Künstliche Intelligenz (KI) verändert besonders jene Aufgaben, über die junge Menschen bisher in einen Beruf oder ein Fachgebiet eingestiegen sind. Neue Arbeitsmarktdaten aus den USA deuten darauf hin, dass Beschäftigte am Anfang ihrer Laufbahn stärker betroffen sind als erfahrene Kolleginnen und Kollegen. Gleichzeitig zeigen Berichte aus Schulen, Hochschulen und Unternehmen, dass KI zwar Zeit spart, aber Fachwissen, Übung und klare Regeln nicht ersetzt.
Warum Einsteiger stärker unter Druck geraten
Eine aktualisierte Stanford-Untersuchung zum US-Arbeitsmarkt sieht besonders bei 22- bis 25-Jährigen Veränderungen. In Berufen mit hoher KI-Exposition, also Tätigkeiten, bei denen KI viele Aufgaben übernehmen oder verändern kann, lag ihre Beschäftigung 19 Prozent unter jener Gleichaltriger in weniger exponierten Bereichen. Im Vorjahr hatte die Differenz laut der Untersuchung 13 Prozent betragen.
Die Forschenden nutzten anonymisierte, häufig aktualisierte Lohndaten des Personaldienstleisters ADP. Um die KI-Exposition einzelner Berufe einzuschätzen, kombinierten sie ein Modell zum möglichen Arbeitsmarkteinfluss mit dem Anthropic Economic Index, der die tatsächliche Nutzung des KI-Assistenten Claude in verschiedenen Berufen untersucht. Die Daten zeigen damit einen Zusammenhang, aber sie beweisen nicht, dass KI allein jede verlorene Einstiegsstelle verursacht hat.
Das Problem betrifft nicht zwingend ganze Berufe, sondern oft typische Anfängeraufgaben: Informationen ordnen, erste Entwürfe erstellen, Inhalte zusammenfassen oder einfache Analysen vorbereiten. Genau solche Aufgaben helfen Einsteigerinnen und Einsteigern normalerweise, Abläufe kennenzulernen und Urteilsvermögen aufzubauen. Werden sie automatisiert, steigt zwar die kurzfristige Produktivität, doch es kann eine Stufe fehlen, auf der Nachwuchskräfte Erfahrung sammeln.
Wie beweglich die neue Arbeitswelt selbst für Fachleute ist, zeigt die Personalsuche des OpenAI-Chefökonom Ronnie Chatterji. Das Stellenprofil in seinem mehr als zehn Personen umfassenden Forschungsteam verändere sich ständig; gesucht seien Menschen, die sich auch mit Unsicherheit wohlfühlen. Zum Team gehören Fachleute aus Ökonomie, Datenwissenschaft, Wirtschaft und früheren Regierungsstellen – ein Hinweis darauf, dass Anpassungsfähigkeit allein nicht reicht, sondern mit belastbarem Fachwissen verbunden sein muss.
Welche Fähigkeiten den Zeitgewinn nutzbar machen
Generative KI, also Systeme, die auf Anweisung neue Texte oder andere Inhalte erzeugen, kann Routineaufgaben deutlich beschleunigen. Im User Experience Research (UX Research), der systematischen Untersuchung von Nutzungserfahrungen, kann sie Interviews transkribieren, Antworten sortieren, Muster verdichten und erste Personenprofile skizzieren. Ein Praxisbeitrag aus der Schweizer UX-Beratung berichtet, dass Arbeiten, die früher Tage beanspruchten, teilweise in Stunden erledigt werden können.
Geschwindigkeit ist jedoch noch keine Qualität. Wer schwache Fragen stellt, unklare Ziele verfolgt oder schlecht strukturierte Daten eingibt, erhält lediglich schneller ein fragwürdiges Ergebnis. Für gute Entscheidungen bleiben Erfahrung, Empathie und kritisches Denken nötig, weil KI bestehende Informationen vor allem neu kombiniert und nicht selbst bestimmt, welches Problem überhaupt gelöst werden sollte.
Die erste Kernfähigkeit ist deshalb Aufgabenklärung: Du solltest festlegen können, welches Ergebnis du brauchst, welche Informationen verwendet werden dürfen und woran du eine brauchbare Antwort erkennst. Danach folgt Prompting, also das Formulieren klarer Arbeitsaufträge für ein KI-System. Ebenso zentral ist die Prüfung auf Fehler, unbelegte Behauptungen und Verzerrungen sowie der Vergleich mit Originalunterlagen.
Ein konkretes Alltagsbeispiel liefert eine Auswertung des Surfverhaltens von mehr als 200’000 US-Haushalten zwischen 2021 und 2024. Die beobachteten Personen nutzten ChatGPT unter anderem für produktive Pflichtaufgaben wie die Steuererklärung, verbrachten die gewonnene Zeit danach aber weitgehend auf Plattformen wie TikTok oder Instagram. Ein schnelleres Werkzeug schafft demnach freie Zeit, entscheidet aber nicht, wofür du sie einsetzt.
Pro und Kontra von KI beim Lernen und Arbeiten
Pro:
- Zeitgewinn – KI kann Transkriptionen, Zusammenfassungen und erste Entwürfe schneller erstellen als eine rein manuelle Arbeitsweise.
- Niedrige Einstiegshürde – Du kannst dir schwierige Inhalte erklären lassen, Varianten vergleichen und Rückfragen stellen, ohne auf einen festen Kurstermin zu warten.
- Entlastung bei Routine – Wiederkehrende Vorarbeiten lassen sich verkürzen, sodass mehr Zeit für Entscheidungen, Gespräche und vertiefte Prüfung bleibt.
- Individuelles Üben – Lernende können Erklärungen anpassen, zusätzliche Beispiele verlangen und ihren Wissensstand in mehreren Durchgängen testen.
Kontra:
- Verlust von Übungswegen – Wenn KI Anfängeraufgaben vollständig übernimmt, fehlen Gelegenheiten, Grundlagen und berufliches Urteil aufzubauen.
- Unzuverlässige Ergebnisse – Sprachmodelle können falsche oder verzerrte Antworten überzeugend formulieren, weshalb Kontrolle unverzichtbar bleibt.
- Ausgelagertes Denken – Wer Antworten nur übernimmt, kann eine Aufgabe abschliessen, ohne den Stoff oder den Arbeitsprozess verstanden zu haben.
- Datenschutzrisiken – Vertrauliche Kunden-, Schul- oder Personendaten können in ungeeigneten privaten KI-Konten landen.
Besonders deutlich wird die Grenze bei KI-Agenten, also Systemen, die nicht nur antworten, sondern selbstständig mehrere digitale Schritte ausführen. Laut einem Bericht über Onlinekurse an Hochschulen lassen manche Studierende solche Agenten Lernplattformen öffnen, Materialien auswerten und Multiple-Choice-Tests beantworten. Über Verbindungen zu Diensten wie Canvas, Brightspace oder Blackboard sollen die Systeme teilweise sogar an Chats mit anderen Studierenden teilnehmen.
Das ist mehr als eine neue Form des Abschreibens, weil nicht nur die Antwort, sondern der gesamte Lernvorgang delegiert wird. Ein bestandenes Quiz sagt dann wenig darüber aus, ob jemand Zusammenhänge verstanden hat. Für Schulen und Arbeitgeber wird deshalb der nachvollziehbare Arbeitsprozess wichtiger als ein makellos wirkendes Endprodukt.
Was das in der Praxis für dich bedeutet
Für Einsteigerinnen und Einsteiger: Wähle zunächst eine begrenzte Aufgabe, deren Ergebnis du selbst kontrollieren kannst. Lass dir beispielsweise einen vorhandenen Text zusammenfassen, vergleiche die Zusammenfassung Satz für Satz mit dem Original und markiere Auslassungen oder falsche Gewichtungen. So lernst du gleichzeitig, präzise Aufträge zu geben und die Grenzen des Systems zu erkennen.
Nutze KI danach als Lernpartner statt als Stellvertretung. Bitte das System etwa um eine Erklärung, löse die Aufgabe anschliessend selbst und lasse erst danach deinen Lösungsweg kritisieren. Eigene Notizen, Quellen und Zwischenschritte sollten sichtbar bleiben, damit du nicht nur eine fertige Antwort besitzt, sondern den Gedankengang rekonstruieren kannst.
Für Fortgeschrittene: Mehr Nutzen entsteht durch wiederholbare Abläufe mit klaren Prüfpunkten. Du kannst etwa mehrere Interviewtranskripte vorsortieren lassen, musst die erkannten Muster aber an den Originalaussagen überprüfen und Gegenbeispiele suchen. Dokumentiere dabei den Auftrag, die verwendeten Unterlagen, Änderungen am Ergebnis und die abschliessende menschliche Entscheidung.
Zur fortgeschrittenen Nutzung gehört auch die Entscheidung, wann KI ungeeignet ist. Sensible Personaldaten, Kundendaten oder nicht veröffentlichte Geschäftsinformationen gehören nicht automatisch in einen frei zugänglichen Chatbot. Für die Schweiz ist dieser Punkt besonders relevant: Ein Partnerbeitrag eines Anbieters aus dem St. Galler Rheintal beschreibt, dass in Unternehmen Kundendaten bereits in privaten ChatGPT-Chats landen können, wenn zwar Lizenzen vorhanden sind, aber klare Schulung und kontrollierte Arbeitswege fehlen.
Was Schulen und Unternehmen ändern müssen
Eine Lizenz oder ein einzelner Kurs schafft noch keine KI-Kompetenz. Der Schweizer Anbieter KI-Studio argumentiert, Teams würden Werkzeuge nach Schulungen teilweise kaum noch öffnen, während kontinuierlich begleitete Gruppen eigene Anwendungsfälle entwickelten. Das ist eine Anbieterbeobachtung und nicht unabhängig geprüft, sie passt aber zum grundlegenden Befund: Anwendungskompetenz entsteht durch wiederholte Praxis, Rückmeldung und Regeln für reale Aufgaben.
In der Bildung ist diese Unterstützung noch ungleich verteilt. In einer von Studyflix veröffentlichten Umfrage unter 1’012 Schülerinnen und Schülern, Studierenden, Auszubildenden, Lehrkräften und Eltern gaben 74 Prozent an, sich den KI-Umgang selbst beigebracht zu haben. Nur vier Prozent sagten, entsprechende Fähigkeiten von einer Lehrkraft erhalten zu haben; da alle Befragten die Plattform nutzten, lässt sich das Ergebnis nicht ohne Weiteres auf sämtliche Lernenden übertragen.
Einige Bildungseinrichtungen reagieren mit Prüfungsformen, die eigenes Denken sichtbarer machen. In Dänemark müssen 16- bis 19-Jährige laut dem Bericht grosse schriftliche Arbeiten mündlich verteidigen, während die University of Chicago Law School für Erstsemester Laptops im Unterricht und in Prüfungen verboten hat. Solche Massnahmen sollen KI nicht zwingend vollständig ausschliessen, sondern selbstständiges und kritisches Denken schützen.
Ein weiterer Ansatz setzt auf allgemeine Fähigkeiten statt auf ein einziges Produkt. Die Cheshire Academy in Connecticut schreibt Lehrkräften keine KI-Nutzung vor und schulte sie laut MIT Technology Review in Prompting sowie im Umgang mit falschen und verzerrten Antworten. Die Lehrkräfte nutzen eine Mischung aus allgemeinen Chatbots und spezialisierten Bildungswerkzeugen, während die Schule noch keinen einheitlichen Weg vorgibt.
Für Schulen und Unternehmen in der Schweiz ergibt sich daraus eine nüchterne Priorität: Nicht die Zahl verteilter Konten ist entscheidend, sondern ob Lernende und Beschäftigte wissen, welche Daten sie eingeben dürfen, wie sie Resultate prüfen und wann sie ohne KI arbeiten müssen. Dazu gehören dokumentierte Regeln, Aufgaben mit sichtbarem Denkweg und genügend Zeit für fachliche Grundlagen. Mehrsprachige Arbeits- und Lernumgebungen machen zusätzlich eine Prüfung nötig, ob Antworten in der jeweils verwendeten Sprache gleich präzise und angemessen sind.
KI kann Einstiegsaufgaben beschleunigen und Lernen individueller machen, doch genau dadurch kann sie jene Übung verdrängen, aus der später Fachkompetenz entsteht. Der sinnvollste Einsatz verbindet Zeitgewinn mit eigener Prüfung, nachvollziehbaren Arbeitswegen und gezieltem Training. Offen bleibt vor allem das Risiko, dass Organisationen kurzfristige Produktivität messen, während der langfristige Verlust an Nachwuchserfahrung erst später sichtbar wird.
Quellen
- AI is hitting entry-level jobs hardest, Stanford study finds – Medium unbekannt, 2026-08-24
- OpenAI-Chefökonom sucht Mitarbeiter für einen Job, der sich ständig verändert – Medium unbekannt, 2026-08-23
- ChatGPT spart Zeit – die wir dann für Social Media verschwenden – Medium unbekannt, 2026-08-23
- KI im UX Research: starkes Werkzeug, kein Ersatz – Medium unbekannt, 2026-08-26
- KI-Lizenzen kaufen ist der einfache Teil. Das KI-Studio übernimmt den anderen. – Medium unbekannt, 2026-08-24
- „Wir lassen junge Menschen allein“: Warum Schüler sich den Umgang mit KI noch oft selbst beibringen müssen – Medium unbekannt, 2026-08-22
- Studierende lassen KI-Agenten komplette Onlinekurse absolvieren – so reagieren Lehrkräfte – Medium unbekannt, 2026-08-23
- How to encourage smarter AI use in the classroom – Medium unbekannt, 2026-08-24
