Generative AI and Early-Career Hiring: Counts, Entry Rates, and the Employment Base

Die Geschichte darüber, wie neue Technologien die Arbeitswelt verändern, wird oft als ein plötzlicher Umschwung erzählt, ein Moment, in dem Maschinen das Ruder übernehmen und Menschen zurückgelassen werden. Doch die Realität ist meist subtiler und entfaltet sich in der stillen Mechanik der Einstellung und Arbeitsplatzstabilität, lange bevor die Schlagzeilen eintreffen. Ökonomen untersuchen diese Verschiebungen, indem sie zwei verschiedene Arten der Arbeitsmessung heranziehen: die reine Anzahl der eingestellten Personen und die Rate, mit der diese Einstellungen im Verhältnis zur Größe der bestehenden Belegschaft erfolgen. Stellen Sie sich eine Fabrikhalle vor, in der die Gesamtzahl der Arbeiter schrumpft; selbst wenn die Fabrik dieselbe Anzahl neuer Leute einstellt wie zuvor, könnte die Rate der Einstellungen im Verhältnis zum gesamten Personal anders aussehen. Das Verständnis des Unterschieds zwischen einer einfachen Zählung neuer Arbeitnehmer und der mathematischen Einstellungsrate ist entscheidend, denn ein Rückgang der Anzahl der Neueinstellungen bedeutet nicht zwangsläufig, dass Arbeitgeber aufgehört haben, nach Talenten zu suchen. Es kann schlichtweg bedeuten, dass sich der Pool der erfahrenen Arbeitskräfte, aus denen sie rekrutieren, in seiner Größe oder Zusammensetzung verändert hat. Diese Unterscheidung wird besonders wichtig, wenn man untersucht, wie künstliche Intelligenz, speziell die neue Generation von Werkzeugen, die wie Menschen schreiben und argumentieren können, junge Menschen beeinflusst, die versuchen, ihre Karriere zu beginnen.

Eine aktuelle Studie des Forschers Yi Wu von der University of Texas at Austin untersucht genau diese Frage. Die Arbeit stellt die Frage, ob der Aufstieg der generativen KI zu einem spezifischen Rückgang bei der Einstellung von Berufseinsteigern geführt hat – definiert als Personen im Alter zwischen 22 und 34 Jahren – im Vergleich zu älteren, etablierten Arbeitnehmern. Um die Antwort zu finden, stützte sich der Forscher nicht auf Umfragen oder Vermutungen darüber, was Unternehmen denken. Stattdessen griff er auf einen massiven, detaillierten Datensatz der Regierung namens „Quarterly Workforce Indicators“ zurück. Dieser Datensatz verfolgt reale Einstellungsvorgänge über Tausende von Branchen in den Vereinigten Staaten hinweg und unterscheidet zwischen „allen Neueinstellungen“ und „stabilen Neueinstellungen“. Eine stabile Einstellung ist eine spezifische Art von Beschäftigungsdatensatz: Sie wird nur gezählt, wenn ein neuer Mitarbeiter lange genug im Job geblieben ist, um als vollzeitbeschäftigter, beständiger Teil der Belegschaft für ein ganzes Quartal zu gelten. Durch die Konzentration auf diese stabilen Einstellungen betrachtet die Studie die Jobs, die tatsächlich Bestand haben, statt kurzfristiger oder Probe-Positionen.

Der Forscher verglich Branchen, die stark durch sprachbasierte künstliche Intelligenz exponiert sind, mit solchen, die weniger exponiert sind. Die Exposition wurde dadurch gemessen, wie sehr die typischen Aufgaben in einer Branche auf Fähigkeiten angewiesen sind, die KI-Werkzeuge nun ausführen können, wie etwa das Schreiben, Codieren oder Analysieren von Texten. Die Studie ergab, dass nach 2022, als diese KI-Werkzeuge weit verbreitet wurden, die Zahl der stabilen Neueinstellungen für junge Arbeitnehmer in den hoch exponierten Branchen signifikant stärker sank als in den gering exponierten Branchen. Dieser Rückgang war nicht nur eine kleine Fluktuation; es war ein klarer, messbarer Rückgang. Die Studie fand jedoch auch heraus, dass dieser Rückgang bei stabilen Einstellungen viel ausgeprägter war als bei allen Einstellungen, was darauf hindeutet, dass der KI-Einfluss spezifisch die Jobs betrifft, die zu einer langfristigen Beschäftigung führen.

Hier nimmt die Geschichte eine überraschende Wendung. Als der Forscher die Zahlen aufbrach, um zu sehen, warum die Zahl der jungen Neueinstellungen sank, entdeckte er, dass der Rückgang nicht durch eine plötzliche, statistisch signifikante Änderung in der Häufigkeit getrieben wurde, mit der Unternehmen junge Menschen im Verhältnis zu ihrem aktuellen Personal einstellten. Stattdessen lag der Rückgang fast ausschließlich in der Größe der Belegschaft selbst. Die Studie trennte die Einstellungszahl in zwei Teile auf: die Einstellungsrate (wie viele neue Personen pro bestehender Stelle eingestellt werden) und die Beschäftigungsbasis (die Gesamtzahl der bereits stabil beschäftigten Arbeiter auf der Gehaltsliste). Die Daten zeigten, dass die Einstellungsrate für junge Arbeitnehmer keinen statistisch zuverlässigen Rückgang aufwies. Tatsächlich war der geschätzte Koeffizient für die Rate positiv, aber unpräzise, und sein Vorzeichen variierte je nachdem, wie die Daten transformiert wurden, was bedeutet, dass die Beweise für einen deutlichen Rückgang der Eintrittsrate weniger fundiert sind. Der gesamte Rückgang der Zahl der jungen Neueinstellungen kam daher, dass der Pool der stabilen, erfahrenen Arbeitskräfte in diesen Branchen schrumpfte oder sich in einer Weise veränderte, die den Nenner reduzierte.

Dieser Befund stellt eine verbreitete Annahme infrage. Viele würden erwarten, dass, wenn KI menschliche Arbeit ersetzt, Unternehmen einfach aufhören, junge Menschen in derslich gleicher Rate wie früher einzustellen. Die Studie legt einen anderen Mechanismus nahe. Der Rückgang der jungen Neueinstellungen scheint eine Folge eines längerfristigen Trends in der Zusammensetzung der Belegschaft zu sein, der bereits vor der Pandemie stattfand und auch danach anhielt. Die „Beschäftigungsbasis“ für junge Arbeitnehmer in KI-exponierten Branchen war bereits rückläufig, und die neuen KI-Werkzeuge haben die Einstellungstätigkeit nicht notwendigerweise abrupt gestoppt. Vielmehr konzentriert sich das Einstellungsdefizit auf den schrumpfenden Pool an stabilen Stellen, die zu besetzen sind. Die Studie merkt explizit an, dass dieses Muster bereits in den Daten vor der weiten Verbreitung der bekanntesten KI-Chatbots sichtbar war, was darauf hindeutet, dass die wirkenden Kräfte tiefer und älter sind als der jüngste technologische Boom.

Die Forschung untersuchte auch, ob dieser Trend ein plötzlicher Bruch mit der Vergangenheit oder eine Fortsetzung eines älteren Musters war. Durch den Vergleich der Daten nach 2023 mit den Trends zwischen 2017 und 2019 stellte die Studie fest, dass sich der Rückgang der Einstellungszahlen nach 2023 leicht beschleunigt hat. Jedoch wurde selbst diese Beschleunigung primär durch Veränderungen in der Beschäftigungsbasis und nicht durch einen plötzlichen Zusammenbruch der Einstellungsrate getrieben. Die Studie stellt vorsichtig fest, dass, obwohl die Zahlen eine klare Korrelation zwischen KI-Exposition und weniger jungen Neueinstellungen zeigen, dies nicht beweist, dass die KI die alleinige Ursache ist. Andere Faktoren, wie die wirtschaftliche Erholung von der Pandemie oder andere Branchenveränderungen, könnten ebenfalls beitragen. Dennoch legen die Belege nahe, dass der Rückgang der jungen Neueinstellungen nicht einfach das Ergebnis davon ist, dass Unternehmen pro bestehendem Mitarbeiter weniger Leute einstellen; die Einstellungsrate blieb relativ stabil, während die Gesamtzahl der verfügbaren stabilen Positionen für junge Menschen abnahm.

Einer der wichtigsten Erkenntnisse des Papers ist die Unterscheidung zwischen einer Anzahl und einer Rate. Wenn man nur auf die Gesamtzahl der jungen Menschen schaut, die eingestellt werden, sieht es wie eine Katastrophe für ihre Karrierechancen in KI-geprägten Feldern aus. Aber wenn man auf die Rate schaut, mit der sie im Verhältnis zur Größe der Belegschaft eingestellt werden, ist das Bild weitaus weniger dramatisch. Die Studie kommt zu dem Schluss, dass der Beschäftigungsbasis ebenso viel Aufmerksamkeit geschenkt werden muss wie den Arbeitsströmen (Worker Flows), wenn wir versuchen zu verstehen, wie Technologie den Arbeitsmarkt verändert. Der Rückgang der jungen Neueinstellungen ist real, aber er konzentriert sich auf den Nenner – die Größe der stabilen Belegschaft – und nicht auf den Zähler, der die Einstellungstätigkeit selbst repräsentiert. Dies bedeutet, dass die Geschichte von KI und Berufseinsteigern nicht nur davon handelt, dass Unternehmen mit dem Einstellen aufhören, sondern von einem komplexen Wandel in der Struktur der Arbeitswelt, der der aktuellen KI-Welle vorausging und weiterhin bestimmt, wer eingestellt wird und wer nicht.

Die Studie behauptet nicht, das Rätsel gelöst zu haben, wie die KI die Zukunft der Arbeit beeinflussen wird, noch deut sie an, dass die Lage hoffnungslos sei. Sie liefert lediglich eine klarere, präzisere Karte dessen, was gerade geschieht. Durch die Trennung der Einstellungsrate von der Beschäftigungsbasis offenbart die Forschung, dass der Rückgang der jungen Neueinstellungen keine plötzliche, scharfe Ablehnung junger Talente durch Arbeitgeber ist. Stattdessen ist er ein Spiegelbild eines breiteren, langsamer ablaufenden Wandels in der Zusammensetzung der Belegschaft in Branchen, in denen KI am relevantesten ist. Die Ergebnisse legen nahe, dass die Herausforderungen, vor denen Berufseinsteiger stehen, tief in der Struktur dieser Branchen verwurzelt sind und dass das Verständnis der Größe und Stabilität der Belegschaft genauso wichtig ist wie das Zählen der Neueinstellungen. Letztlich bietet das Paper eine leise, aber kraftvolle Korrektur des Narrativs: Das Problem ist nicht unbedingt, dass Unternehmen aufgehört haben, junge Menschen einzustellen, sondern dass sich die Landschaft, in der sie einstellen, fundamental verschoben hat – und dass dieser Wandel begann, lange bevor der erste KI-Chatbot online ging.