Das Junior-Paradoxon: Warum KI die Talentpipeline bedroht

Wie KI die Talententwicklung bedroht – und was wir dagegen tun müssen

Das Problem

Künstliche Intelligenz wird besser. Täglich. Sie schreibt Code, erstellt Analysen, formuliert Texte. Genau die Aufgaben, die früher von Juniors erledigt wurden.¹

Auf den ersten Blick klingt das effizient. Warum einen Junior drei Tage Recherche machen lassen, wenn GPT-4 in Sekunden eine 80%-Lösung liefert?

Die Antwort: Weil ohne diese drei Tage Arbeit nie ein Senior entsteht.

Die Dreyfus-Kurve

Stuart und Hubert Dreyfus beschrieben in den 80ern die fünf Stufen der Kompetenzentwicklung²:

1. Novice → Folgt strikten Regeln
2. Advanced Beginner → Erkennt Kontext
3. Competent → Plant strategisch
4. Proficient → Intuitives Verständnis
5. Expert → Ganzheitliche Meisterschaft

Das Kritische: Der Weg von 1 zu 5 führt über die Fehler in Stufe 2 und 3.

Über die 100 Stunden Debugging.
Über die falschen Annahmen in der Analyse.
Über die Kundengespräche, die schief gelaufen sind.

Das Paradoxon

Wenn KI alle Junior-Tasks übernimmt, wo lernen zukünftige Experten ihr Handwerk?

Ein Beispiel aus der Software-Entwicklung:

Früher:

1. Junior debuggt 50 Stunden lang Legacy-Code
2. Entwickelt dabei ein tiefes Verständnis für System-Architektur
3. Wird Senior, kann komplexe Systeme designen

Mit KI:

1. KI generiert Code
2. Junior reviewt und integriert
3. ??? (Wo ist die Deep-Learning-Phase?)

Michael Polanyi nannte es “Tacit Knowledge”³ – Wissen, das man nicht explizit vermitteln kann. Man muss es durchleben.

Was Unternehmen tun müssen

1. Simulierte Komplexität schaffen

Wenn die reale Arbeit zu einfach wird (weil KI hilft), müssen wir künstliche Lernumgebungen schaffen.

Beispiele:

• Code-Reviews ohne KI-Support
• “Slow Days” ohne Automatisierung
• Mentoring-Programme mit bewussten Challenges

2. Neue Rollen definieren

Die alten Junior-Rollen sterben. Aber es entstehen neue:

• Prompt Engineers (aber auf Senior-Level)
• AI Quality Assurance (überprüft AI-Output)
• Human-AI Orchestrators (koordiniert Mensch-Maschine-Teams)

Diese Rollen brauchen neue Einstiegspfade.

3. Investieren in Lernzeit

Wir müssen akzeptieren: Lernzeit ist keine verschwendete Zeit.

Ein Junior, der eine Woche an einem Problem sitzt, das KI in 10 Minuten löst? Das ist kein Verlust. Das ist Ausbildung.

Fazit

Das Junior-Paradoxon ist real. Und es ist gefährlich.

Wenn wir nicht aktiv gegensteuern, produzieren wir eine Generation von “Advanced Beginners”, die nie zu Experten werden.

Die Wirtschaft wird darunter leiden. Denn Experten entstehen nicht durch Theorie. Sie entstehen durch Praxis.

Und Praxis braucht Zeit, Fehler, und Raum zum Lernen.

Die Frage ist: Geben wir ihnen diesen Raum?

---

Quellen & Referenzen

---

Footnotes

1. McKinsey Global Institute (2023): The economic potential of generative AI ↩

2. Dreyfus, H. & Dreyfus, S. (1980): A Five-Stage Model of the Mental Activities ↩

3. Polanyi, M. (1966): The Tacit Dimension ↩