3 Jahre lang gaben wir der KI die Schuld für das Sterben der Einstiegsjobs. Wir lagen falsch.
Alle schreien, dass KI die Juniors ersetzt. 2019 war jede dritte Tech-Einstellung jemand unter 25. 2025 ist es jede fünfte. Stanford hat die ADP-Gehaltsabrechnungen ausgewertet. Harvard folgte. KI saß auf der Anklagebank und das Urteil schien festzustehen.
War es nicht.
Eine Studie von LSE, Warwick und dem Oxford Ellison Institute (243 Millionen Neueinstellungen, 407 Millionen Stellenausschreibungen, 4 Länder, 8 Jahre Daten) zeigt auf einen anderen Schuldigen, viel weniger sichtbar und weitaus schädlicher: Remote Work. Wenn Lambert und Schindler diese Variable ins Modell einbauen, bricht der KI-Koeffizient auf statistisch null zusammen. Remote ist der Schuldige. KI nicht.
TLDR: Die Lambert-Schindler-Studie über 243M Einstellungen zerstört das "KI = Junior-Killer"-Narrativ: Kontrolliert man für Remote Work, fällt der KI-Koeffizient auf statistisch null. Was den Junior-ROI im Remote zerstört hat, ist kein Tech-Problem - und das verändert alles, was man dagegen tun kann.
Was Junior-Einstellungen wirklich killt, ist weniger schlagzeilentauglich und viel schwerer zu reparieren: Remote hat den Osmose-Lernkreislauf zerstört, der einen Junior in 18 Monaten lohnenswert machte. Unternehmen haben gerechnet. Junior-ROI im Remote ist negativ. Sie haben aufgehört zu rekrutieren. Keine anti-Junior-Ideologie in dieser Rechnung. Pure Ökonomie.
1 zu 3. Dann 1 zu 5.
Der Wandel begann leise. Zwischen 2019 und 2025 fiel der Anteil von Berufseinsteigern unter 25 bei Tech-Neueinstellungen von etwa 1 zu 3 auf 1 zu 5. Das war keine kleine Korrektur. Es ist eine strukturelle Neudefinition, wer einen ersten Job bekommt.
Lambert und Schindler verfolgen das gleichzeitig in den USA, UK, Kanada und Australien. Gleiche Muster, verschiedene Märkte, gleicher Zeitrahmen. Der Rückgang beschleunigt sich nach 2020 und erholt sich nicht. Bis 2024-2025 fiel auch der Anteil der Stellenausschreibungen ohne Vorerfahrungs-Anforderung um etwa 3 Prozentpunkte. Klingt wenig. Ist es nicht: 407 Millionen Ausschreibungen über 8 Jahre, 3 Punkte bei allen - das ist eine Generation von Entry-Level-Positionen, die stillschweigend vom Brett verschwand.
Frag jeden Hiring Manager, der 2018 Entry-Level-Stellen ausschrieb und 2024 dasselbe machte. Das Gespräch änderte sich nicht über Nacht. Es verschob sich in kleinen Schritten, jeder einzeln vertretbar: "wir brauchen jemanden, der sofort loslegen kann", "wir sind ein kleines Team und können die Einarbeitungszeit nicht stemmen", "die Rolle hat sich entwickelt". Niemand kündigte eine Policy-Änderung an. Die Policy entstand aus unzähligen Einzelentscheidungen, die alle in dieselbe Richtung zeigten.
Der Umfang der Studie ist hier entscheidend. 243 Millionen Neueinstellungen ist um eine Größenordnung größer als die meisten longitudinalen Arbeitsmarkt-Datensätze. Stanfords ADP-Studie war eine Stichprobe. Harvards war auf Firmenebene. Lambert und Schindler arbeiten mit etwas, das dem Gesamtbild näherkommt. Und das Gesamtbild sagt: Der Schuldige, den du zu kennen glaubst, ist falsch.
Die Geschichte, die alle glaubten
Um Stanford und Harvard gerecht zu werden: Sie haben das Signal nicht erfunden.
Stanford-Forscher fanden mit ADP-Gehaltsabrechnungen einen 13%igen relativen Beschäftigungsrückgang für Arbeiter zwischen 22-25 in den KI-exponiertesten Rollen seit Ende 2022. Eine Harvard-Studie fand 6,7% weniger Junior-Headcount in KI-adoptierenden Unternehmen über 6 Quartale ab Anfang 2023. Beide Zahlensets trafen die Presse mit der Wucht einer Bestätigung. Alle hatten es bereits vermutet. Jetzt gab es Daten.
Das Narrativ war sauber: KI übernimmt die Routine-Denkarbeit, die Entry-Level-Jobs früher boten. Unternehmen sehen das Automatisierungspotenzial, hören auf für diese Rollen zu rekrutieren, verschieben Headcount zu erfahrenen Leuten, die die Tools leiten und managen können. Juniors, deren Wert aus der Routine-Arbeit kam, konkurrieren um einen kleineren Pool echter Einstiegspunkte. Ökonomisch kohärent, passt zum beobachteten Muster, und beide Studien waren methodisch solide für das, was sie maßen. Das Stanford-Paper nutzte echte Gehaltsabrechnungen, keine Umfragen. Das Harvard-Paper verfolgte Firmen-Headcount-Änderungen longitudinal. Das war keine schlampige Forschung.
Das Problem ist nicht, dass die Presse übertrieb. Das Problem ist, dass gute Forscher einen klassischen methodischen Fehler bei einem Thema machten, das die ganze Welt bereits als wahr zu akzeptieren bereit war.
Was dem Modell fehlte
Omitted Variable Bias.
KI-Exposition und Remote-Work-Exposition sind keine unabhängigen Variablen. Die Jobs, die am stärksten KI-exponiert sind (Routine-Denkaufgaben: Code-Triage, Dateneingabe, Kunden-Queue-Management, Dokumentenverarbeitung) sind fast exakt die Jobs, die am besten mit Remote Work kompatibel sind. Bau ein Modell, das nur KI-Exposition einschließt, und du kontrollierst nicht dafür, dass Remote Work zur gleichen Zeit explodierte und dieselben Job-Kategorien traf.
Der Lambert-Schindler-Fix ist methodisch rückblickend offensichtlich: WFH-Exposition ins Modell einbauen. Wenn sie das tun, "schwächt sich der KI-Koeffizient stark ab und ist oft statistisch nicht von null unterscheidbar." WFH hält stand. KI nicht. Das ist keine kleine Anpassung. Das ist eine völlig andere Ursache.
Die NY Fed-Daten machen die Grenze präzise. Die Beschäftigungslücke zwischen Arbeitern unter 28 und denen ab 29 (etwa 1 Prozentpunkt Arbeitslosigkeit) existiert fast ausschließlich in Sektoren, wo Remote Work strukturell üblich ist. In Sektoren, wo Remote nicht möglich ist (Fertigung, Gesundheitsversorgung, Handwerk), ist die Lücke nahe null. KI-Exposition sagt die Lücke nicht vorher. WFH schon.
Da ist etwas, woran ich ständig denke, das nichts mit alledem zu tun hat. Mein Kind fragte mich letztes Wochenende, warum manche Spiele automatisch speichern und andere nicht. Bei denen, die es nicht tun, verlierst du alles, wenn der Strom ausfällt. Der Junior-Jobmarkt nach 2020 fühlt sich genau wie ein Spiel an, das stillschweigend Autosave entfernt und nie wieder gepatcht hat. Kein Recovery-Checkpoint. Du startest einfach vom Charaktererstellungsbildschirm neu.
Die Studien, die das verpassten, lagen nicht falsch mit ihren Zahlen. Sie lagen falsch dabei, was diese Zahlen tatsächlich maßen.
Remote kappte den Lernkreislauf
Der Mechanismus ist nicht abstrakt. NY Fed-Ökonomin Natalia Emanuel verfolgte mit Emma Harrington von UVA und Amanda Pallais von Harvard Software-Entwicklungsteams durch den Remote-Übergang. Senior-Entwickler-Code-Qualität war im Wesentlichen unverändert, als sie remote gingen. Junior-Entwickler-Code-Qualität fiel messbar. Code-Churn stieg, Bugs nahmen zu. Gleiche physische Distanz zu Kollegen, radikal unterschiedliche Ergebnisse nach Erfahrungslevel.
Sie replizierten das Muster in Kundensupport-Teams. Juniors remote: längere Lösungszeiten, mehr Anrufe pro Issue. Seniors remote: kaum bewegt.
Die Erklärung ist osmotisches Lernen. Ein Senior-Entwickler hat die Muster bereits internalisiert. Er weiß, wann eine Funktion zu komplex wird, bevor der Linter anschlägt. Er kann einen Pull Request lesen und die Architektur-Schuld spüren, ohne den Code zu laufen. Er trägt tausende Stunden ambientes Feedback in sich, eingebacken in wie er schreibt und debuggt. Nichts davon ist durch Dokumentation oder async Code Review übertragbar: Es wurde über Jahre physischer Nähe absorbiert, ein Gespräch über einen Produktions-Incident mithören, jemandem beim Fixen einer Race Condition in Echtzeit zusehen, und nah genug sein, um die richtige Frage im exakten Moment zu stellen, wo sie Sinn macht. Dieser Kreislauf braucht Präsenz, nicht konstante Präsenz, aber genug anhaltende Nähe, dass das ambiente Signal kontinuierlich bleibt. Remote Work verlagert das Lernen nicht nur. Es kappt das Kabel.
Forschung im Quarterly Journal of Economics bestätigt das im großen Maßstab: In-Person-Onboarding erhöht spätere Produktivität und reduziert Fluktuation sogar für Angestellte, die anschließend zu Remote Work zurückkehren. Die Gewinne sind am größten für jüngere Arbeiter. Nähe zu Kollegen treibt Feedback für Juniors an, nicht Mentorship-Programme oder strukturierte Review-Zyklen.
Unternehmen fahren keine Anti-Junior-Politik. Sie fahren eine P&L-Rechnung. Ein Junior in-person trägt bedeutsam innerhalb 12-18 Monaten bei. Ein Junior remote ist eine längere, unsicherere Wette mit messbar höheren Fehlerquoten auf dem Weg dorthin. Wenn jede offene Stelle standardmäßig remote ist, fällt der erwartete Wert der Junior-Einstellung unter die lohnenswerte Schwelle. Also stellen sie Senior ein.
Von oben blockiert
Der Junior-Squeeze geht nicht nur um austrocknende Einstiege. Die Leiter ist von beiden Enden blockiert.
Laut Placer.ai-Fußverkehrsdaten, zitiert in a16z's Juni 2026-Analyse, sind Bürobesuche aktuell bei 70% der Vor-Pandemie-Level. Plateauiert. Return-to-Office-Mandate bewegten die Nadel kurz 2023, dann Stillstand. Büro-Leerstandsraten sind über 14%, das Höchste seit der 2008er Finanzkrise. Das heißt, selbst Unternehmen, die den Lernkreislauf zurückwollen, operieren bei 70% der physischen Bedingungen, die ihn funktionieren ließen.
Senior-Angestellte rotieren auch nicht raus. In Recht, Finanzen, Beratung und Medien tendiert die Betriebszugehörigkeit seit 2023 länger. Die Karrierewege, die sich früher öffneten, wenn Seniors weiterzogen, befördert wurden, Unternehmen gründeten oder in Rente gingen, bewegen sich langsamer. Weniger Plätze öffnen sich oben bedeutet weniger Positionen kaskadieren durch die Mitte in Entry-Level. Das Doppelschloss ist strukturell.
Die politische Ökonomie davon erhält sich fast automatisch. Unternehmen vermeiden das unbequeme Gespräch darüber, ob ihr Remote-by-Default-Setup tatsächlich mit Talententwicklung kompatibel ist. Politiker haben einen sauberen technologischen Sündenbock statt eines unordentlichen Management-Problems. Stanford und Harvard publizierten Ergebnisse zu einem echten Signal, das sich als nicht-kausal herausstellte, und die Presse fuhr ein Narrativ, das bestätigte, was alle bereits glaubten. Niemand musste zynisch sein, damit das zum Konsens wurde. Der Mechanismus war einfacher: ein echtes Signal, eine nicht-kausale Interpretation und ein Narrativ, das die ganze Welt bereits zu akzeptieren bereit war.
Für Juniors, die das navigieren, ist die algorithmische Schicht ihr eigenes Spiel und läuft lange bevor ein Mensch etwas liest. Wenn du verstehen willst, wie man die algorithmische Recruiting-Schicht austrickst, sind die Taktiken konkreter als die meisten denken.
2 Auswege aus einer kaputten Leiter
Es gibt 2 Ausgänge. Sie sind nicht für dieselbe Person.
Der institutionelle Ausgang ist real. IBM verdreifachte 2026 seine US-Entry-Level-Einstellungen, indem es Junior-Rollen explizit um KI-Augmentation herum neu designte, statt KI als Ersatz zu behandeln. Das Framing ist wichtig: Statt "wir brauchen weniger Juniors, weil KI ihre Arbeit macht" war die Wette "wir brauchen Juniors, die von Tag eins an mit KI arbeiten, und das ist eine trainierbare Fähigkeit." Der Anteil von Absolventenausschreibungen in KI-exponierten Rollen begann sich Anfang 2026 zu erholen nach 2 Jahren Rückgang. Die Unternehmen, die das Remote-Mentorship-Problem knacken, gewinnen den Junior-Talent-Krieg, während alle anderen aussetzen. Wenn du auf der Hiring-Seite bist, ist das die eine Entscheidung, die sich über die nächsten 5 Jahre potenziert.
Ich denke, das erholt sich schneller als die Pessimisten sagen. Könnte sein, dass ich frühe Signale zu optimistisch lese. Aber das IBM-Gegenbeispiel ist real und deutet darauf hin, dass das Problem auf Unternehmensebene lösbar ist, ohne auf einen Makro-Shift im Arbeitsmarkt zu warten.
Der individuelle Ausgang wartet nicht auf institutionelle Reform. Für alle, die auf die Warteschlange schauen und rechnen: Dass die Leiter strukturell blockiert ist, ist tatsächlich klärend. Wenn der Einstiegsweg geschlossen ist und der Zeitrahmen unbestimmt, hört die Frage auf zu sein "wie komme ich auf die Leiter" und wird zu "warum suche ich überhaupt nach einer Leiter."
Der Vibe-Coder ist nicht jemand, der den Markt aufgegeben hat. Das ist jemand, der die Ökonomie angeschaut, verstanden hat, dass die Rendite des Wartens negativ ist, und entschieden hat, das Ding zu bauen statt auf Erlaubnis zu warten, dem Team beizutreten, das es baut. 2026 ist dieser Weg konkret auf eine Weise, wie er vor 4 Jahren nicht war. 1 ausgeliefertes Produkt schlägt 50 Bewerbungen in die algorithmische Leere.
Wenn du diesen Weg einschlägst, ist CLIs beat MCP for production AI agents wert zu verstehen, bevor du die Produktionswand triffst. Und für die Methode selbst ist Vibe Coding, For Real der 8-Schritte-Blueprint für Builder, die die Demo-Wand getroffen haben und etwas ausliefern wollen, das tatsächlich läuft.
Wir haben 3 Jahre damit verbracht, einen Algorithmus für das zu beschuldigen, was tatsächlich eine Management-Policy war. Bequemer Sündenbock: KI wählt nicht, gibt keine Interviews und verteidigt sich nicht vor einem Ausschuss.
Die Leiter ist kaputt. Das echte Schloss ist nicht technologisch, es ist manageriell und ökonomisch. Die Unternehmen, die es lösen, indem sie Junior-Rollen explizit um KI-Augmentation herum neu designen, schnappen sich das beste Entry-Level-Talent, während alle anderen debattieren, ob der Markt "normalisiert".
IBM hat es gemacht. Das Signal ist da.
Du kannst warten, bis dein potenzieller Arbeitgeber dieselbe Studie liest. Oder du kannst aufhören dich zu bewerben und anfangen wie ein Profi zu vibe coden. C'est la vie.
Quellen
- Lambert, C. & Schindler, S. (2026). The Broken Ladder: AI, Remote Work, and Early-Career Hiring. LSE/Warwick/Oxford Ellison Institute. SSRN
- Sternstein, M. (2026, June 5). Charts of the Week: RTO Stalled. a16z. a16z.news
- Remote work, not AI, is killing job prospects for the youth. The Register, June 2, 2026. theregister.com
- The real reason junior hiring is collapsing may not be AI. HCA Magazine, June 2026. hcamag.com
Dieser Post kann Affiliate-Links enthalten. Wenn du sie anklickst, verdiene ich möglicherweise eine kleine Provision (kostet dich nichts und hilft mir dabei, täglich qualitativ hochwertige Artikel für dein Lesevergnügen zu liefern).