KI drängt Junior-Entwickler aus: 7% Arbeitslosigkeit

KI verdrängt Junior-Entwickler: 7% Arbeitslosigkeit und Angebote für Fast-Food-Jobs

Im Jahr 2024 waren in den USA mehr als 170.000 Studierende in Informatikstudiengängen eingeschrieben, doppelt so viele wie vor zehn Jahren. Das Versprechen war einfach: Programmieren lernen und in eine Branche einsteigen, die sechsstellige Gehälter zahlte. Die Realität sieht laut aktuellen Daten weniger rosig aus. Manche frischgebackene Absolventen haben nach hunderten oder tausenden Bewerbungen nur noch Angebote von Fast-Food-Ketten erhalten. Die Arbeitslosenquote für IT-Absolventen liegt bei etwa 6%, für Ingenieure der Informatik bei über 7%. Zum Vergleich: Studiengänge wie Biologie oder Kunstgeschichte liegen bei rund 3%.

Der Auslöser ist nicht nur eine geringere Einstellungsrate. Es sind genau die Einstiegspositionen, die neue Absolventen besetzen würden, die am leichtesten durch KI ersetzt werden. Amazon, Microsoft, Meta und Intel haben Tausende Stellen gestrichen, während generative Tools in Sekunden Aufgaben erledigen, für die ein Junior Stunden brauchte. Die Tür schließt sich, bevor ein Recruiter den Lebenslauf überhaupt liest.

Warum wird die KI und nicht die Zinspolitik verantwortlich gemacht?

Hier beginnt die Kontroverse. Ein Teil der Analyse argumentiert, dass KI mit dem Einbruch nichts zu tun hat: Sie verweisen auf Überbesetzung während der Pandemie, steigende Zinsen, die neue Projekte unrentabel machten, die massive Verlagerung von Entwicklung nach Indien und – im US-Kontext – steuerliche Änderungen, die Absetzbarkeit von Entwicklerarbeit betrafen. In diesem Umfeld scheut kein Unternehmen einen Junior, der nicht nur wenig Output liefert, sondern Monate braucht, um rentabel zu werden.

Die Gegenposition leugnet diese Faktoren nicht, fügt aber eine neue Dimension hinzu. KI hebt das Niveau: Sie gibt einem Junior einen erheblichen Produktivitätsschub. Das Problem ist, dass sie ihm auch die Rolle des Lernenden nimmt. Früher unterstützte ein Neuling den Senior, führte repetitive Aufgaben aus und lernte dabei den Stil und die Interna des Systems kennen. Das übernimmt heute die Maschine. Das Ergebnis ist eine Generation, die generierten Code schluckt, ohne genau zu verstehen, was er tut.

Die Messlatte bleibt menschlich: Was sagt der MIT-Bericht?

Eine Studie des CSAIL-Teams vom MIT bremst die Euphorie. KI kann Code liefern, LeetCode-Aufgaben lösen oder lästige Tasks erleichtern, aber großskalige Programmierung ist eine andere Liga: Systeme mit Millionen Zeilen warten, veraltete Technologien migrieren, Fehler finden, die nur ein Experte erkennt, und Entscheidungen in jahrelang gewachsenen Projekten dokumentieren.

Armando Solar-Lezama, einer der Professoren hinter dem Bericht, fasst es zusammen: „Alle reden von Automatisierung, davon, dass der Entwickler überflüssig wird… aber die eigentliche ‘Arbeit’ ist viel komplexer als Codezeilen auf den Tisch zu legen.“ Die praktische Konsequenz: Die Qualitätsgrenze hat sich nicht verschoben. Guter Code kommt weiterhin von einem Senior oder einem Senior, der die KI mit klaren Anweisungen überwacht. Für Routineaufgaben wie Tests läuft das Tool hervorragend. Für alles andere nicht.

Vibe Coding und die kommende technische Schuld

Unterdessen hat sich eine Praxis namens Vibe Coding etabliert: Ganze Anwendungen lassen sich per Prompts von der KI erstellen. In Diskussionsforen berichten Nutzer, dass bereits funktionierende einfache Programme entstehen, wobei das Backend die letzte Hürde sei. Der Enthusiasmus hat jedoch eine Kehrseite. Die Frage lautet: Was passiert, wenn diese Software vier Jahre alt ist, die Performance sinkt und jemand den Deckel öffnet? Wenn darin Spaghetti-Code steckt, zahlt die Rechnung ein anderer.

Laut dieser Analyse bietet der Markt drei wahrscheinliche Wege: Den Code einfrieren und Altlasten mit Patches bis zur Unbrauchbarkeit schleppen. Teure Teams engagieren, um maschinell Generiertes zu refactorn. Oder die Anwendung als obsolet erklären und neu starten, wahrscheinlich wieder mit KI, was einen Zyklus neuer Apps alle zwei Jahre bedeutet. Die vollständige Kostenrechnung zeigt, wo es wirklich interessant wird.

Vom Sicherheitsingenieur zum Kellner: Der unerwartete Fall

Der Schlag trifft nicht nur Juniors. Zwei Sicherheitsingenieure haben die Branche verlassen: Einer betreibt eine Bar, der andere arbeitet als Kellner. Beide nennen denselben Grund: KI führt Pentests, Skript-Erstellung und Dokumentation besser aus als sie, die Gehälter sind gesunken und mit Trinkgeld verdienen sie gleich viel, ohne ständige Erreichbarkeit. Dies ist ein Erfahrungsbericht, keine Statistik, deutet aber auf eine Verdrängung hin, die über Einstiegspositionen hinausgeht.

Makroökonomische Szenarien sprechen von bis zu 90 Millionen verlorenen Jobs durch Automatisierung bis 2030 gegenüber über 170 Millionen neuen. Die Netto-Bilanz ist positiv. Das Problem: Wer seinen Job verliert, lebt nicht vom Saldo. Manche ignorieren den optimistischen Teil der Prognose gänzlich: Verlorene Jobs sind real, geschaffene sind Versprechen.

Welche Skills werden 2025 bezahlt?

Selbst Kritiker sind sich einig: Das Profil des Entwicklers wandelt sich. Nicht mehr die Menge an geschriebenem Code zählt, sondern die Fähigkeit, ihn zu debuggen, zu optimieren, Obsoleszenz zu vermeiden und als Brücke zwischen Business-Anforderungen und technischer Umsetzung zu fungieren. KI beherrschen, ihre Schwachstellen kennen und nicht blind vertrauen wird zur Hauptaufgabe. Wer ohne Urteilskraft delegiert, erzeugt fehlerhaften Code.

Das Problem ist, dass Universitäten hinterherhinken. KI-Inhalte erreichen Lehrpläne verspätet, sodass Weiterbildung beim Studierenden selbst liegt. Der Markt belohnt hingegen, wer Integration schon beherrscht, und bestraft reine Titelträger. Die Frage ist nicht, ob KI den Entwickler ersetzt. Sondern wie viele heutige Informatikstudenten noch als Entwickler arbeiten können, bevor sich die Branche vollständig neu ordnet.