Insights
KI-Automatisierung und das Ende der Lehre
Ich habe über eine Frage nachgedacht, für die es in keiner Organisation, mit der ich arbeite, einen offensichtlichen Zuständigen gibt: Wer ist dafür verantwortlich, die nächste Generation von Experten heranzubilden? Nicht sie einzustellen. Sie heranzubilden.
Während des größten Teils der Industriegeschichte war die Antwort direkt in der Arbeit selbst verankert. Junioren bekamen die kleinen, unglamourösen, korrigierbaren Aufgaben – die Routinekorrektur, den ersten Entwurf des Memos, die Abstimmung, die niemand mochte. Diese Aufgaben waren wirtschaftlich marginal. Das war nie ihre echte Funktion. Ihre Funktion war es, jemanden stolpern zu lassen, es ein kleines bisschen falsch zu machen und von jemandem korrigiert zu werden, der vor ihm gestolpert war. Expertise war ein Nebenprodukt von Ineffizienz.
Wir bauen diese Ineffizienz derzeit rasant ab, und ich glaube nicht, dass wir bemerkt haben, was wir damit alles mitentfernen.
Die verschwindende Einstiegslücke
Das Digital Economy Lab der Stanford University stellte in Zusammenarbeit mit ADP-Gehaltsdaten, die Millionen amerikanischer Arbeitnehmer bis Mitte 2026 abdecken, fest, dass die Beschäftigung von 22- bis 25-Jährigen in AI-exponierten Berufen nun etwa 19 % unter dem Wert liegt, den sie hätte, wenn sie ihrer weniger exponierten Altersgenossen gefolgt wäre. Erfahrene Arbeitnehmer in denselben Berufen weisen keine vergleichbare Lücke auf. Die Divergenz konzentriert sich dort, wo AI automatisiert, statt zu unterstützen.
Das wird meist als Verdrängungsgeschichte interpretiert. Ich halte es für eine Übertragungsgeschichte, und die interessanteren Belege sind qualitativ. Eine in diesem Jahr veröffentlichte Studie über Softwareingenieure – Junioren an der Schwelle zum Beruf und die Senioren, die sie einst ausbildeten –, beschreibt ein Muster, das die Autoren als Absorption bezeichnen. Einstiegsarbeiten verschwinden nicht in einer Warteschlange, die auf einen Junior wartet. Sie werden in einen Senior-plus-AI-Arbeitsablauf umgeleitet, wo sie schneller und besser erledigt werden. Niemand trifft die bewusste Entscheidung, niemanden mehr auszubilden. Die Ausbildung findet einfach nirgendwo mehr statt.
Die Forscher beschreiben auch eine Asymmetrie der Wahrnehmung. Senioren bewerten Junioren nach ihrem Output, der mittlerweile gut aussieht. Junioren erleben den Verlust privat als das Fehlen von etwas, das sie nicht benennen können, weil sie es nie hatten. Keine der beiden Seiten ist in der Position, das Problem zu erkennen, also spricht es keine Seite an.
Eine Organisation kann ihr Ausbildungssystem verlieren, ohne dass ein einziges Meeting stattfindet, das dies zur Kenntnis nimmt.
Die versteckten Kosten der Effizienz
Was dies so schwierig macht, ist, dass keine einzelne Entscheidung in der Kette falsch ist. Die Routineaufgabe an die AI zu übergeben, ist in diesem Quartal richtig. Das ist vielleicht vier Jahre lang in jedem Quartal richtig. Die Kosten fallen im fünften Jahr an, bei einer Kohorte von Menschen, die einen Output überwachen können, den sie selbst nie produzieren konnten – die in der Lage sind, eine Antwort anzunehmen oder abzulehnen, aber nicht zu spüren, wann die Frage falsch war. Urteilsvermögen lässt sich, soweit wir wissen, nicht durch Erklärung übertragen. Es ist der Rückstand, der zurückbleibt, wenn man für etwas verantwortlich war.
Ich habe dafür noch kein Framework. Ich habe nur einen Verdacht, wo es beginnt.
Organisationen messen die Produktivität der Arbeit. Fast keine misst den Entwicklungsertrag der Arbeit – ob eine bestimmte Aufgabe, ausgeführt von einer bestimmten Person, eine Fähigkeit hinterlassen hat, die vorher nicht existierte. Diese Kennzahl musste nie existieren, weil Ausbildung kostenlos und automatisch war, ein Nebeneffekt der Arbeitsverteilung. Sie ist jetzt weder kostenlos noch automatisch. Sie ist zu etwas geworden, für das bewusst bezahlt werden muss: in Langsamkeit, in Aufgaben, die der Person zugewiesen werden, die darin schlechter ist, in Senioren, die Stunden damit verbringen, Arbeit zu korrigieren, bei der eine AI keinen Fehler gemacht hätte.
Den Bestand an Expertise auffüllen
Das sind reale Kosten, und sie sollten als solche benannt werden, anstatt sie in ein Entwicklungsbudget zu schmuggeln. Ein Unternehmen, das sich weigert, diesen Preis zu zahlen, wird einige Jahre lang effizienter wirken als seine Wettbewerber. Dann wird es feststellen, dass es einen Bestand an Expertise aufgebraucht hat, den es nicht mehr aufgefüllt hat, und dass dieser spezielle Bestand zu keinem Preis zurückgekauft werden kann, weil alle anderen gleichzeitig aufgehört haben, ihren aufzufüllen.
Ausführung wird im Überfluss verfügbar. Urteilsvermögen entsteht nach wie vor auf die langsame Art – durch Menschen, die verantwortlich sein durften, bevor sie bereit dazu waren.