IBM kündigt an, die Einstellungen für Berufseinsteiger 2026 zu verdreifachen – trotz oder gerade wegen fortschreitender KI-Automatisierung. Doch hinter der optimistischen Rhetorik verbirgt sich eine fundamentale Transformation von Wissensarbeit: Aus eigenständiger Problemlösung wird KI-Überwachung, aus Fachexpertise Tool-Kompetenz. Was als Antwort auf Gen-Z-Arbeitslosigkeit verkauft wird, könnte die systematische Aushöhlung beruflicher Expertise beschleunigen.

Auf dem Leading With AI Summit verkündete IBM-CHRO Nickle LaMoreaux eine bemerkenswerte Kehrtwende: Der Konzern will seine Einstiegsstellen in den USA im Jahr 2026 verdreifachen, ausgerechnet in Bereichen, die durch KI automatisierbar sind. Softwareentwickler-Positionen, die vor zwei bis drei Jahren noch eigenständiges Programmieren erforderten, werden neu konzipiert. Die neuen Rollen betonen „KI-Kompetenz“ und „Kundenkontakt statt Routine-Coding“. Ein besonders entlarvendes Beispiel nennt LaMoreaux selbst: Chatbot-Überwachung im Personalwesen als typische neue Einstiegsposition.

Diese Ankündigung verdient mehr als die übliche Berichterstattung über „Tech schafft doch Jobs trotz KI“. Sie offenbart vielmehr eine strukturelle Transformation, die weit über IBM hinausweist und grundsätzliche Fragen zur Zukunft von Wissensarbeit aufwirft. Was hier als Verdreifachung von Einstiegsjobs präsentiert wird, ist bei genauerer Betrachtung die Etablierung einer qualitativ völlig anderen Kategorie von Beschäftigung.

Die Transformation der Einstiegsarbeit

Peter Drucker hat den Wissensarbeiter definiert als jemanden, der kraft seiner Expertise eigenständige Entscheidungen trifft und Probleme löst. Die klassische Funktion von Einstiegspositionen in der Wissensarbeit bestand darin, genau diese Expertise aufzubauen: durch eigenständiges Programmieren, durch das Lösen echter fachlicher Probleme, durch schrittweise zunehmende Verantwortung. Der Junior-Developer lernte programmieren, indem er programmierte. Der Junior-Analyst lernte analysieren, indem er analysierte.

Was IBM nun skizziert, folgt einer anderen Logik. Wenn die zentrale Aufgabe darin besteht, KI-Outputs zu überwachen, Chatbots zu kuratieren und „KI-Kompetenz“ zu demonstrieren, dann verschiebt sich die Arbeit von eigenständiger Problemlösung zu systemgestützter Qualitätskontrolle. Der entscheidende Unterschied: Die fachliche Expertise wird nicht mehr durch den Mitarbeiter aufgebaut, sondern liegt im KI-System. Der Mensch wird zum Kontrolleur und Schnittstelle, nicht zum eigenständigen Experten.

Diese Entwicklung ist keineswegs neu, aber sie beschleunigt sich dramatisch. Was in der industriellen Produktion bereits seit Jahrzehnten beobachtbar ist – die Verlagerung von handwerklicher Expertise in Maschinen und die Reduktion menschlicher Arbeit auf Überwachung und Bedienung – vollzieht sich nun in der Wissensarbeit. Mit einem entscheidenden Unterschied: Während der Industriearbeiter seine Deprofessionalisierung in aller Regel bewusst erlebte, wird die Deprofessionalisierung des Wissensarbeiters als „KI-Kompetenz“ und „Upskilling“ verkauft.

Die PR-Schere im KI-ZeitalterNiklas Luhmann würde in IBMs Ankündigung ein Lehrstück über die Funktion organisationaler Kommunikation sehen. Die Botschaft „tripling entry-level hiring“ adressiert nicht primär den Arbeitsmarkt, sondern multiple Stakeholder mit je eigenen Erwartungen: Die Politik erhält das Signal „wir schaffen Jobs für Gen Z“, Hochschulen die Bestätigung „STEM-Ausbildung bleibt relevant“, Investoren den Beweis „wir bauen strategisch für die KI-Zukunft“, und der Talentmarkt die Versicherung „wir sind attraktive Arbeitgeber trotz Automatisierung“. Ob die operationale Realität dieser Kommunikation entspricht, ist eine andere Frage.

Hier öffnet sich die PR-Schere, jene charakteristische Diskrepanz zwischen Kommunikationsintensität und Substanz. Was genau bedeutet „verdreifachen“, wenn die Positionen strukturell anders funktionieren als jene, die sie ersetzen? Wenn ein Chatbot-Überwacher ein Drittel dessen verdient, was ein Junior-Developer vor drei Jahren bekam, und ein Zehntel der Entwicklungsperspektiven hat – ist das dann wirklich eine Verdreifachung oder eine Umetikettierung von Abbau in Aufbau?

Die zeitliche Dimension ist ebenfalls aufschlussreich: Ankündigungen für 2026 erfolgen parallel zu Tech-Layoffs 2023-2024. Das Muster ist bekannt – erst wird abgebaut und restrukturiert, dann wird der Wiederaufbau kommuniziert. Der PR-Gewinn entsteht auf beiden Seiten: Effizienzsteigerung durch Abbau, dann Imagegewinn durch vermeintlichen Neuaufbau. Dass die neuen Jobs kategorial anders sind als die eliminierten, verschwindet in der Kommunikation.

Der transatlantische Kontrast

Besonders aufschlussreich wird IBMs Strategie im Vergleich zur deutschen Entwicklung. Während IBM von „AI als Verstärker, nicht Ersatz“ spricht und Einstiegspositionen ausbaut, erleben deutsche Technologiekonzerne eine andere Realität. SAP treibt massive Umstrukturierungen voran, bei denen Cloud-Transformation als Begründung für Stellenabbau dient. Siemens baut kontinuierlich klassische Ingenieurspositionen ab. Die Deutsche Telekom und T-Systems reduzieren Personal trotz oder gerade wegen ihrer Digitalisierungsrhetorik.

Dieser Kontrast ist nicht zufällig. US-Tech-Konzerne wie IBM können sich aggressive Einstiegsjobs-Strategien leisten, weil sie Plattform-Positionen kontrollieren und von Skaleneffekten profitieren, die deutsche Industriekonzerne nicht erreichen. IBM operiert in einem digitalen Ökosystem mit hohen Margen und kann deshalb experimentieren, welche neuen Formen von Einstiegsarbeit funktionieren. Deutsche Konzerne hingegen kämpfen mit sinkendem Margendruck in traditionellen Geschäftsmodellen und fehlenden digitalen Ökosystemen. Dort wird primär abgebaut, nicht transformativ umgebaut.

Die Differenz zeigt sich auch in der Rhetorik. Während IBM-CEO Arvind Krishna öffentlich für mehr Hochschulabsolventen plädiert und KI als Verstärker inszeniert, dominiert in deutschen Vorstandsetagen die Effizienzlogik: Automatisierung bedeutet hier Kostenreduktion, nicht Transformation von Arbeit. Der strukturelle Unterschied liegt in der Plattform-Ökonomie: Wer Ökosysteme kontrolliert, kann sich leisten, in neue Formen von Arbeit zu investieren. Wer in fragmentierten Märkten ohne digitale Dominanz operiert, muss konsolidieren.

Die systemische Frage nach der Expertise

Was sich hier abzeichnet, geht über einzelne Konzernstrategien hinaus. Es ist eine fundamentale Verschiebung in der Organisation von Wissensarbeit. Die traditionelle Karrierelogik – Einstiegsjob führt zu fachlicher Vertiefung, führt zu Spezialisierung, führt zu Führungsverantwortung – wird ersetzt durch eine neue Sequenz: KI-Überwachung führt zu KI-Steuerung, führt zu KI-Strategie, führt zu… wohin eigentlich?

Die entscheidende Frage ist nicht, ob diese neuen Jobs existieren werden. Sie werden existieren, vermutlich in großer Zahl. Die Frage ist vielmehr, ob sie zu echten Karrieren führen oder eine neue Klasse prekärer Wissensarbeiter erzeugen, die KI-Systeme überwachen, ohne selbst tiefere fachliche Expertise aufzubauen. Wer seine Karriere damit beginnt, Chatbot-Outputs zu kuratieren, erwirbt welche übertragbaren Fähigkeiten? Wer lernt, KI-generierte Code-Vorschläge zu bewerten, ohne selbst programmiert zu haben, entwickelt welche Problemlösungskompetenz?

Die Gefahr ist real: Organisationen könnten systematisch die Fähigkeit verlieren, eigene Expertise aufzubauen, weil die Mechanismen dafür – eigenständige Problemlösung in Einstiegspositionen – durch KI-gestützte Prozesse ersetzt werden. Was heute als Effizienzgewinn erscheint, könnte sich morgen als strategische Verwundbarkeit erweisen, wenn die Organisation nicht mehr über Mitarbeiter verfügt, die Systeme grundlegend verstehen statt sie nur zu bedienen.

Offene Fragen statt falscher Gewissheiten

IBMs Ankündigung wirft mehr Fragen auf, als sie beantwortet. Wie werden diese neuen Einstiegspositionen vergütet im Vergleich zu klassischen Junior-Rollen? Welche tatsächlichen Karriereperspektiven haben Menschen, die als „Chatbot-Überwacher“ beginnen? Wie viel eigentliche Fachexpertise wird noch aufgebaut versus reine Tool-Bedienung erlernt? Und gilt diese Strategie global oder nur für ausgewählte Märkte wie die USA?

Der Verdacht liegt nahe, dass hier nicht primär Jobs geschaffen werden, sondern eine neue Kategorie niedrig-qualifizierter Wissensarbeit etabliert wird, die strukturell anders funktioniert als die eliminierten Positionen. Was als Antwort auf Gen-Z-Arbeitslosigkeit und als Beweis für die komplementäre Natur von KI verkauft wird, könnte in Wirklichkeit die systematische Aushöhlung von Fachexpertise in Organisationen beschleunigen.

Die PR-Schere zwischen der Rhetorik von „AI as amplifier“ und der Realität von Deprofessionalisierung könnte erheblich sein. Und während Konzerne wie IBM, Dropbox und Cognizant optimistische Narrative über KI-gestützte Jobcreation verbreiten, sollte die kritische Analyse nicht bei der Quantität der Jobs stehen bleiben, sondern ihre Qualität, ihre Entwicklungsperspektiven und ihre Funktion im größeren Kontext der Transformation von Wissensarbeit untersuchen.

Die eigentliche Frage ist nicht, ob KI Jobs vernichtet oder schafft. Die Frage ist, welche Art von Arbeit, welche Art von Expertise und welche Art von beruflicher Entwicklung in einer KI-dominierten Ökonomie noch möglich sind. IBMs Ankündigung gibt darauf keine beruhigende Antwort.

Ralf Keuper

Quellen:

IBM is tripling the number of Gen Z entry-level jobs after finding the limits of AI adoption

IBM Is Targeting Gen Z by Tripling Its Hiring