Ersetzt KI Veteranen oder Junioren zuerst? Was die Daten wirklich zeigen

Wenn es darum geht, welche Jobs mit der Verbreitung von KI „zuerst verschwinden“, vermuten viele, dass erfahrene Beschäftigte mit Routinearbeit am stärksten gefährdet sind. Die Daten der letzten Jahre zeigen tatsächlich das Gegenteil.

Der Aufsatz „Canaries in the Coal Mine?“ von Brynjolfsson und Kollegen vom Digital Economy Lab der Stanford University wertet Lohndaten von Millionen Beschäftigten des Abrechnungsdienstleisters ADP aus und zeigt: In KI-exponierten Berufen stagniert gerade die Beschäftigung der 22- bis 25-Jährigen. Nach der ersten Fassung vom August 2025 berichtet die überarbeitete Fassung vom August 2026 mit Daten bis Juni 2026, dass sich die Lücke weiter vergrößert hat. Ein Aufsatz von Forschern der Harvard University, die rund 65 Millionen Lebensläufe ausgewertet haben (Fassung vom Mai 2026), stellt fest, dass in Unternehmen, die generative KI eingeführt haben, nur die Beschäftigung von Einsteigern sank, und eine Studie von Anthropic (März 2026), die Claude-Nutzungsdaten mit US-Beschäftigungsstatistiken abglich, fand Anzeichen in dieselbe Richtung bei der Einstellung junger Menschen.

Dieser Artikel ordnet anhand von Forschung und amtlicher Statistik ein, wie sich die Auswirkungen von KI auf die Beschäftigung nach Berufserfahrung unterscheiden – bei Einsteigern und Erfahrenen, und macht daraus Fragen, mit denen Sie erkennen, auf welcher Seite Ihr eigener Job steht. Welche Berufe am stärksten betroffen sind, behandelt Die 15 am stärksten von KI betroffenen Berufe; die Bedingungen, unter denen Arbeit bestehen bleibt, Berufe, die das KI-Zeitalter überleben; die Lücke zwischen Prognosen für Bürojobs und den tatsächlichen Daten Wird KI Bürojobs abschaffen?; und den Leistungsunterschied zwischen Menschen, die am selben Arbeitsplatz weiterarbeiten, Wie vergrößert KI die Kompetenzlücke unter Büroangestellten?

1. Die Antwort – die Daten sagen „zuerst die Jungen“

Keine Bauchgefühle – hier sind Zahlen, geprüft auf den Originalseiten der Herausgeber.

Zwei Punkte verdienen Aufmerksamkeit. Erstens: Es sinken die Einstellungen, nicht die Entlassungen steigen. Der Stanford-Aufsatz kommt zu dem Schluss, dass der Effekt vor allem über weniger Einstellungen junger Menschen wirkt und nicht über mehr Abgänge. Bevor Beschäftigte ihren Job verlieren, wird der Eingang schmaler. Zweitens: Eine breite Arbeitslosigkeit in der Gesamtwirtschaft ist nicht zu sehen. Das allererste Ergebnis desselben Aufsatzes lautet, dass es keine Belege für eine breite, gesamtwirtschaftliche Verdrängung gibt; die Gesamtbeschäftigung in der ADP-Stichprobe stieg im Zeitraum um etwa 6 %. Der Effekt konzentriert sich auf einen schmalen Ausschnitt: junge Menschen in KI-exponierten Berufen.

Die alte Annahme „Junge sind geschützt“ trägt nicht mehr. Stattdessen zeigt sich eine Struktur, in der KI am leichtesten gerade die Lehrbucharbeit automatisiert, die traditionell Einsteigern übertragen wurde – Routinecode, Buchhaltung, die erste Ebene von Kundenanfragen.

2. Was die amtliche Statistik zeigt – Arbeitslosigkeit junger Hochschulabsolventen in den USA und die Vermittlungsquote in Japan

Die Studien aus Abschnitt 1 stützen sich auf Lohn- und Lebenslaufdaten von Unternehmen. Hier prüfen wir, ob die nationale Statistik in dieselbe Richtung weist. Für die USA nutzen wir The Labor Market for Recent College Graduates, das die Federal Reserve Bank of New York vierteljährlich auf Basis der Current Population Survey (CPS) veröffentlicht; zum Vergleich ziehen wir die Erhebung zur Beschäftigung von Absolventen (auf Japanisch) des japanischen Arbeits- und des Bildungsministeriums heran.

Die Arbeitslosenquote junger Hochschulabsolventen stieg in vier Jahren um 1,2 Punkte, von 4,0 % auf 5,2 % – der stärkste Anstieg der vier Gruppen. In weiten Teilen der 1990er- bis 2010er-Jahre lag sie unter der Quote aller Erwerbstätigen; seit 2021 liegt sie durchgehend darüber. Von den erwerbstätigen jungen Absolventen arbeiten 42,5 % in Jobs, die normalerweise keinen Hochschulabschluss erfordern (die „Unterbeschäftigungsquote“ der New Yorker Fed).

Diese Statistik allein belegt nicht, dass KI die Ursache ist. Steigende Zinsen und die Korrektur der Einstellungen nach der Pandemie fallen in denselben Zeitraum. Genau deshalb vergleichen die Studien aus Abschnitt 1 KI-exponierte mit weniger exponierten Berufen – um diese Effekte zu trennen.

Die New Yorker Fed veröffentlicht auch die Arbeitslosenquote junger Absolventen (22–27 Jahre) nach Studienfach. Hier eine Auswahl.

Am höchsten ist die Arbeitslosigkeit junger Absolventen in den Informatikfächern, in denen KI viel zum Schreiben von Code genutzt wird. Das Bauingenieurwesen, ebenfalls ein Ingenieurfach, liegt niedrig, und die Pflege, die eine Zulassung und praktische Arbeit vor Ort verlangt, noch niedriger. Die Zahlen betreffen nur ein Jahr, 2024 (American Community Survey, veröffentlicht im Februar 2026), und spiegeln auch Faktoren außer KI wider, etwa die Zahl der Absolventen je Fach und die Konjunktur.

In anderen Ländern kann das Bild anders aussehen. In Japan etwa lag die Vermittlungsquote der Universitätsabsolventen (Bachelor), die im März 2026 abschlossen, am 1. April bei 98,0 % und damit auf Vorjahresniveau (Ministerium für Gesundheit, Arbeit und Soziales und Bildungsministerium (auf Japanisch), veröffentlicht am 22. Mai 2026). Einen Einbruch wie in den USA bei der Einstellung von Absolventen insgesamt sieht man dort nicht. Die Quote ist allerdings der Anteil der arbeitsuchenden Absolventen, die eine Stelle gefunden haben, und nicht nach Berufen aufgeschlüsselt. Unterschiede bei der KI-Nutzung nach Altersgruppe behandelt unser Artikel zur Kompetenzlücke unter Büroangestellten.

3. Warum Erfahrene standhalten

Als mögliche Erklärung stellt der Stanford-Aufsatz die Hypothese auf, dass KI kodifiziertes Wissen (in Schule, Lehrbüchern und schriftlichen Verfahren vermittelt) leichter ersetzt und implizites Wissen (durch Praxis und Mentoring erworben) ergänzt – und zeigt, dass die Daten in diese Richtung weisen: In Berufen, die stärker auf kodifiziertem Wissen beruhen, wächst die Einstiegsbeschäftigung langsamer; in Berufen, die stärker auf implizitem Wissen beruhen, wächst die Beschäftigung von Beschäftigten in der Karrieremitte und von Erfahrenen schneller. Die Autoren betonen, dass dies beschreibende, keine kausalen Ergebnisse sind.

Ein zweiter Hinweis ist, wie KI genutzt wird. Mithilfe des Anthropic Economic Index (Claude-Nutzungsdaten) berichtet derselbe Aufsatz: In Berufen, in denen KI überwiegend Arbeit übernimmt (Automatisierung), sinkt die Beschäftigung junger Menschen; in Berufen, in denen sie überwiegend Menschen unterstützt (Ergänzung), bleibt die Beschäftigung stabil oder steigt – besonders bei Erfahrenen. Bei gleich starker KI-Exposition entscheidet die Art der Nutzung über die Richtung.

Auch Stellenanzeigen weisen in dieselbe Richtung. In der Harvard-Studie verschwanden Aufgaben, die KI gut erledigt, nach und nach aus den Anzeigen für Einsteigerstellen in Unternehmen, die generative KI eingeführt hatten. Der Rückgang bei Einsteigern konzentrierte sich auf KI-exponierte Berufe, während der Trend bei Erfahrenen nahezu unverändert blieb.

Das ist das Feld des impliziten Wissens (tacit knowledge) – Wissen, das sich nicht in ein Handbuch schreiben lässt und nur im Arbeitsalltag verinnerlicht wird. KI reproduziert Lehrbuchwissen sofort, doch implizites Wissen liegt weiterhin zu großen Teilen bei Menschen. Das Gefälle „kodifiziert gegen implizit“ in den Daten weist in dieselbe Richtung wie diese Intuition.

4. Drei Fragen, um den eigenen Job einzuschätzen

Die Forschung zeigt: Jobs, bei denen sich der Einstieg verengt, haben einige Merkmale gemeinsam. Die drei Fragen unten sind das Raster dieses Artikels, um diese Merkmale auf den eigenen Job anzuwenden – kein Ergebnis der Forschung selbst.

Das können Einsteiger und Erfahrene je nach Zahl der Ja-Antworten tun.

Zu den Fallbeispielen im Stanford-Aufsatz gehören unter anderem Softwareentwicklung und Kundenservice. Zehnjahresprognosen nach Beruf (US Bureau of Labor Statistics) finden Sie in Die 15 am stärksten von KI betroffenen Berufe.

5. Die verschwindende Ausbildung – wenn Einsteiger nicht mehr wachsen können

Das ernste Risiko: Unternehmen könnten eine Zeitbombe legen – keine Einsteiger mehr einstellen → Einsteiger entwickeln sich nicht → in einigen Jahren fehlen Erfahrene.

Früher haben junge Ingenieure und Buchhalter den Code der Älteren gelesen, Routineaufgaben erledigt und dabei implizites Wissen verinnerlicht. Übernimmt KI diese Einstiegsaufgaben, verschwindet mit ihnen der Ort, an dem Einsteiger lernen.

Anders gesagt: Ein Unternehmen, das entscheidet „KI senkt die Kosten, also stellen wir keine Absolventen mehr ein“, entscheidet zugleich, seine künftigen Erfahrenen nicht einzustellen. Auch der Stanford-Aufsatz nennt die schwächere Einstellung von Einsteigern ein frühes Anzeichen dafür, dass generative KI die „Karriereleiter“ beeinflussen könnte. Wichtig: „Mangel an mittlerer Ebene in einigen Jahren“ ist eine Sorge auf Basis heutiger Daten, keine gemessene Tatsache.

6. Das Gegenargument – „KI ist nicht zwingend die Ursache“

Es gibt starke Gegenargumente. Eine Analyse des Budget Lab der Yale University (Oktober 2025) kam zu dem Schluss, dass der Arbeitsmarkt insgesamt in den 33 Monaten nach der Veröffentlichung von ChatGPT keine erkennbare Störung erlebt hat. Die Berufsstruktur veränderte sich etwas schneller als bei früheren Technologiewechseln, aber nicht deutlich – und die Veränderung begann schon vor der breiten KI-Nutzung. Auch Anthropics eigene Studie (März 2026) fand keinen systematischen Anstieg der Arbeitslosigkeit bei stark exponierten Beschäftigten.

Der Stanford-Aufsatz benennt seine eigenen Schwächen offen:

• Die Lücke schrumpft, wenn man das Bildungsniveau berücksichtigt: Ob Bildung eine alternative Erklärung ist oder gerade der Kanal, über den KI wirkt, lässt sich nicht unterscheiden
• Ein Teil der Abweichung ist älter als ChatGPT: Stärker und weniger exponierte Berufe entwickelten sich schon rund um die Pandemie unterschiedlich
• In ADP-Daten ist die Lücke größer als in nationalen Erhebungen: Die nationalen Statistiken zeigen in dieselbe Richtung, aber schwächer

Zugleich hält der Aufsatz fest, dass die Lücke bestehen bleibt, wenn man die Zinsabhängigkeit berücksichtigt, Tech-Unternehmen und Computerberufe ausschließt und Homeoffice einrechnet; dass sie sich auch nach dem Zinshöhepunkt weiter öffnete; und dass sie sich auf Berufe konzentriert, in denen KI zur Automatisierung genutzt wird, mit einem klaren Altersgefälle – Muster, die Zinsen oder Homeoffice allein schlecht erklären.

Man kann also nicht sagen, dass KI die einzige Ursache für die stockende Beschäftigung junger Menschen ist. Doch der Zusammenhang – je stärker ein Beruf KI-exponiert ist und je mehr KI dort zur Automatisierung genutzt wird, desto stärker sinken die Einstellungen junger Menschen – zeigt sich wiederholt in mehreren unabhängigen Datensätzen. Die Position dieses Artikels: KI ist nicht die einzige Ursache, aber einer der Druckfaktoren am Berufseinstieg.

7. Strategien für Berufseinsteiger

„Die Daten habe ich verstanden – was mache ich jetzt?“ Hier eine praktische Liste.

1. Arbeitgeber wählen, bei denen KI Menschen unterstützt

Im selben Beruf gibt es Arbeitgeber, die ganze Aufgaben an KI abgeben, und solche, die KI zur Unterstützung von Menschen nutzen. Im Stanford-Aufsatz blieb die Beschäftigung junger Menschen in Berufen, in denen KI die Arbeit ergänzt, stabil oder stieg. Fragen Sie im Vorstellungsgespräch: „Was machen Neulinge mit KI, und wer prüft das?“ – die Antwort zeigt, wohin der Arbeitgeber neigt. KI nutzen zu können, ist selbstverständlich; den Unterschied macht das Urteil, an welchen Stellen des Ergebnisses man zweifeln und was man korrigieren muss.

2. Früh Terrain besetzen, auf dem KI schwach ist

• Körperliche Präsenz: Arbeit vor Ort, Gesundheit und Pflege, persönliche Kommunikation
• Verantwortliche Urteile: Compliance, Governance, Ethik
• Kreative Fragen stellen: neue Geschäftsfelder, UX-Design, Marke
• Menschen bewegen: Vertrieb, Coaching, Führung

Wachsende Berufe und die für den Einstieg nötige Ausbildung sind in Berufe, die das KI-Zeitalter überleben tabellarisch aufbereitet.

3. Fähigkeiten kombinieren

Nur „programmieren können“ oder „Buchhaltung können“ reicht nicht mehr. Schaffen Sie Seltenheit durch Kombinationen wie „Fachgebiet × KI“ oder „Design × Daten“ – zum Beispiel „klinische Erfahrung + Prompt Engineering“ oder „juristische Praxis + Prüfung von KI-Ergebnissen“.

4. Sich selbst Orte schaffen, um implizites Wissen zu erwerben

Wenn Ihr Unternehmen Ihnen keine Gelegenheit gibt, den Code Älterer zu lesen, holen Sie sie sich selbst – über Open-Source-Projekte, eigene Projekte, Communitys und Mentoren. Wie die Daten zeigen, wächst in Berufen mit viel implizitem Wissen die Beschäftigung Erfahrener schneller. Im KI-Zeitalter können sich Einsteiger nicht mehr allein darauf verlassen, vom Arbeitgeber ausgebildet zu werden.

5. Eine Stufe aufsteigen – in Richtung Führung, Entwurf und Geschäftsentscheidungen

Reine Umsetzungsstellen lassen sich am leichtesten streichen. Wer aber früh in Rollen wechselt, in denen er Entwurfsentscheidungen trifft, das Geschäft versteht und Menschen bewegen kann, landet auf der Seite, die KI verstärkt. Auch im Stanford-Aufsatz war die Beschäftigung in Berufen, in denen KI Menschen unterstützt, stabil oder wachsend.

8. Wo sich Erfahrene nicht ausruhen dürfen

„Vorteil für Erfahrene“ heißt nicht, dass alle sicher sind. Diese Profile sind sogar stärker gefährdet als Einsteiger:

Kurz: nicht „erfahren = sicher“, sondern „erfahren, KI-versiert und mit Urteilskraft aus implizitem Wissen = sicher“. Was in den Daten wächst, sind nicht „Erfahrene allgemein“, sondern Erfahrene in Berufen, in denen KI Menschen unterstützt. Die Trennlinie ist die Haltung, nicht die Fähigkeit.

9. Was Unternehmen jetzt tun sollten

Neben Einzelnen müssen auch Unternehmen über ihre langfristige Personalstruktur nachdenken.

1. Einsteigereinstellungen als Investition in künftige Erfahrene sehen, nicht als Kosten

KI senkt kurzfristig die Kosten. Doch wer den Eingang schließt, riskiert in einigen Jahren einen Mangel an Fachkräften der mittleren Ebene und an Erfahrenen. Absolventeneinstellungen zu streichen kann heißen, die künftige Wettbewerbsfähigkeit zu streichen.

2. Die Ausbildung von Einsteigern für das KI-Zeitalter neu gestalten

Wenn „den Code der Älteren lesen“ und „an Routineaufgaben lernen“ nicht mehr funktionieren, braucht es ein neues Curriculum: KI-Lösungen kritisieren, mit KI diskutieren, ihre Grenzen selbst erleben.

3. Erfahrene als „KI-Verstärker“ einsetzen

Implizites Wissen der Erfahrenen × Skalierbarkeit der KI = großer Produktivitätsgewinn. Gestalten Sie Teams neu unter der Annahme, dass Erfahrene mit KI mehr schaffen und ihre Art zu urteilen an Einsteiger weitergeben.

4. Die Regel „ein Mensch unterschreibt zuletzt“ festschreiben

Setzen Sie immer einen menschlichen Prüfpunkt, bevor KI-Ergebnisse in den Produktivbetrieb gehen. Das erhält Einsteigern Arbeits- und Lerngelegenheiten und sichert zugleich die Qualität.

Zusammenfassung

• Die Daten sagen: KI trifft Einsteiger zuerst. In der überarbeiteten Stanford-Fassung (August 2026) liegt die Beschäftigung der 22- bis 25-Jährigen in KI-exponierten Berufen 19 % unter dem Wert, der sich im Tempo weniger exponierter Berufe ergeben hätte. Die 35- bis 49-Jährigen in denselben Berufen wuchsen um etwa 10 %.
• Auch die Harvard-Auswertung von Lebensläufen findet die Beschäftigung von Einsteigern sechs Quartale nach Einführung generativer KI rund 9 % niedriger, während Erfahrene nahezu unverändert blieben. In beiden Fällen kommt der Rückgang von weniger Einstellungen, nicht von mehr Entlassungen.
• In der amtlichen Statistik stieg die Arbeitslosenquote junger Hochschulabsolventen in den USA von 4,0 % (Sept. 2022) auf 5,2 % (Sept. 2026) – der stärkste Anstieg der vier Gruppen. In Japan dagegen lag die Vermittlungsquote der Universitätsabsolventen vom März 2026 bei 98,0 %, ohne vergleichbaren Einbruch.
• Ein wahrscheinlicher Grund: KI ersetzt kodifiziertes Wissen und ergänzt implizites Wissen. Einsteiger gehen dort zurück, wo KI automatisiert; Erfahrene legen dort zu, wo KI Menschen unterstützt.
• Schätzen Sie Ihren Job mit drei Fragen ein: Lässt sich die Arbeit eines Neulings in ein Handbuch schreiben, erledigt KI die Arbeit anstelle von Menschen, und verschlechtern sich Einstellungen oder Arbeitslosigkeit von Absolventen?
• Gegenargumente: Das Budget Lab in Yale findet keine erkennbare Störung des Arbeitsmarkts insgesamt. Stanford räumt selbst ein, dass die Lücke bei Bereinigung um Bildung kleiner wird und manche Unterschiede älter als KI sind.
• Langfristig droht die verschwindende Ausbildung: Organisationen, die den Einstieg schließen, könnten in wenigen Jahren zu wenige Fach- und Führungskräfte haben.
• Auch Erfahrene sind gefährdet, wenn sie KI nicht nutzen, wenig Praxis haben oder ihr implizites Wissen nicht weitergeben können. Unternehmen sollten die Einstellung von Einsteigern als Investition in die Zukunft neu denken.

Häufige Fragen

F1. Ist „zuerst die Jungen“ nur ein US-Phänomen?

Die hier zitierte Forschung (Stanford, Harvard und Anthropic) und die Statistik der New Yorker Fed stammen aus den USA, und Analysen in diesem Umfang gibt es für andere Länder bisher kaum. In Japan etwa lag die Vermittlungsquote der Universitätsabsolventen vom März 2026 bei 98,0 % (Stand 1. April, unverändert zum Vorjahr), ohne einen Einbruch wie in den USA bei der Einstellung von Absolventen insgesamt. In Ländern mit ausgeprägter Tradition von Absolventen-Masseneinstellungen oder langfristiger Beschäftigung passen sich Einstellungen anders an; selbst wenn derselbe Wandel eintritt, können Form und Zeitpunkt abweichen. Da solche Quoten selten nach Berufen aufgeschlüsselt sind, ist es am verlässlichsten, anhand amtlicher Statistiken oder Branchendaten zu prüfen, wie sich die Einstellung von Absolventen in der eigenen Branche und die in Einsteigeranzeigen beschriebene Arbeit tatsächlich entwickeln.

F2. Sollten junge Menschen also keine Ingenieure mehr werden?

Im Gegenteil. Junge Menschen, die KI schon jetzt gut beherrschen, sind selten. Zurück gehen die Einstellungen für Einstiegsaufgaben, die KI leicht ersetzt; der Wert junger Menschen, die KI nutzen und Entscheidungen übernehmen können, steigt. In den Prognosen des US-BLS wachsen Softwareentwickler bis 2035 um +10,2 %, während Programmierer, deren Arbeit sich auf das Schreiben von Code konzentriert, um −7,3 % schrumpfen. Statt die Informatik aufzugeben, sollten Sie ändern, was Sie lernen und wie Sie es angehen.

F3. Wie werden 30- bis 40-Jährige zu „KI-versierten Erfahrenen“?

Nur drei Dinge:
(1) Täglich mindestens 30 Minuten mit Claude Code, Cursor oder Codex arbeiten
(2) Im eigenen Fachgebiet selbst erleben, wo die Fähigkeiten der KI enden
(3) Das Fachwissen so weit ausbauen, dass Sie KI-Ergebnisse kritisieren und korrigieren können
Langfristig zählt das Ausformulieren der eigenen Entscheidungskriterien mehr als die Bedienung von Werkzeugen.

F4. Lässt sich der Zusammenbruch der Ausbildungskette verhindern?

Auf Unternehmensebene ja: (1) Absolventeneinstellungen beibehalten, (2) Ausbildungsprogramme schaffen, die mit KI arbeiten, und (3) „Zeit zum Lehren“ als Teil der Arbeit Erfahrener festschreiben. Was gesamtgesellschaftlich passiert, ist offen; die Stanford-Autoren sind in der Phase, Indikatoren zu veröffentlichen, damit andere die Entwicklung weiter verfolgen können.

F5. Sind körperliche Jobs vor Ort (Bau, Pflege, Zustellung) wirklich sicher?

Vorerst vergleichsweise sicher. In Anthropics Nutzungsdaten arbeiteten etwa 30 % der Beschäftigten in Berufen ohne nennenswerte KI-Nutzung (Köche, Mechaniker, Rettungsschwimmer und Ähnliche). Jobs mit starkem Anteil „ein Mensch vor Ort entscheidet“ sind weit davon entfernt, ersetzt zu werden. Langfristig könnten sich autonome Roboter und selbstfahrende Fahrzeuge verbreiten; auf 20 Jahre betrachtet ist es eine andere Geschichte.

F6. Wer ist stärker – ein Erfahrener mit KI oder ein Einsteiger ohne KI?

In den meisten Arbeitsumfeldern vermutlich der Erfahrene mit KI. Wenn implizites Wissen und die Leistungsfähigkeit der KI zusammenkommen, wird der Produktivitätsabstand groß. Umgekehrt verliert ein Einsteiger ohne KI leicht an Boden, je mehr Einstiegsarbeit zur KI wandert.

F7. Ich habe das Gefühl, dass durch KI „die Hälfte meiner Arbeit weg ist“. Was tun?

Handeln Sie in drei Stufen. (1) Kurzfristig: Konzentrieren Sie sich auf die verbleibende Hälfte, um die Qualität zu steigern, und verdoppeln Sie mit KI die Produktivität beim Rest. (2) Mittelfristig: Erhöhen Sie bewusst den Anteil an Arbeit, bei der KI schwach ist (Urteil, Menschen, Körperliches). (3) Langfristig: Beobachten Sie den Wandel Ihrer Branche und definieren Sie neu, wie Ihr Beruf fünf Jahre nach der breiten KI-Verbreitung aussieht. Der Schlüssel ist der Gedanke, „sich seinen Platz in der Branche neu zu erarbeiten“.

Verwandte Artikel: Die 15 am stärksten von generativer KI betroffenen Berufe (Prognosen nach Beruf) / Wird KI Bürojobs abschaffen? (Prognosen und tatsächliche Daten) / Wie vergrößert KI die Kompetenzlücke unter Büroangestellten? (der Unterschied zwischen denen, die weiterarbeiten) / Was KI mit IT-Freelancern gemacht hat – dieser Artikel handelt von Anstellung, doch bei Freelancern wirkt Erfahrung umgekehrt