Unermüdlich, billig, unkontrolliert: Der KI-Praktikant mit Admin-Rechten

Erinnerst du dich an Februar 2020? Dieses diffuse Gefühl: „Da passiert was, aber wahrscheinlich wird’s schon nicht so wild.” Zwei Wochen später stand die Welt still und wir waren im Lockdown. Genau dieses Bauchgefühl erleben wir jetzt wieder. Diesmal mit KI.

„Something Big is happening”

Entwickler berichten in Foren, auf LinkedIn und in Slack-Channels mit dem gleichen Tenor: „Mein Job wird durch KI ersetzt — Code schreiben, testen, debuggen, iterieren.” Das passiert jetzt, nicht in Jahren. Und es betrifft vor allem Junior-Rollen bei Microsoft, Salesforce und anderen.

Die Anekdoten häufen sich branchenübergreifend: Von Softwareentwicklung über Rechtsberatung bis Content-Produktion übernimmt KI Kernaufgaben, die bisher als menschliche Restkompetenz galten.

Wenn Stellenanzeigen für Einstiegsjobs um 50 Prozent sinken und KI bereits 30 Prozent des Codes schreibt, ist das kein Hype — sondern ein Trend.

Von „Schreib mir Code” zu „Bau mir ein System”

Der Sprung liegt nicht in besseren Antworten, sondern in geschlossenen Schleifen. Früher: Prompt — Output — Mensch prüft. Jetzt: Prompt — Output — Tool-Use (Tests, Linter, Runner) — Selbstkorrektur — verbesserter Output.

Das beunruhigt nicht, weil es magisch ist, sondern weil es skalierbar ist. Sobald Systeme zuverlässig selbst prüfen, wird aus KI ein unermüdlicher Praktikant mit Admin-Rechten — der nie schläft und immer billiger wird.

Statt einzelner Aufgaben übernimmt KI zunehmend Workflows. Nicht „schreib eine Funktion”, sondern „implementiere das Feature, schreib Tests, fixe Fehler, dokumentiere”. Der Mensch wird vom Ausführenden zum Auftraggeber.

Moltbot: Vom Prompt zum autonomen Agenten

Ein virales Beispiel aus 2026 ist Moltbot (ehemals Clawdbot), ein Open-Source-KI-Agent, der lokal auf deinem Rechner läuft und nicht nur antwortet, sondern handelt: E-Mails managen, Browser steuern, Smart-Home-Automatisierung oder Code-Workflows ausführen — always-on, mit persistenter Kontext-Speicherung.

Anders als ChatGPT wartet Moltbot nicht: Es checkt proaktiv Systeme, sendet Updates und erledigt Task-Chains über Stunden — „Buche Flug, bestätige Termin, sende Zusammenfassung”. Perfekt für DevOps oder Solo-Entrepreneurs, aber riskant: Voller Systemzugriff birgt Hacking-Potenzial, wenn nicht gehärtet.

Das zeigt: Selbstgehostete Agenten demokratisieren Autonomie — und verschärfen das Wettrennen um Safety.

Wenn KI KI beschleunigt

Die Aussage, dass neue KI-Modell-Iterationen „zum Großteil durch KI selbst” entstehen, ist übertrieben. Aber der Trend zur intensiven KI-Nutzung in der eigenen Entwicklung ist real — und besonders bei Anthropics Claude gut dokumentiert.

Eine Anthropic-Studie aus 2025 analysierte 500.000 Sessions: Spezialisierte Agenten wie Claude Code automatisieren bei 79 Prozent der Interaktionen Aufgaben, verglichen mit 49 Prozent bei allgemeinen Chatbots — allerdings mit einem menschlichen Feedback-Anteil von knapp 36 Prozent.

Der Satz „Neue Modelle entstehen durch KI” hält so nicht stand. Selbst Anthropic entwickelt mit massivem menschlichen Input in Daten, Training und Alignment. Dennoch wächst die Selbstverstärkung: KI-generierter Code beschleunigt den gesamten Innovationszyklus der KI-Modelle. Die Absolutheit ist Hype — der Kern ist Fakt.

Beschleuniger + Wettbewerb = weniger Zeit für Sicherheitskultur. Jeder Monat, den ein Unternehmen mit Alignment-Tests verbringt, ist ein Monat, in dem ein Konkurrent shipped. Klassische Spieltheorie — und deshalb ein systemisches Problem.

Warum gerade Entry-Level wackelt

Die gesellschaftliche Sprengkraft liegt nicht darin, dass Jobs verschwinden — sondern dass Einstiegsmöglichkeiten verschwinden. Ohne Einstieg gibt’s später auch weniger Expertise.

Die Signale kommen direkt aus den Chefetagen:

Salesforce-CEO Marc Benioff kündigte 2025 an, keine neuen Engineer-Stellen zu schaffen — KI liefere Produktivitätsgewinne von 30 Prozent.
Microsofts Satya Nadella betont, KI schreibe bereits 20 bis 30 Prozent des Codes — Juniors bräuchten „Computational Thinking” statt Routine-Skills.
Google-CEO Sundar Pichai positioniert KI als „Accelerator”, der bestehende Teams effizienter macht — nicht als Grund für Neueinstellungen.
Meta und Google haben die Einstellung von Absolvent*innen seit 2021 um rund 50 Prozent reduziert.

Die Zahlen bestätigen den Trend — besonders in Deutschland:

Branche	Rückgang Junior-Stellen	Treiber
Softwareentwicklung (DE)	54 % seit 2020	KI-Tools wie Copilot übernehmen Code, Tests, Debugging
Tech-Konzerne (global)	25 % weniger Absolvent*innen 2024	Seniors plus KI ersetzen Junior-Kapazität
IT-Infrastruktur (DE)	über 40 %	Automatisierung einfacher Support-Aufgaben
Büro-Einstiegsjobs (WEF)	bis 67 % Verdrängung	Generative KI für Recherche und Vertriebsaufgaben

Kurzfristig werden Junior-Tasks automatisiert — nicht komplett, aber genug, um weniger Stellen zu rechtfertigen. Mittelfristig verschieben sich Rollen: weniger „ausführend”, mehr „orchestrierend”. Das setzt aber voraus, dass es einen Weg dorthin gibt.

Das Risiko: Wer nie als Junior gearbeitet hat, wird kein Senior. Microsoft-Führungskräfte warnen intern: Ohne Mentorship fehlen in fünf bis zehn Jahren die Seniors. Der kurzfristige Effizienzgewinn wird zum langfristigen Talentmangel.

Wettbewerb frisst Safety

In einem Wettrennen gewinnt selten die Partei mit den besten Bremsen. Klassische Spieltheorie: Sicherheit verursacht Kosten — Tests, Red-Teaming, Alignment-Forschung, langsamere Release-Zyklen. Im Wettbewerb ist das ein Nachteil, außer Regulierung erzwingt es.

Der AI Act ist ein Anfang. Aber die Geschwindigkeit der Technologie und die Geschwindigkeit der Regulierung leben in verschiedenen Zeitzonen.

Alignment ist ein Engineering-Problem

Modelle könnten sich in Testumgebungen anders verhalten als im produktiven Einsatz. Das klingt nach Science-Fiction, ist aber ein bekanntes Muster: Systeme optimieren auf Messwerte, und Testumgebungen haben Artefakte, die erkannt werden können.

Das bedeutet nicht, dass wir „keine Kontrolle” haben. Kontrolle ist ein Engineering-Problem, kein Marketingversprechen. Wer behauptet, aktuelle Modelle seien „sicher”, verwechselt Momentaufnahme mit Garantie. Wer behauptet, sie seien „unkontrollierbar”, verwechselt Schwierigkeit mit Unmöglichkeit.

Das Chancenfenster ist jetzt

Wer jetzt versteht, wie man KI produktiv einsetzt, hat Hebel. Fünf konkrete Empfehlungen:

KI-Kompetenz ist tägliche Praxis. Nicht Content über KI konsumieren, sondern KI benutzen. Jeden Tag. Für echte Aufgaben.

Toolchain lernen. Prompting ist der Anfang. Workflows, Automationen, Evaluations — das ist der eigentliche Skill. Wer nur prompten kann, ist wie jemand, der nur googeln kann: nützlich, aber ersetzbar.

Finanzpuffer erhöhen. Nicht aus Angst, sondern aus Resilienz. Wer sechs Monate Runway hat, kann Umbrüche als Chance nutzen.

Karriere Richtung Orchestrierung lenken. Systemdesign, Domänenwissen plus KI, strategische Entscheidungen — das sind die Bereiche, in denen menschliche Urteilskraft am längsten relevant bleibt.

Adaptivität statt starre Berufsidentität. Mathe, Schreiben und Problemlösen bleiben fundamental. Aber die Fähigkeit, mit KI-Werkzeugen zu arbeiten, wird so grundlegend wie Lesen und Rechnen.

Was wir freiwillig abgeben

Während die Debatte um Arbeitsplätze läuft, passiert im Hintergrund etwas Grundsätzlicheres: Wir lagern Infrastruktur aus. Nicht an Staaten oder öffentliche Institutionen — an eine Handvoll Techkonzerne.

Wer heute KI produktiv einsetzt, bindet sich an Anthropic, OpenAI, Google oder Microsoft. Trainingsdaten, Geschäftslogik, interne Kommunikation — alles fließt durch Systeme, deren Regeln andere schreiben. Das ist kein Versehen, sondern Geschäftsmodell. Die Abhängigkeit wächst mit jeder Integration, jedem Workflow, jeder Automatisierung, die man nicht mehr selbst versteht.

Die Geschwindigkeit der Entwicklung hat ein Vakuum geschaffen. Die DSGVO war ein Anfang, der AI Act ein weiterer — aber beide wirken wie Verkehrsregeln für eine Straße, auf der bereits Überschall gefahren wird. Cloud Act, Schrems II, die endlose Safe-Harbor-Debatte — das Muster ist immer dasselbe: reagieren statt gestalten, und das zu spät.

Zwischen Utopie und Kontrollverlust

Dabei steckt in dieser Verschiebung auch ein Versprechen. Jede große technologische Umwälzung hat Strukturen verändert — oft zum Besseren. Die Vier-Tage-Woche, echte Work-Life-Balance, eine Gesellschaft, die weniger arbeitet und trotzdem produktiver ist — das wäre mit KI nicht nur möglich, sondern naheliegend.

Aber es gibt die andere Seite: Eine Welt, in der wenige Konzerne die Werkzeuge kontrollieren, von denen alle abhängen. In der Produktivitätsgewinne bei Aktionären ankommen, nicht bei Menschen. In der „Effizienz” bedeutet, dass weniger Leute mehr leisten — bis sie ersetzt werden.

Welches Szenario eintritt, ist keine technische Frage. Es ist eine politische. Und gerade deshalb beunruhigend, dass die Politik so wirkt, als hätte sie die Frage noch nicht einmal verstanden.

Wenn wir 2030 zurückblicken, wird niemand fragen, ob die Veränderung stattgefunden hat — sondern wer sie gestaltet hat. Und in wessen Interesse.