Techslump.

00:06:27: Genau und gleichzeitig hat sich das Homeoffice nach der Pandemie dauerhaft etabliert…was auch die Art wie wir Junioren einarbeiten völlig verändert hat.

00:06:37: Also wenn so viele tektonische Platten gleichzeitig in Bewegung sind, warum sollten wir ausgerechnet dem KI-Algorithmus die Schuld für diesen neunzehn Prozent Lücke geben?

00:06:47: Haben Brünjolfsson und sein Team diese Störfaktoren nicht einfach übersehen?

00:06:50: Also dieses Skepsis ist in der empirischen Wirtschaftsforschung nicht nur angebracht sondern zwingend erforderlich.

00:06:56: Gut.

00:06:57: Und genau deshalb verbringen die Autoren einen massiven Teil ihrer Untersuchung damit, diese alternativen Erklärungsmodelle einem Stresstest zu unterziehen.

00:07:05: Okay wie haben sie das gemacht?

00:07:07: Nehmen wir den Tech-Slump, den du angesprochen hast.

00:07:10: Die Forscher haben die reinen Techfirmen und die klassischen Softwareentwicklerberufe testweise komplett aus ihrem Datensatz herausgerechnet.

00:07:18: Ah!

00:07:19: Sie haben quasi gesagt okay was passiert wenn wir das Silicon Valley ignorieren?

00:07:23: Das Ergebnis Die Lücke bei den Junioren bleibt nahezu unverändert bestehen.

00:07:28: Wahnsinn!

00:07:29: Ja, sie existiert im Marketing in der Buchhaltung im Personalwesen völlig unabhängig vom Techsektor.

00:07:34: Okay

00:07:35: das schließt den Techsektor als alleinigen Treiber also aus.

00:07:39: Aber was ist mit den Zinsen?

00:07:40: Das trifft doch die Wirtschaft ganzheitlich.

00:07:43: Auch das wurde kontrolliert.

00:07:44: Bestimmte Berufe reagieren historisch extrem sensibel auf Zinsänderungen.

00:07:49: Zum

00:07:49: Beispiel Immobilienmarkler,

00:07:50: genau Immobilianbranche oder bei der Kreditvergabe.

00:07:53: Die Forscher haben Modelle gerechnet die diese Zinssensitivität isolieren.

00:07:57: und wieder das gleiche Bild Die Lücke bleibt.

00:08:00: Selbst als die Zinsen Mitte-Zweiten-Sächsen-Zwanzig schon längst ihren Höhepunkt überschritten hatten und wieder leicht sanken, vergrößerte sich die Lücke bei den Zweiundzwanzig bis Fünfundzwanzigerigen in KI Berufen stetig weiter.

00:08:14: Krass!

00:08:15: Und gleiches gilt für Modelle, die den Anteil an Homeoffice Möglichkeiten berücksichtigen.

00:08:21: Kein einziger dieser makroökonomischen Schocks kann dieses sehr spezifische Muster statistisch vollständig erklären.

00:08:27: Das ist wirklich faszinierend!

00:08:29: Und das lässt uns also mit einem Arbeitsmarkt zurück, der eigentlich wächst aber die Eingangstür für bestimmte Wissensberufe drückt er immer weiter zu.

00:08:38: und das führt uns direkt zur Frage nach der Mechanik.

00:08:40: wenn es keinen breiten Job-Kahlschlag gibt Wenn die etablierten Mitarbeiter nicht in Scharen gefeuert werden wie manifestiert sich diese Lücke dann in der Realität der Unternehmen?

00:08:49: Die Studie beschreibt hier ein Mechanismus, den sie Low-Hire low fire nennt.

00:08:57: Wenig Einstellen wenig Feuern

00:08:59: Genau und das ist extrem spannend wenn man sich die Einstellungs- und Kündigungsraten im Detail ansieht.

00:09:05: Die Anpassung des Marktes an die neue Technologie operiert fast ausschließlich über die Reduzierung von Neueinstellungen beim Nachwuchs.

00:09:14: Das bedeutet wer bereits in Unternehmen ist dessen Job ist erstaunlich sicher.

00:09:19: Die Trennungsraten, also Kündigungen und Entlassungen sind in den KI-exponierten Berufen für junge Leute sogar gefallen.

00:09:27: Sie liegen teilweise sogar unter den Raten von weniger exponierten

00:09:30: Berufe.".

00:09:30: Das ergibt aus einer reinen Unternehmenssicht ja absolut Sinn – ist aber für die Gesamtwirtschaft extrem türkisch weil es das Problem massiv verdeckt!

00:09:39: Weißt du wenn niemand mit dem Pappkarton unter dem Arm das Büro verlässt?

00:09:42: Dann gibt es keine alarmierenden Schlagzeilen über Massenentlassungen.

00:09:47: Richtig, die Krise passiert völlig geräuschlos.

00:09:49: Genau!

00:09:50: Es wird einfach nur die Stellenanzeige für den Trainee nicht mehr online gestellt – der Schreibtisch für den Praktikanten bleibt leer und das Budget für die Juniorrolle wird intern stillschweigend gestrichen….

00:10:00: es ist ein Abbau durch natürliche Fluktuation und quasi einen heimlichen

00:10:04: Einstellungsstopp.".

00:10:05: Und diese Geräuschlosigkeit sehen wir interessanterweise auch bei der Preisbildung am Arbeitsmarkt also bei den Gehältern.

00:10:12: In der klassischen ökonomischen Theorie würde man ja erwarten, wenn die Nachfrage nach Juniorarbeitskräften sinkt weil die KI ihre Aufgaben übernimmt dann müsste der Preis für diese Arbeit massiv einbrechen.

00:10:26: Angebot und Nachfrage.

00:10:28: Die Einstiegsgehälter müssten eigentlich in den Keller rauschen, aber in der Praxis kürzt kein Unternehmen das Einstiecksgehalt um vierzig Prozent weil man sich damit ja nur hochgradig demotivierte Leute ins Haus holt die beim kleinsten Gegenwind sofort wieder kündigen.

00:10:43: Man nennt dass in der VWL jahr klebrige Löhne.

00:10:47: also nach unten hin sind.

00:10:48: Gehälter sehr star.

00:10:49: Genau das ist es!

00:10:51: Und die ADP-Daten belegen das eindrucksvoll.

00:10:53: Bei der Grundvergütung gibt es kaum signifikante Anpassungen nach unten, die Unternehmen reagieren nicht über den Preis der Arbeit sondern rein über die Menge.

00:11:01: Ah... Es ist schlichtweg eine drastische Verknappung der Gelegenheiten für Berufseinsteiger.

00:11:07: Womit wir bei der vielleicht spannendsten Anomalie dieser ganzen Analyse wären?

00:11:12: Und hier wird's wirklich spannend.

00:11:14: Wir reden die ganze Zeit über die Zweiundzwanzig bis Fünfundzwanzighierigen.

00:11:17: Ja

00:11:18: Aber hindigen Quellen von Dr.

00:11:19: Schopf wird sehr deutlich, dass dieser Effekt isoliert bei den Junioren Auftritt!

00:11:25: Die älteren Arbeitnehmer sagen wir mal ab fünfundreißig und ganz besonders die Altersgruppe Fünfzig Plus, die weisen diese neunzehn Prozent Lücke überhaupt nicht auf.

00:11:34: Das ist der Wahnsinn oder?

00:11:36: Ja und das Verrückte ist ja sie arbeiten in exakt denselben stark KI-exponierten Berufen.

00:11:42: wenn künstliche Intelligenz das Marketing die Buchhaltung oder die Rechtsabteilungen verändert, warum da nur für die Person, die Vierundzwanzig ist und nicht für die Personen, die Fünfzig ist.

00:11:53: Ja um diesen drastischen Altersunterschied zu verstehen reicht es nicht mehr nur Gehaltsabrechnungen zu zählen.

00:11:59: Okay was brauchen wir dann?

00:12:00: Wir müssen verstehen, was die KI an einem durchschnittlichen Dienstagsvormittag im Büro eigentlich genau macht!

00:12:06: Dafür haben die Forscher eine zweite, extrem innovative Datenquelle herangezogen.

00:12:12: Den sogenannten Anthropic Economic Index.

00:12:16: Okay von den Machern?

00:12:16: Von Cloud?

00:12:18: Richtig!

00:12:19: Hierfür wurden Millionen von realen Konversation mit dem KI-Modell Claude analysiert.

00:12:25: Die Forscher haben ausgewertet welche konkreten beruflichen Aufgaben die Nutzer der KI eigentlich übergeben Und hier zeigt sich eine fundamentale Zweiteilung in der Nutzung.

00:12:36: Man unterscheidet zwischen Automatisierung und Ergänzung oder auf Englisch Augmentation.

00:12:43: Also Automatisierung bedeutet, die Maschine macht die Aufgabe komplett allein.

00:12:47: Der Mensch ist aus dem Prozess raus

00:12:49: Genau!

00:12:50: Und Ergänsung bedeutet Die Maschine Hilft dem Menschen seine Arbeit schneller, präziser oder umfangreicher zu erledigen.

00:12:57: Aber der Mensch ist noch am Steuer!

00:12:58: Richtig

00:12:59: und wenn man diese Lockdaten von Cloud mit den offiziellen Tätigkeitsbeschreibungen von Berufen abgleicht zeigt sich ein glasklares Bild.

00:13:08: in den Tätigsfeldern in denen KI hauptsächlich zur Automatisierung genutzt wird bricht die Beschäftigung der jungen Generation drastisch ein.

00:13:18: Das sind klassische Substitutionseffekte.

00:13:21: Wird die KI-Hingeben als Ehrgänzung, also als Werkzeug zur Komplementierung der menschlichen Arbeit genutzt bleibt die Beschäftigung nicht nur stabil sie wächst teilweise sogar.

00:13:32: und die absoluten Gewinner dieser Augmentationen sind die erfahrenen Arbeitskräfte – Die Seniors!

00:13:37: Für die Gruppe über Fünfzig korreliert eine starke komplementäre KI Nutzung sogar messbar mit einem Anstieg der Beschäftigungen.

00:13:46: Okay, lass uns das mal konkret machen damit es nicht so abstrakt in der Lufthängen bleibt.

00:13:50: Nehmen wir doch einmal eine klassische Anwaltskanzlei.

00:13:52: Sehr gutes Beispiel.

00:13:53: Hauptsächlich damit in einem fensterlosen Raum Zehntausende Seiten alter Gerichtsurteile zu lesen um Präzidenzfälle zu finden.

00:14:02: Er fasst PDF's zusammen und entwirft standardisierte Vertragsklauseln.

00:14:06: Ja Das ist klassische Automatisierung oder?

00:14:09: Die KI macht das in Sekunden und oft fehlerfreier.

00:14:12: Der Junior ist hier das Substitut Absolut

00:14:15: Und der Senior Der

00:14:16: Seniorpartner hingegen nutzt die KI, um diese Zusammenfassungen sofort auf dem iPad zu haben.

00:14:21: Aber seine eigentliche Arbeit ist es ja, die Strategie mit den Mandanten zu besprechen.

00:14:26: Die Nervosität des gegnerischen Anwalts im Gerichtssaal zu lesen und den Deal bei einem Abendessen einzufädeln.

00:14:33: Durch die KI kann dieser Senior jetzt vielleicht zehn Mandanten parallel betreuen statt nur fünf weil ihm die Recherchearbeit abgenommen

00:14:39: wird.

00:14:40: Seine Produktivität explodiert sein Wert für die Kanzlei steigt.

00:14:44: Das ist reine Augmentation.

00:14:46: Das ist das perfekte Beispiel für den Kernmechanismus und das bringt uns zum intellektuellen Fundament dieser Analyse.

00:14:53: Warum kann die KI den Teil des Juniors automatisieren, aber nur ergänzen?

00:14:59: Die Forscher erklären das durch die Unterscheidung von zwei Wissensformen.

00:15:04: Kodifiziertes Wissen und implizites Wissen.

00:15:07: Okay, kodifiziertes Wissens!

00:15:09: Was ist das genau?

00:15:10: Das alles was formalisiert, standardisiert und messbar ist.

00:15:14: Es ist das Regelwerk.

00:15:15: Alles was man in Handbüchern, Universitätsskripten In Code-Dokumentationen oder eben im Gesetzestext festhalten kann.

00:15:22: Das

00:15:22: ist quasi das komplexe Rezeptbuch.

00:15:25: Da steht EXAKT drin.

00:15:27: Für dieses Soufflé brauchst du Zweihnt Gramm Mehl, Fünfzig Milliliter Wasser und Du musst es exakt zwölf Minuten bei Hundert-Achzig Grad backen.

00:15:33: Wenn Du das Buch lesen kannst und die Regeln befolgen bekommst Du das Ergebnis

00:15:37: Richtig.

00:15:38: Und generative KI wurde auf Milliarden von solchen Texten also auf dem gesamten kodifizierten Wissen der Menschheit trainiert.

00:15:45: Sie ist die ultimative Rezeptausführungsmaschine.

00:15:47: Besser

00:15:48: kann man's nicht sagen.

00:15:49: Implizite wissen das Tassid-Knowledge.

00:15:52: Das ist die Intuition des Sternekochs!

00:15:54: Ah...

00:15:55: Der ließt das Rezept nicht mehr, der betritt die Küche, riecht an der Soße und weist durch zwanzig Jahre verbrannte Töpfe und hitzige Abend-Services, dass heute eine Prise mehr Muskatnuss fiel, weil die Luftfeuchtigkeit anders is'.

00:16:10: Dieses Bauchgefühl, diese Intuition für Nuancen.

00:16:13: Für Menschen und für das Chaos der Realität – das lässt sich nicht in einen Text prompt gießen!

00:16:20: Und genau da liegt dann wahrscheinlich der archimädische Punkt der Studie.

00:16:23: Generative KI ist unschlagbar darin digitalisiertes Regelwissen zu reproduzieren.

00:16:29: Klassischer Einstiegsjobs bestehen aber fast ausschließlich aus genau diesem codifizierten Wissen.

00:16:35: Der Junior lernt das Handwerk, in dem er nach Schema F arbeitet.

00:16:38: Er prüft Daten, verfasst Standardtexte setzt Kotbausteine nach klaren Vorgaben zusammen.

00:16:44: Genau, und die Daten belegen das Glas klar.

00:16:47: In den Berufsbildern, die den höchsten Anteil an routiniertem, codifiziertem Wissen aufweisen ist der Einbruch bei den Neueinsteigungen am massivsten.

00:16:55: Das macht total Sinn.

00:16:56: Der Senior hingegen operiert fast vollständig im Bereich des impliziten Wissens Verhandlungsgeschick Führungskompetenz Das Manövrieren von Firmenpolitik Das Erkennen von ungeschriebenen Regeln Bei einem Kunden.

00:17:09: Die KI hat keine Lebenserfahrung Sie hat keine Intuition, sie kann keine Körpersprache lesen.

00:17:16: Sie befreit den Senior nur von den Aufgaben die ihn bisher daran gehindert haben sich voll auf sein implizites Wissen zu konzentrieren.

00:17:25: Also was bedeutet das alles für uns?

00:17:28: Wenn wir das in einen größeren Zusammenhang einordnen?

00:17:31: Das führt uns doch unweigerlich zu einer gigantischen strukturellen Konsequenz.

00:17:36: Wenn wir das konsequent zu Ende denken, stehen wir vor einem enormen organisatorischen Paradoxon für die gesamte Wirtschaft.

00:17:43: Wir haben ja gerade etabliert dass das implizite Wissen also die Erfahrung des Seniors extrem wertvoll ist und durch KI sogar noch wertvoller wird.

00:17:53: Aber wie zum Teufel baut ein Mensch dieses implizierte Wissen auf?

00:17:56: Doch genau dadurch, dass er jahrelang das codifizierte wissen anwendet!

00:18:00: Genau,

00:18:01: hier liegt die zentrale Organisationsfrage der Zukunft auf die die Autoren am Ende hindeuten.

00:18:07: Das bisherige System in der Wissensökonomie war eine Art unsichtbarer Gesellschaftsvertrag.

00:18:14: Wie meinst du das?

00:18:15: Unternehmen haben junge Menschen eingestellt und sie dafür bezahlt repetitive Fleißarbeit zu erledigen – dass Auswerten von Excel-Tabellen, das Formatieren von Präsentationen.

00:18:25: Betriebswirtschaftlich hat sich das für die Firma gerechnet.

00:18:28: Klar!

00:18:29: Aber der unsichtbare Zweitnutzen war gigantisch.

00:18:33: Während der Junior stundenlang Tabellenformatiert hat, saß er im Büro neben dem Senior.

00:18:39: Er hat zugehört wie dieser am Telefon einen wütenden Kunden beruhigt?

00:18:44: Er hat miterlebt, wie eine Krise im Team gelöst wurde!

00:18:47: Er hat Fehler gemacht, wurde korrigiert und hat so ja fast durch Osmose über Jahre hinweg sein eigenes implizites Wissen aufgebaut.

00:18:55: Der Sandkasten für diese Fehler waren die Junior-Aufgaben?

00:18:58: Exakt.

00:18:59: Und diesen Sandkastentonieren wir gerade systematisch zu, wenn die Fleißarbeit von der KI in Sekunden erledigt wird gibt es keine wirtschaftliche Rechtwärtigung mehr dafür jemanden einzustellen.

00:19:11: Das low hire Szenario aus den ADP Daten zeigt genau das.

00:19:15: Die Unternehmen sparen heute massiv Geld bei den Neueinstellungen Aber gleichzeitig sägen sie den Ast ab auf dem ihre zukünftigen Führungskräfte sitzen sollen.

00:19:24: Wenn jemand mehr die Jahre als trainee durchläuft, woher nehmen wir dann im Jahr zwei tausend vierzig Die erfahrenen seniors die souverän diese komplexen nicht kodifizierten Entscheidungen treffen können?

00:19:34: das ist das strategische dilemma.

00:19:36: Die technologie löst ein kurzfristiges effizienzproblem kreiert aber ein langfristiges ausbildungsproblem.

00:19:43: Es reicht nicht mehr zu sagen lasst die ka?

00:19:45: i den langweiligen teil machen.

00:19:48: Unternehmen müssen völlig neu erfinden, wie Wissenstransfer funktioniert wenn die traditionelle Lehrlingsphase wegfällt.

00:19:55: Denn die KI kann aus einem Anfänger keinen Meister machen.

00:19:58: sie kann ihm nur die Werkzeuge des Meisters in die Hand geben und ohne die Erfahrung diese Werkzeige richtig zu bewerten wird es gefährlich.

00:20:07: Und das bringt mich zu einem Gedanken den wir aus dieser großartigen Stanford Studie für die Praxis ableiten müssen Ein Gedanke, der mich wirklich beschäftigt.

00:20:14: Wenn der klassische organische Weg des Lernens durch das Mitmachen bei Routineaufgaben verschwindet zwingt das Unternehmen vielleicht zu völlig absorben.

00:20:22: neuen Maßnahmen Zum

00:20:24: Beispiel?

00:20:24: Na ja werden wir in Zukunft eine Welt sehen In der große Konzerne künstliche Übungsprojekte simulieren sowie Piloten im Flugsimulator tausende Stunden absitzen bevor sie ein echtes Flugzeug fliegen dürfen?

00:20:38: Das wäre denkbar.

00:20:39: Werden Firmen ihre Junioren dafür bezahlen, in einer sicheren, simulierten Umgebung Dummy-Projekte zu bearbeiten?

00:20:47: Also Krisen durchzuspielen und mit simuliertem Kunden zu verhandeln nur damit diese überhaupt noch das unersetzliche implizite Wissen aufbauen können.

00:20:55: Das wäre eine massive Investition!

00:20:57: Absolut!

00:20:59: Oder – und das ist ein Paradigmenwechsel der mir fast noch plausibler erscheint – wird sich die Definition von Berufseinstieg komplett drehen.

00:21:07: Wie meinst du

00:21:07: das?!

00:21:08: Vielleicht fangen Union in Zukunft direkt als eine Art Manager an.

00:21:12: Sie schreiben den Kot nicht mehr selbst, sie entwerfen den Vertrag nicht mehr von Grund auf.

00:21:17: Ihre einzige Aufgabe vom ersten Tag an ist es die Ergebnisse und ganz wichtig die Halluzinationen und Fehler der KI kritisch zu überwachen.

00:21:27: Das ist ein radikaler Gedanke!

00:21:29: Ja aber das würde bedeuten dass wir den Begriff der Erfahrung völlig neu definieren müssen.

00:21:34: Erfahrung ist dann nicht mehr die handwerkliche Fähigkeit, eine Aufgabe von null auf hundert selbst zu erledigen.

00:21:40: Erfahrung ist dann, die analytische Fähigkeiten in Millisekunden zu erkennen ob die Lösung, die mir die Maschine ausspuckt, genial oder absoluter Schwachsinn ist.

00:21:49: Das erfordert aber ein völlig anderes Scale Set

00:21:51: Genau und das sind Strukturen der aktuell völlig geräuschlos stattfindet wie wir an der neunzehn Prozent Lücke sehen Und das ist ein Gedanke, den du als Hörer definitiv im Hinterkopf behalten solltest.

00:22:02: Wenn du das nächste Mal eine Stellenausschreibung liest oder dich fragst warum die Tür zum Traumjob aktuell etwas schwerer aufgeht als noch vor ein paar Jahren.

00:22:11: Damit lassen wir Dich für heute mit dieser detaillierten Betrachtung allein bis zur nächsten Analyse.