Mehr KI-Investitionen, mehr Junior-Hiring – jetzt zählt die Vorbereitung

Die einfache Erzählung zum KI-Arbeitsmarkt lautet: Junior-Rollen verschwinden zuerst. Die neuesten Daten auf Unternehmensebene sind weniger eindeutig. Am 1. Juli 2026 berichtete Learning News auf Basis neuer Arbeiten von Ramp und Revelio Labs, dass Unternehmen mit den höchsten KI-Investitionen mehr Menschen auf Einstiegsniveau einstellen.

Dieses Ergebnis macht KI nicht automatisch unproblematisch. Es verschiebt die Führungsaufgabe. Unternehmen mit intensiver KI-Nutzung streichen weniger die unterste Karrierestufe. Sie verändern, wofür diese Stufe bereit sein muss. Einstiegsrollen und KI gehören deshalb in dieselbe operative Diskussion wie Onboarding, Rollenzuschnitt, Führung und Kompetenznachweise.

Die Daten passen nicht zur einfachen Erzählung vom Jobabbau

Das Paper von Ramp und Revelio verknüpft beobachtete Ausgaben für KI-Anbieter aus Kartendaten und Rechnungszahlungen von Ramp mit Belegschaftsdaten von Revelio Labs für 21.559 US-Unternehmen. Das Ergebnis: Beschäftigungswachstum kam vor allem von Unternehmen mit intensiver KI-Nutzung. In den ersten 24 Monaten nach Einführung lag die Gesamtzahl der Mitarbeitenden dort um 10,2 % höher. Bei Unternehmen mit geringer KI-Nutzung gab es keine statistisch signifikante Veränderung.

Das deutlichere Signal für HR und L&D liegt bei den Juniors. Bei Unternehmen mit intensiver KI-Nutzung stieg die Zahl der Mitarbeitenden auf Einstiegsniveau um 12 %, und auch ihr Anteil an der Belegschaft nahm zu. Die Studie ist bei möglichen Selektionseffekten vorsichtig: KI-Nutzer waren oft größer, technischer aufgestellt und bereits auf Wachstumskurs. Trotzdem stellt das Ergebnis die Annahme infrage, dass ernsthafte KI-Investitionen automatisch weniger Einstiegsrollen bedeuten.

Junior-Arbeit wird zur Frage der Einsatzfähigkeit

KI nimmt einige Einsteigeraufgaben weg. Sie nimmt Juniors aber nicht die Verantwortung ab. Eine Junior-Analystin, ein Compliance-Mitarbeiter, jemand im Kundensupport oder eine neue Person in Product Ops kann heute schneller Entwürfe erstellen, breiter suchen und mehr zusammenfassen. Gleichzeitig braucht die Rolle stärkere Kontrollen. Mitarbeitende müssen wissen, wann ein KI-Ergebnis plausibel klingt, aber falsch ist, wann Daten nicht in ein Tool eingegeben werden dürfen, wann eine Kundenantwort geprüft werden muss und wann ein Risikofall an eine erfahrene verantwortliche Person geht.

• Für Aufgabe und Datenklasse die freigegebenen Tools wählen
• Quellen, Berechnungen und Annahmen vor der Nutzung prüfen
• Regulierte, unklare oder kundenrelevante Entscheidungen eskalieren
• KI-gestützte Arbeit Führungskräften und Prüfern klar erklären
• Nachweise festhalten, die Audit, QA und Compliance stützen

Regulierte Teams dürfen das nicht informell laufen lassen

Im Finanz- und Kryptobereich schaffen informelle KI-Experimente gleich zwei Risiken. Erstens lernen neue Mitarbeitende Gewohnheiten von der Person, die zufällig am nächsten sitzt. Zweitens können Compliance-Teams nicht belegen, welche Gewohnheiten vermittelt, getestet, korrigiert und beibehalten wurden. In Europa ist das relevant, weil DORA Finanzunternehmen verpflichtet, Trainings zur Sensibilisierung für IKT-Sicherheit und zu digitaler operationaler Resilienz als verpflichtende Schulungsmodule für Mitarbeitende aufzunehmen. KI-Onboarding muss in diese Logik passen und darf nicht als optionaler Innovationspfad danebenstehen.

Die gleiche Logik gilt auch außerhalb von DORA. Ein reguliertes Unternehmen kann kein Trainingsmodell akzeptieren, bei dem der einzige Nachweis ist, dass ein Kurs zugewiesen wurde. Wenn das Onboarding neuer Juniors heute KI-gestützte Workflows enthält, muss das Lernsystem zeigen, ob Mitarbeitende den Workflow unter realistischen Einschränkungen anwenden können.

Einsatzfähigkeit braucht Signale, keine Abschlüsse

Daten zu Kursabschlüssen sind nur ein schwacher Hinweis. Sie zeigen, dass jemand bis zum Ende gekommen ist. Sie zeigen nicht, ob die Person mit einem riskanten Prompt umgehen, eine schlechte Antwort verwerfen oder eine Eskalation erklären kann. Wer Teams auf den KI-Einsatz vorbereitet, braucht stärkere Signale, die in den Weg vom Preboarding bis zur Zertifizierung für die Rolle eingebaut sind.

• Szenario-Checks, die echte Fälle aus Kundenkontakt, Risiko und Operations abbilden
• Auswertungen auf Fragenebene, die wiederkehrende Missverständnisse sichtbar machen
• Rollenbasierte Pfade für Support, Compliance, Product, Operations und Führung
• Ansichten für Führungskräfte, die zeigen, wer startklar ist, festhängt, überfällig ist oder ein erhöhtes Risiko zeigt

Lernen muss nah an der Arbeit stattfinden

Hier zählt die Lernarchitektur. Die Academy-Plattform von App-Learning unterstützt rollenbasierte Lernpfade, Microlearning-Module, Quizze, Zertifikate und Analytics im Web und mobil. Für Finanz- und Krypto-Teams heißt das: KI-Einsatzfähigkeit lässt sich als strukturierter Pfad aufbauen, statt als lose Sammlung aus Policies, Tool-Tipps und aufgezeichneten Workshops.

Das Ziel ist nicht, aus jedem Junior einen KI-Experten zu machen. Das Ziel ist, sicheres und nützliches KI-Verhalten wiederholbar zu machen. Ein guter Pfad vermittelt den freigegebenen Workflow, testet die Entscheidungspunkte, hält Nachweise fest und gibt Führungskräften genug Sichtbarkeit, um früh einzugreifen. Das ist ein praktisches Lernsystem, keine Content-Bibliothek.

Unternehmen, die viel in KI investieren, brauchen weiterhin Menschen. Vielleicht brauchen sie Juniors sogar noch mehr, weil Wachstum Koordination, Support, Kontrolle und Arbeit mit Kunden erzeugt. Der Unterschied ist: Ob Juniors einsatzfähig sind, darf nicht länger von Zeit, Nähe zu erfahrenen Leuten oder Selbstvertrauen abhängen. Wenn KI die Arbeit verändert, muss Onboarding zum Betriebssystem werden, das neue Mitarbeitende wirksam, sorgfältig und messbar einsatzfähig macht.