- Der Einsatz von AI wirkt sich direkt auf den Arbeitsmarkt für junge Menschen in den USA aus
- Laut der Studie wurde mit der Verbreitung von AI ein Rückgang der Beschäftigung junger Arbeitskräfte um 13 % festgestellt
- AI-Technologien ersetzen nicht mehr nur automatisierte Routinetätigkeiten, sondern auch komplexere Aufgaben
- Dadurch nehmen die Beschäftigungschancen für Berufseinsteiger und junge Arbeitskräfte ab
- Der Bedarf an Strategien aus Politik und Wirtschaft rückt zunehmend in den Vordergrund
AI-Einsatz und Veränderungen auf dem US-Arbeitsmarkt für junge Menschen
Einer aktuellen Stanford-Studie zufolge hat die Verbreitung generativer AI spürbare Auswirkungen auf Arbeitsplätze für junge Menschen in den USA.
- Bei Unternehmen mit AI-Einsatz wurde ein Rückgang der Einstellung von Arbeitskräften unter 25 Jahren um etwa 13 % festgestellt
- Die Studie weist darauf hin, dass fortgeschrittene Automatisierungssysteme nicht nur einfache Bürojobs, sondern auch anspruchsvollere Aufgaben auf Basis von Kognition und Urteilsvermögen ersetzen
- Infolgedessen sinken die Einstiegschancen junger Jobsuchender auf dem Arbeitsmarkt, was zu sozialer und wirtschaftlicher Instabilität beitragen kann
- Wenn der Fokus ausschließlich auf der Steigerung der Produktivität liegt, könnte sich die bestehende Ungleichheit weiter verschärfen
- Expertinnen und Experten betonen daher umso stärker die Bedeutung aktiver Reaktionen auf Industrie- und Politikebene sowie die Vorbereitung von Weiterbildungs- und Kompetenzaufbauprogrammen für junge Menschen
Rückgang von Arbeitsplätzen für junge Menschen und gesellschaftliche Folgen
- Da AI-Technologien nicht nur einfache repetitive Tätigkeiten, sondern auch verschiedene Bürotätigkeiten ersetzen, werden die Belastungen für die Beschäftigung junger Menschen bereits Realität
- Unternehmen führen zur Effizienzsteigerung und Kostensenkung weiterhin AI-Lösungen ein
- Dadurch beschleunigt sich die Entwicklung, dass es für Berufseinsteigerinnen und Berufseinsteiger sowie Arbeitskräfte am Anfang ihrer Laufbahn schwieriger wird, in den Markt einzutreten
- Gesellschaftlich insgesamt rückt die Notwendigkeit einer Umverteilung von Arbeit sowie einer Neugestaltung des Bildungssystems in den Vordergrund
Reaktionen aus Wirtschaft und Politik
- Um den Beschäftigungsschock für junge Menschen durch den AI-Einsatz abzumildern, sind gemeinsame Anstrengungen von Staat und Wirtschaft unerlässlich
- Maßgeschneiderte Weiterbildungsprogramme und die Schaffung eines Umfelds, das die Anpassung an neue Technologien ermöglicht, gelten als zentrale Gegenmaßnahmen
- Mittel- bis langfristig werden eine strukturelle Neuordnung des Arbeitsmarkts und die Etablierung transparenter Leitlinien für den Einsatz von Algorithmen gefordert
- Unternehmen kooperieren im Rahmen ihrer gesellschaftlichen Verantwortung zunehmend mit Maßnahmen zur Unterstützung beim Berufswechsel für junge Menschen
1 Kommentare
Hacker-News-Kommentare
In der Praxis der Buchhaltungsbranche wird AI kaum eingeführt. Wir haben ziemlich komplexe Enterprise-Copilots, Deep Research, MS-Office-Integrationen und andere moderne Tools, tatsächlich nutzen wir sie aber nur dafür, täglich Zusammenfassungen globaler Nachrichten zu erstellen. Sobald man versucht, sie in der eigentlichen Buchhaltungsarbeit einzusetzen, liefert AI absurde Antworten, was sehr gefährliche Situationen verursacht. Selbst bei einfachen Zahlenvergleichen kommen häufig unzuverlässige Ergebnisse heraus, sodass man den Resultaten als solchen gar nicht vertrauen und sie nicht verwenden kann. Es ist, als würde der
==-Operator beim Programmieren mit 20 % Wahrscheinlichkeit zufällige Fehler produzieren — so etwas kann man im Geschäftsbetrieb nicht vertrauensvoll einsetzen.Ich persönlich habe sechs Monate lang mehrere Sprachmodelle ausprobiert, um Kreditkartenabrechnungen zu prüfen. Ich hatte gehofft, dass sie meine selbst gebaute Haushaltsbuch-App mit den Kartenabrechnungen vergleichen und Auffälligkeiten finden würden, aber tatsächlich haben sie nie auch nur ein einziges Problem korrekt erkannt. Stattdessen wurde fälschlich behauptet, es gebe eine „Starbucks-Zahlung“, oder es kamen nur unzutreffende Komplimente. Obwohl die Datenmenge mit etwa 40 Einträgen klein ist und selbst Fehler keinen realen Schaden verursachen würden, konnten die Modelle nichts wirklich präzise erkennen. Mein Fazit ist: Wenn ein Unternehmen sich auf so etwas verlässt, ist es nicht vertrauenswürdig.
In Dan Toomeys unterhaltsamem Video zum Thema Buchhaltung sieht man, wie wichtig Buchhaltung ist und dass sie in Wirklichkeit kein besonders glamouröser Bereich ist. Im Finanzsektor gibt es die Tendenz, Buchhalter als „ernsthafte Nerds“ zu sehen. Ich selbst habe ebenfalls eine gewisse Zuneigung zur Buchhaltung und habe in einem früheren Unternehmen auch mit Audit-Datensätzen gearbeitet. Niemand hört gern die schonungslose Wahrheit, die Buchhalter erzählen, aber in Wirklichkeit sind sie absolut unverzichtbar. Auch der Enron-Skandal wurde letztlich durch Audit-Kosten aufgedeckt; Buchhaltungsdaten können also der Kern eines Geschäfts sein. Wenn ich das Programmieren irgendwann aufgebe, versuche ich vielleicht noch, CPA zu werden.
In der Buchhaltung ist die Leistung von AI sehr enttäuschend, und eigentlich ist sie nur dann für mathematische Aufgaben einigermaßen brauchbar, wenn sie mit einem Rechner-Tool kombiniert wird.
Viele Menschen träumen von „Tax-AI-Software, die alle Steuern automatisch erledigt“, aber realistisch betrachtet bleibt AI auf dem Niveau einer fortgeschrittenen Textsuchmaschine. Ein LLM (Large Language Model) beherrscht weder Arithmetik noch einfache Berechnungen zuverlässig.
LLMs sind schlecht darin, Arithmetik direkt auszuführen, deshalb sollte man sie nicht selbst rechnen lassen. Bei den meisten Modellen ist es viel besser, wenn sie Code schreiben und ausführen und die Berechnungen über das Ergebnis davon erledigen.
Die US-Buchhaltungsbranche wird nach Indien, auf die Philippinen, nach Osteuropa und andere Regionen offshored. Gleichzeitig wächst innerhalb der USA die Bewegung, die Voraussetzungen für die Zulassung als Buchhalter zu lockern, was Big-4-Partner vorantreiben, um den Personalmangel zu lindern. Dadurch gibt es auch Sorgen über sinkende Aufsichtsqualität und ungenaue Finanzabschlüsse.
Es ist interessant, dass US-Programmierer Remote-Arbeit verteidigen. Ich frage mich, ob sie wirklich glauben, sie seien die Klügsten der Welt. Wenn eine Arbeit vollständig remote erledigt werden kann, gibt es keinen Grund, warum sie nicht jemand aus einem günstigeren Land übernehmen sollte.
Wenn man Berichte über die Arbeitsbedingungen in den wichtigsten Offshoring-Regionen liest, ist die Lage sehr schlecht. Eigentlich ähneln heutige AI und LLMs in ihrer Natur stark jener einfachen, repetitiven Arbeit, die früher ausgelagert wurde. Es gibt inzwischen auch die Tendenz, Aufgaben, die man früher nach Indien geschickt hätte, nun an ein Anthropic-Rechenzentrum zu übergeben.
Ich frage mich, ob der Grund für dieses Offshoring wirklich AI ist. Sprache, Kultur und Wissensunterschiede sind große Hürden beim Auslagern von Arbeit ins Ausland, aber AI hat das Potenzial, diese Probleme zu lösen.
Es gibt auch einen Artikel, wonach selbst Absolventen renommierter technischer Hochschulen in Indien Schwierigkeiten auf dem Arbeitsmarkt haben; deshalb überzeugt mich die Behauptung nicht, AI-getriebenes Offshoring sei die Hauptursache.
In den letzten zwölf Monaten sind Junior-Stellen still und leise verschwunden. Es werden kaum Leute entlassen, aber die Einstiegsstellen selbst, die überhaupt erst einen Zugang ermöglichen, werden nicht mehr ausgeschrieben. Das eigentliche Problem ist, dass die Lerngelegenheiten am Anfang des Berufslebens verschwinden.
Tatsächlich gab es noch nie besonders viele Junior-Jobs. Meiner Erfahrung nach hatten Studierende große Schwierigkeiten bei der Jobsuche, wenn sie nach einem Praktikum nicht in eine Vollzeitstelle übernommen wurden. In Wirklichkeit stellen Unternehmen fast nur Mid- oder Senior-Level ein, und Junioren kommen meist aus dem Praktikantenpool, durch interne Wechsel oder über Beziehungen hinein.
Dieses Phänomen hat eher mit der Verschlechterung der wirtschaftlichen Lage nach der Niedrigzinsära zu tun als mit AI: Umsatz- und Gewinndruck, Kostensenkung und andere strukturelle Faktoren spielen eine große Rolle. Von Junioren erwartet man in den ersten sechs bis acht Monaten meist nur geringe Produktivität, und zusätzlich binden sie Mentoring-Ressourcen von Seniors, sodass das Kosten-Nutzen-Verhältnis eher schwach ist. Auch die Ressourcen in meinem Team sind so knapp, dass selbst zusätzliche Einstellungen schwierig sind. Wer heute als Junior einsteigen will, muss sich auf angesagte Technologie-Keywords konzentrieren oder in einem kleinen Unternehmen mit niedrigem Gehalt anfangen und dann weiterspringen.
Es ist immer schwer zu unterscheiden, ob dieses Phänomen durch die Rezession oder durch AI verursacht wird. Wenn bestehende Arbeitskräfte zu teuer werden, würde man vielleicht selbst Junioren einstellen; aber heutzutage suchen sogar erfahrene Leute zu niedrigeren Gehältern Arbeit, sodass es keinen besonderen Grund gibt, Junioren einzustellen.
Es ist schwieriger geworden, aber junge Menschen in den USA haben immer noch Chancen. Man muss nicht völlig pessimistisch sein, und ein Teil des Problems liegt auch darin, dass die heutige junge Generation stark in TikTok oder Spiele vertieft ist.
Unternehmen entlassen Menschen unter dem Vorwand von AI, aber wenn man konkret überlegt, welche Berufe tatsächlich ersetzt werden, fällt einem gar nicht so viel ein.
In unserem Unternehmen gibt es auch ein paar Kollegen, die sich durch LLMs ersetzen ließen. Ich habe sogar das Gefühl, dass AI weniger Halluzinationen bzw. Fehlantworten produzieren würde als die Fehler, die diese Personen machen. Vielleicht könnte man durch die Einführung von LLMs fünf Stellen auf das Niveau von einer reduzieren.
In Berufen wie Video- und Grafikdesign verbreitet sich die Nutzung von GenAI-Tools. Arbeiten, die früher von Inhouse-Mitarbeitern oder Freelancern erledigt wurden, werden nun zunehmend direkt mit AI gelöst.
Auch wenn AI Beschäftigte nicht 1:1 ersetzt, reicht allein der Produktivitätsgewinn bereits als Grund für Personalabbau. Wenn Entwickler 50 % effizienter werden, kann man rechnerisch die unteren 33 % abbauen und trotzdem zum gleichen Ergebnis kommen.
Anders als beim Blockchain-Hype gibt es bei AI eindeutige Beispiele für Produktivitätssteigerungen. Man könnte zum Beispiel ein Copywriter-Team halbieren und die Teamproduktivität trotzdem halten. In meinem Geschäft habe ich den Großteil der Copywriter-Arbeit automatisiert, sodass sich die Leute auf höherwertige Aufgaben konzentrieren und mehr Kunden betreuen können. Bei 100 Junior-Copywritern wäre es auch leicht, den Personalbestand massiv zu reduzieren.
Der anfängliche Arbeitsplatzabbau durch AI entsteht durch die Steigerung der Produktivität einzelner Beschäftigter, sodass am Ende auch kleinere Teams dieselbe Arbeit leisten können.
Viele Organisationen entscheiden sich mit AI nicht dafür, die Produktivität der Arbeit zu steigern, sondern die Belegschaft selbst zu verkleinern. Der Grund ist, dass sie nicht die höhere Produktivität und die zusätzlichen Gewinne teilen wollen, sondern eine begrenzte Gewinnstruktur aufrechterhalten möchten. Das Stanford-Paper zeigt, dass Organisationen mit einer Rent-Extraction-Mentalität produktive Arbeitskräfte nicht als wertschöpfendes Asset, sondern als Kosten betrachten und dadurch ineffiziente Strukturen aufrechterhalten, selbst wenn sie ihre tatsächliche Produktionsfähigkeit schwächen. Ich bin gespannt, wie sich das weiterentwickelt.
Wenn durch Automatisierung nicht mehr so viele Menschen gebraucht werden, könnten auch Kriege durch Drohnen und automatische Waffen ersetzt werden, und es gäbe weniger Gründe für Revolutionen, sodass Demokratie überflüssig werden könnte. Am Ende könnte eine Zukunft kommen, in der man für viele Menschen auch keine teure Gesundheitsversorgung, Nahrung oder Wasser mehr bereitstellen muss.
Im Paper heißt es, dass „sich Beschäftigungsrückgänge vor allem in Berufen konzentrieren, in denen AI menschliche Arbeit eher automatisiert als ergänzt“. Hinweise auf Rent-Seeking oder wirtschaftliche Kurzsichtigkeit werden dort jedoch nicht direkt gezeigt. Aus Sicht der Unternehmen ist es letztlich vorteilhaft, Menschen durch günstigere AI zu ersetzen, und es gibt auch keine zwingende Grundlage für die Annahme, dass die verbleibenden Mitarbeiter automatisch zusätzliche Gewinnchancen schaffen.
Ich hoffe, dass AI die Kosten für Einführung und Integration von Business-Software stark senkt, sodass qualifizierte Handwerker, etwa erfahrene Anlagenmechaniker, ihre Firmen selbst besitzen und betreiben können. Ich denke, dass im AI-Zeitalter der Bedarf sinken wird, Marketing- und Buchhaltungsfunktionen wie bei PE auszulagern.
Vielleicht wird es in Zukunft wieder wie im Feudalismus.
Die Vorstellung, Arbeit nicht als wertschöpfendes Asset, sondern als Kosten zu sehen, passt nicht zur Realität. Was Unternehmen wirklich wollen, ist, dass Arbeitskraft mit dem Value Proposition des Unternehmens übereinstimmt, also mit dem Grund, warum Kunden dafür bezahlen. Selbst wenn Mitarbeiter Dinge tun, die sie persönlich sinnvoll finden, steigt nur der Unterhaltungsaufwand, wenn Kunden dafür nicht zahlen. Mitarbeiter auszurichten, zu motivieren und Kommunikation zu organisieren ist alles schwierig, und Unternehmen schaffen Stellen in Wirklichkeit nur dann, wenn sie sie zwingend brauchen.
Immer mehr Menschen wie ich nennen AI einen „Praktikanten“ und nutzen sie entsprechend, und die Stimmung ist stark, dass Positionen auf Praktikanten- oder Junior-Niveau eigentlich nicht mehr nötig sind.
Ich frage mich, welche Risiken entstehen, wenn nach dem Weggang von Seniors nur noch neue Seniors nachkommen, die die bestehenden Projekte und Gepflogenheiten nicht kennen.
Man scheint den eigentlichen Zweck von Praktikanten zu missverstehen.
Praktika waren ursprünglich die verlässlichste Methode, Talente zu finden, die über traditionelle Einstellungsverfahren schwer zu rekrutieren sind. Wenn eine Zukunft kommt, in der man keine Praktikanten mehr braucht, ist dann wirklich sichergestellt, dass trotzdem gute neue Fachkräfte nachkommen? Wenn in 40 Jahren die heutigen Kräfte alle in Rente sind, wem überlässt man dann die verbleibende Arbeit?
Jedes Mal, wenn ich in die Stadt gehe, bin ich überrascht, wie viele Berufe noch nicht durch AI ersetzt wurden. Zum Beispiel scannen Kassierer immer noch selbst Waren, nehmen Geld entgegen und geben Wechselgeld heraus. Ich frage mich, was an dieser Art von Automatisierung so schwierig ist, dass sie bis heute nicht umgesetzt wurde.
Das wurde nicht mit AI, sondern auch schon mit Offshoring versucht; siehe diesen Artikel.
Kassenarbeit wird oft auch ohne AI ersetzt, indem man Personal minimiert und Self-Checkout einführt.
Bei 7-Eleven in Japan gibt es zwar noch Personal an der Kasse, aber Bargeld und Wechselgeld werden von Maschinen verarbeitet. In letzter Zeit geht der Trend jedoch wegen Kriminalität bzw. Diebstahl eher dahin, Self-Checkout wieder zu reduzieren und stattdessen mehr Überwachungspersonal einzusetzen.
Das Schwierigste an der Automatisierung von Kassen ist nicht das Kassieren selbst, sondern Diebstahl zu verhindern.
Steigende Zinsen und Zolldruck führen zu weniger Investitionen und weniger Arbeitsplätzen, und trotzdem herrscht die Stimmung, alles AI anzulasten.
Tatsächlich berichtet das Stanford-Paper, das Daten zwischen verschiedenen Gruppen vergleicht, dass die Beschäftigung unter 22- bis 25-Jährigen in Berufen mit hoher AI-Exposition bzw. hohem Risiko signifikant zurückgegangen ist.
Wenn dieses Phänomen ausgerechnet nur in Branchen mit starker AI-Einführung so deutlich hervortritt und hauptsächlich Einstiegsarbeitskräfte betrifft, reichen Faktoren wie Zinsen und Zölle allein als Erklärung nicht aus. Ich glaube kaum, dass den Autoren des Papers solche wirtschaftlichen Bedingungen nicht bewusst waren.
Wenn Investitionen steigen, ist die Botschaft vorteilhaft, dass „AI die Effizienz erhöht“, und wenn Investitionen sinken, ist das Narrativ nützlich, dass „AI Menschen ersetzt“. Wenn ein Computer etwas gut kann, heißt es „das ist dank AI“, und wenn er es nicht kann, dann „wir brauchen noch mehr AI“.
Es gibt ja keine zentrale Stelle, die anordnet, alles der AI anzulasten. Deshalb frage ich mich, warum alle die offensichtlichen anderen Faktoren ignorieren und nur AI verantwortlich machen.
Ich denke, Angstmacherei rund um AI hilft dabei, dass Arbeitnehmer langfristig schlechtere Beschäftigungsbedingungen oder Vergütungen eher akzeptieren. Wenn sich die wirtschaftliche Lage dagegen verbessert und Hoffnungen auf bessere Bedingungen weckt, könnten kurzfristig die Verteilungsforderungen steigen.
In meiner Abteilung gibt es 1000 IT-Beschäftigte, aber weniger als 5–10 % sind in den USA geboren. Die Amerikaner arbeiten nicht besonders hart und sind ohnehin nur eine Minderheit, deshalb scheint die Stimmung zu wachsen, das Land nach und nach zu verlassen.
Es heißt, AI werde Kundenservice, Buchhaltung und Softwareentwicklung ersetzen, aber in Wirklichkeit ist die Servicequalität eher schlechter geworden als besser. Im Kundenservice ist man gegenüber Chatbots von vor 20 Jahren kaum weiter, in der Buchhaltung herrscht weiterhin Personalmangel und die AI-Ergebnisse sind schlecht, und in der Entwicklung ist zwar die Hürde zur Code-Produktion gesunken, gleichzeitig wachsen technische Schulden und herrenloser Code, den niemand versteht, explosionsartig an, was später schwerwiegende Folgen haben kann.