Gibt man die KI-Exposition allein ein, sagt sie einen Rückgang der Junior-Quote bei Neueinstellungen um rund 5 Prozentpunkte bis 2025 voraus. Gibt man die Remote-Arbeit-Exposition allein ein, erhält man denselben Rückgang von 5 Punkten. Gibt man beide gemeinsam ein, kollabiert eine von beiden: Der KI-Koeffizient „schwächt sich stark ab und wird oft statistisch nicht von null zu unterscheiden", während Remote-Arbeit „ein starker und robuster Prädiktor für den sinkenden Junior-Anteil über jede Spezifikation hinweg" bleibt (Lambert & Schindler, 2026). Das ist der Befund, den die meisten Einstellungspläne im Mid-Market zu widerlegen gebaut sind.
Wenn Sie Operations in einem Unternehmen mit 50 bis 500 Mitarbeitenden leiten, haben Sie fast sicher die Erzählung gehört – und vielleicht wiederholt –, dass generative KI den Einstiegsjob auffrisst. Es ist die Erzählung hinter dem Einstellungsstopp für Junior-Rollen, der verschobenen Absolventenkohorte, der stillen Entscheidung, „die KI die Arbeit machen zu lassen, die ein Berufsanfänger erledigt hätte". Ein neues Working Paper, das 243 Millionen Einstellungen analysiert, sagt, dass diese Erzählung die falsche Variable misst. Die Early-Career-Pipeline kollabiert, aber die Kraft, die den Schaden anrichtet, ist eine, die Ihre KI-Strategie nicht berühren kann – während Ihre Immobilien- und Onboarding-Politik es kann.
Die Fehldiagnose in den meisten Einstellungsplänen
Die dominante Erzählung von 2026 ist sauber und intuitiv: Große Sprachmodelle sind genau in den abgegrenzten, klar spezifizierten Aufgaben gut, an denen sich Junior-Personal die Zähne ausbiss, also automatisiert das rationale Unternehmen diese Aufgaben und hört auf, Juniors einzustellen. Die dazu zitierten Zahlen sind real – die Early-Career-Einstellungen sind tatsächlich gesunken. In den USA, dem Vereinigten Königreich, Kanada und Australien ist der Anteil neuer Stellen, die mit Early-Career-Arbeitskräften besetzt werden, um 8 bis 11 Prozentpunkte unter das Vor-Pandemie-Niveau gefallen (Innovative Human Capital, 2026). Die Kontraktion ist nicht eingebildet.
Das Problem ist die Zuschreibung. Die Berufe, die der generativen KI am stärksten ausgesetzt sind – White-Collar, kognitiv-routinemäßig, schreibtischgebunden –, sind nahezu exakt dieselben Berufe, die nach 2020 ins Remote gingen. Wenn sich zwei Kräfte gemeinsam bewegen, wird ein Modell, das nur eine davon betrachtet, dieser einen die Verantwortung für beide zuschreiben. Die meisten Einstellungspläne haben genau das getan: Sie lasen eine Korrelation zwischen KI-Exposition und schrumpfendem Junior-Zustrom und schlossen, dass die KI die Ursache sei. Die daraus folgende Politik – das Absolventenprogramm verlangsamen, sich auf die KI stützen, um den Einstiegs-Output abzudecken – behandelt das Symptom einer Variable, die die Analyse nie isoliert hat.
Was das Paper zu 243 Millionen Einstellungen tatsächlich fand
Peter John Lambert und Yannick Schindler machten es sich zur Aufgabe, die beiden zu trennen. Ihr Working Paper vom Mai 2026, The Broken Ladder: AI, Remote Work, and Early-Career Hiring, stützt sich auf 243 Millionen Neueinstellungen und 407 Millionen Online-Stellenanzeigen in den USA, dem Vereinigten Königreich, Kanada und Australien von 2017 bis 2025 – eine Stichprobe groß genug, um KI-Exposition und Homeoffice-Exposition als getrennte Effekte zu schätzen statt als einen einzigen verschwommenen Trend (Lambert & Schindler, 2026).
Isoliert getestet sieht jede Kraft wie eine Schuldige aus. Ein Anstieg um zwei Standardabweichungen bei der Exposition gegenüber generativer KI oder bei der Remote-Arbeit-Exposition sagt einen Rückgang der Junior-Quote bei Neueinstellungen um rund 5 Prozentpunkte bis 2025 voraus, zusammen mit einem Rückgang von etwa 3 Prozentpunkten beim Anteil der Anzeigen, die nur begrenzte Erfahrung verlangen. Für sich genommen ist die KI-Exposition ein statistisch respektabler Verdächtiger.
Sie übersteht die Gegenüberstellung nicht. Wenn beide Variablen in dieselbe Spezifikation eingehen, schwächt sich der KI-Koeffizient stark gegen null ab und verliert häufig die statistische Signifikanz, während der Remote-Arbeit-Koeffizient über jede von den Autoren durchgeführte Spezifikation stabil bleibt. Ihr unverblümtes Fazit: Ein einfacher binärer Remote-Arbeit-Indikator reicht aus, „um den GenAI-Effekt insignifikant zu machen". Das KI-Signal war, mit anderen Worten, weitgehend Remote-Arbeit im KI-Kostüm. Die Korrelation war real; die Kausalität war falsch zugeschrieben.
Das ist die Art von Ergebnis, das eine Entscheidung ändern sollte, nicht bloß eine Folie. Wäre der Early-Career-Rückgang KI-getrieben, wäre die operative Reaktion – Junior-Aufgaben automatisieren, weniger Juniors einstellen – wenigstens in sich stimmig. Weil er Remote-getrieben ist, bewirkt dieselbe Reaktion nichts am eigentlichen Mechanismus und verschließt still eine Pipeline, die das Unternehmen in drei Jahren brauchen wird.
Der Mechanismus: Mentoring reist nicht gut über Slack
Warum sollte gerade Remote-Arbeit die Junior-Einstellungen komprimieren? Die ehrliche Antwort ist: Eine Junior-Einstellung ist ihre Kosten nur wert, wenn jemand sie entwickeln kann, und Entwicklung ist überproportional eine Aktivität vor Ort. Die Evidenz hier ist älter als die KI-Panik und ungewöhnlich konkret.
In einer Studie über Software-Ingenieure fanden Natalia Emanuel, Emma Harrington und Amanda Pallais heraus, dass Ingenieure, die im selben Gebäude wie ihre Teamkollegen saßen, 22 Prozent mehr Kommentare zu ihrem Code erhielten als jene, die auf verschiedene Gebäude verteilt waren – und dass dieses Feedback hauptsächlich zu den Junior-Ingenieuren von den Senioren floss (Emanuel, Harrington & Pallais, NBER, 2024). Nähe fügte nicht bloß ein paar persönliche Gespräche zum selben Online-Feedback hinzu; Ingenieure, die die physische Nähe verloren, tauschten auch weniger Feedback online aus. Persönlicher Kontakt und digitale Kommunikation erwiesen sich als komplementär, nicht als Substitute (Federal Reserve Bank of New York, 2024).
Der Trade-off, den dieselbe Studie dokumentiert, ist genau der, den eine einstellende Führungskraft bepreisen muss: Nähe erhöht die langfristige Humankapitalentwicklung auf Kosten der kurzfristigen Produktion, dämpft unmittelbare Gehaltserhöhungen, steigert sie aber über eine Laufbahn hinweg. Co-Location ist eine Investition in die Junior-Arbeitskraft, die sich später auszahlt. Nehmen Sie die Nähe heraus, und Sie nehmen die Rendite heraus – an diesem Punkt rechnet sich die Junior-Einstellung nicht mehr, und das Unternehmen hört rational auf, sie vorzunehmen. Remote-Arbeit machte Juniors nicht weniger fähig. Sie machte sie teurer in der Entwicklung und weniger offensichtlich entwicklungswürdig. Das ist der Hebel hinter der gebrochenen Leiter, und er hat nichts damit zu tun, was Ihre KI-Werkzeuge können oder nicht können.
Das Gegenargument: „Es ist beides, und die KI kommt trotzdem"
Der schärfste Einwand einer erfahrenen Operations-Person ist fair und verdient eine direkte Antwort. KI ist tatsächlich zu Arbeit auf Junior-Niveau fähig, die Technologie verbessert sich schnell, und ein einzelnes Working Paper – so umfangreich es auch sei – sollte die strukturelle Logik nicht außer Kraft setzen, dass Automatisierung zuerst die am leichtesten automatisierbaren Aufgaben verdrängt. Ist „es ist Remote-Arbeit, nicht KI" nicht bloß eine beruhigende Geschichte mit einer längeren dahinter?
Zwei Dinge sind zugleich wahr. Erstens behauptet das Paper nicht, dass KI keinen Effekt auf die Arbeitsmärkte hat; es behauptet, dass KI-Exposition den bis 2025 beobachteten Rückgang des Junior-Anteils nicht unabhängig erklärt, sobald Remote-Arbeit kontrolliert wird. Das ist ein präziser, begrenzter Befund zu einem Ergebnis über ein Zeitfenster – keine Prognose, dass KI Early-Career-Arbeit nie umformen wird. Eine Führungskraft kann die Ökonometrie ernst nehmen und trotzdem für die Entwicklungslinie der KI planen.
Zweitens, und nützlicher: Selbst wenn Sie glauben, dass KI-Druck auf Junior-Rollen kommt, sagt Ihnen der Homeoffice-Befund, dass der Hebel, den Sie jetzt kontrollieren, der falsche ist, um an der Pipeline-Frage zu ziehen. Ihr KI-Rollout zu pausieren oder zu verlangsamen wird den Junior-Trichter nicht wieder öffnen, weil nicht die KI ihn geschlossen hat. Sie würden reale Kosten zahlen – bei den Produktivitätsgewinnen zurückfallen, die die KI tatsächlich liefert –, um ein Problem zu lösen, das die KI nicht verursacht hat. Der disziplinierte Schritt ist, das Tempo des KI-Rollouts und die Gesundheit der Junior-Pipeline nicht länger als denselben Regler zu behandeln. Es sind verschiedene Regler, und das Paper hat Ihnen gerade gesagt, welcher mit dem Ergebnis verdrahtet ist.
Der Q3-Schritt: Hören Sie auf, am KI-Regler zu drehen, fangen Sie an, Nähe zu planen
Die Korrektur ist keine Einstellungsphilosophie; sie ist ein Kalender. Wenn Remote-Arbeit die Junior-Pipeline kollabieren lässt, indem sie der Entwicklung das Mentoring vor Ort entzieht, von dem sie abhängt, dann besteht die operative Lösung darin, diese Nähe für die Menschen und in dem Fenster zurückzubauen, in dem sie am meisten zählt – und die Ökonometrie zeigt auf ein präzises Fenster: die frühe Betriebszugehörigkeit.
Drei Schritte sind in diesem Quartal umsetzbar. Erstens: Behandeln Sie die ersten sechs Monate einer Junior-Einstellung als eine bewusst dichte Vor-Ort-Phase. Kein pauschaler Rückkehr-ins-Büro-Erlass – ein gezielter, bei dem die Präsenztage, die Sie planen, sich um das neue Early-Career-Personal und die Senioren konzentrieren, die deren Arbeit tatsächlich prüfen werden. Die Nähe-Forschung ist eindeutig, dass das Feedback von erfahrenen Senioren zu Juniors fließt; Juniors untereinander zu co-lozieren bringt wenig.
Zweitens: Bauen Sie Kohorten-Tracks. Juniors einzeln in Remote-Default-Teams einzustellen maximiert die Isolation. Sie in Kohorten mit einem strukturierten Vor-Ort-Onboarding-Rückgrat einzustellen schafft die Peer-Dichte und das sichtbare Mentoring, die Entwicklung geschehen lassen – und macht die Junior-Einstellung wieder rentabel.
Drittens – und hier gehen die meisten Pläne fehl –: Stützen Sie die Frage, wer dieses kontaktintensive Onboarding erhält, auf etwas anderes als das Organigramm. Betriebszugehörigkeit, Rolle und Entwicklungsstadium sind individuelle Merkmale, keine Merkmale der Stellenbezeichnung; die Juniors, die dichtes frühes Mentoring am meisten brauchen, sind nicht immer jene, die eine generische Politik markieren würde. Das ist eine Messfrage, und Messfragen beantwortet man besser mit Daten als mit dem Bauchgefühl. Die Assessment-Basis von Scovai ist darauf gebaut, genau die Entwicklungs- und Rollenreife-Merkmale zu profilieren, die Ihnen sagen, welche Early-Career-Einstellungen den strukturierten Vor-Ort-Track brauchen und welche in einem leichteren hybriden Setup gedeihen können – damit die Nähe, die Sie sich zu planen leisten können, auf die Menschen fällt, deren langfristige Entwicklungslinie sie tatsächlich verändert.
Lambert und Schindler haben den Operations-Verantwortlichen eine unangenehm klare Quittung übergeben: Die Kraft, die Ihre Junior-Pipeline kollabieren lässt, steckt in Ihrer Hybrid-Arbeitspolitik, nicht in Ihrem KI-Stack. Die eine Entscheidung, die das in diesem Quartal auf Ihrem Schreibtisch hinterlässt, ist eng. Rufen Sie Ihren Early-Career-Einstellungsplan auf und finden Sie den Hebel, den er zieht, um den Trichter zu „reparieren". Wenn dieser Hebel KI heißt – ihn pausieren, sich auf ihn stützen, um Einstiegsarbeit abzudecken, warten, bis er sich einpendelt –, dann drehen Sie an einem Regler, der nicht mit dem Ergebnis verdrahtet ist. Der, der es ist, ist der Präsenzkalender für Ihre Erstjahres-Einstellungen, und Sie können ihn vor Quartalsende ändern.
