Woher sollen die nächsten Seniors kommen?

Im April 2025 schrieb 37signals (die Firma hinter Basecamp, notorisch allergisch gegen Einstellungswellen) eine einzige Stelle für einen Junior-Programmierer aus. Gehalt öffentlich genannt: 145.849 Dollar, angesetzt an den obersten zehn Prozent der Junior-Gehälter in San Francisco, für eine Rolle, die ausdrücklich bei weniger als drei Jahren Berufserfahrung gedeckelt war. Zwei Dinge an dieser Ausschreibung sind einen Essay wert. Das erste ist die Begründung dahinter. Das zweite ist, was danach geschah: über 2.200 Menschen bewarben sich auf diese eine Stelle, und David Heinemeier Hansson merkte mit sichtbarem Stolz an: „Kein KI-Screening hier.“ Sie haben die Bewerbungen von Hand gelesen.

Man halte beide Tatsachen gleichzeitig im Kopf. Ein Unternehmen, das so viel an Juniors glaubt, dass es für bloßes Potenzial fast Senior-Gehalt zahlt. Und ein Markt, der Juniors so feindlich gesinnt ist, dass zweitausendzweihundert von ihnen sich auf eine einzige Stelle stürzten wie auf ein Rettungsboot. Beide Tatsachen stimmen, und in der Lücke dazwischen wohnt dieser Essay.

Das Rettungsboot ist keine Metapher

Die Zahlen zur Einstellung von Berufseinsteigern in der Tech-Branche sind von der Anekdote zum Datensatz geworden. SignalFires Talent-Analyse, die Karrierebewegungen quer durch die Branche verfolgt, ergab, dass 2025 Hochschulabsolventen nur noch 7 % der Einstellungen bei den Big-Tech-Konzernen ausmachten, weniger als die Hälfte des Niveaus vor der Pandemie. Und bei Start-ups sieht es nicht besser aus. Die Fortschreibung von 2026 beziffert die Einstellung von Berufseinsteigern bei den großen Tech-Firmen auf rund 65 % unter dem Wert von 2019.

Und es ist längst keine reine Tech-Geschichte mehr. Stanfords Digital Economy Lab hat auf Basis von ADP-Gehaltsabrechnungsdaten zu Millionen Beschäftigten die Studie vorgelegt, die zur kanonischen Arbeit dieses Moments werden dürfte: „Canaries in the Coal Mine?“ von Erik Brynjolfsson und Kollegen. Der Hauptbefund: Beschäftigte zwischen 22 und 25 Jahren in den Berufen, die der KI am stärksten ausgesetzt sind, verzeichnen einen relativen Beschäftigungsrückgang von rund 13 %, während ältere Beschäftigte in denselben Berufen stabil blieben. Der Rückgang ballt sich genau dort, wo KI Arbeit automatisiert, statt sie zu ergänzen. Das Update von Anfang 2026 berichtet, dass die Erosion mit mehreren Prozent pro Jahr weiterläuft. Dem Kanarienvogel geht es nicht gut.

Der Mechanismus ist kein Rätsel, und wer täglich mit diesen Werkzeugen programmiert, kann ihn von innen beschreiben. Die Aufgaben, aus denen früher die ersten beiden Junior-Jahre bestanden (das sauber zugeschnittene Ticket, der CRUD-Endpunkt, die Testsuite, der erste Entwurf von irgendwas), sind genau die Aufgaben, die ein Frontier-Modell heute in Minuten für ein paar Cent erledigt. In dem Agenten-Essay habe ich gemessen, wie eine Maschine das Audit eines Junior-Analysten für 0,04 Dollar erledigte. Die ökonomische Logik, die daraus folgt, ist brutal und für jede einzelne Firma lokal richtig: Warum einem Junior ein Jahresgehalt zahlen, damit er langsam und anfangs falsch macht, was die Maschine sofort erledigt?

Lokal richtig. Global wahnsinnig. Denn die Branche, die so rechnet, hat stillschweigend missverstanden, was ein Junior überhaupt ist.

Ein Junior ist kein billiger Output. Ein Junior ist ein Senior im Jahr null.

Hier ist der Syllogismus, in den der Markt sehenden Auges hineinläuft. Jeder Senior-Entwickler (jeder Mensch, dem man zutraut, die Architektur zu prüfen, die faule Abstraktion zu riechen, den selbstbewussten Unsinn der Maschine abzufangen) ist in genau einem Verfahren hergestellt worden: jahrelang Junior sein, nah an echter Arbeit und echten Konsequenzen, unter den Augen von jemandem, der es schon konnte. Eine andere Fabrik gibt es nicht. Niemand hat je einen Senior eingestellt, den nicht irgendeine andere Firma zuvor aus dem Samen gezogen hätte. Die gesamte Senior-Schicht dieser Branche ist das Produkt eines Ausbildungssystems, das wir gerade, mit quartalsgenauer Präzision, abbauen, weil die Arbeit im Saatgutstadium automatisiert wurde.

Die Branche frisst ihr Saatgut und nennt es Marge.

DHH ist die lauteste Stimme, die sich dieser Logik verweigert, und er verdient es, wie versprochen, mit seinen eigenen Worten zitiert zu werden. Dazu, warum KI am Bedarf nichts ändert: „Wie gut die KI auch wird, wir werden immer Menschen brauchen, die das, was die Maschine ausspuckt, in- und auswendig kennen. Vielleicht nicht so viele, vielleicht nicht in denselben Rollen, aber es ist wirklich utopisch zu glauben, die Menschheit brauche keine Leute mehr, die die Arbeit der KI überprüfen können.“ Dieses Wort, überprüfen, dürfte allen bekannt vorkommen, die den Synthese-Essay gelesen haben: Es ist die Urteils-Adresse, formuliert von einem Mann, der eine profitable Softwarefirma führt und keine Philosophie. Der Output der Maschine ist billig; der Mensch, der beurteilen kann, ob er stimmt, ist es nicht; und dieser Mensch muss irgendwoher kommen.

Und schon 2018, als er einen Essay-Titel retweetete, den er vorbehaltlos unterschrieb: „Wer keine Juniors einstellt, hat keine Seniors verdient“. Isaac Lymans Satz, DHHs Amen. Es klingt wie ein Slogan. In Wahrheit ist es eine Aussage über Lieferketten.

Nach der Steigung einstellen, nicht nach dem Achsenabschnitt

Was die 37signals-Ausschreibung zu mehr als einer Geste macht, ist die Auswahlphilosophie, die daran hängt, aus dem Begleitbeitrag mit dem wunderbaren Titel „Why we won't hire a junior with five years of experience“:

„Vielleicht klingt es ein bisschen hart, aber ein Programmierer, der seit fünf Jahren beruflich arbeitet, hat sein Potenzial höchstwahrscheinlich längst offenbart. Die Kurve, auf der er besser wird, ist bereits gezeichnet.“

Der ganze Beitrag ist ein Plädoyer dafür, nach Steigung statt nach Achsenabschnitt einzustellen. Ein frischer Programmierer, so sein Argument, ist im Grunde nichts als Potenzial: Man legt seine Gerade durch ein paar frühe Punkte, und diese Gerade kann steil sein. Sie stellen, in seinen Worten, auf „Höchstpotenzial“ ein und zahlen einem Junior mehr als üblich, weil sie „einen Junior suchen, der besser ist als die meisten. Nicht besser im Sinne von ‚was weiß er schon‘, sondern im Sinne von ‚wie weit könnte er kommen‘.“

Man beachte, was das eigentlich ist: eine Wette darauf, dass der Mensch (seine Neugier, sein Geschmack unter Korrektur, sein Tempo im Werden) der Vermögenswert ist und der aktuelle Bestand an Fähigkeiten fast nur Rauschen. Diese Wette war schon immer die richtige Art, Juniors einzustellen. Die KI hat sie bloß zur einzigen gemacht, denn genau der Bestand an Fähigkeiten, den ein Junior mitbringt („Ich kann eine React-Komponente schreiben“), ist der Teil, den die Maschine zur Massenware gemacht hat. Was die Maschine nicht zur Massenware machen kann, ist die Entwicklungskurve: das, was zehntausend korrigierte Fehler später zu jenem Urteilsvermögen wird, dessen Knappheit plötzlich alle beschwören.

Was jetzt aus der Lehre wird

Die Antwort ist meiner Ansicht nach nicht Nostalgie: also Juniors einstellen, damit sie den CRUD von Hand schreiben, den die Maschine besser schreibt, als eine Art historisches Reenactment. Die untersten Sprossen der alten Leiter sind weg; so zu tun, als wären sie noch da, bringt weder Juniors noch Seniors hervor, nur Theater. Die ehrliche Frage lautet, woraus die neuen untersten Sprossen bestehen, und ich glaube, ihre Form ist für jeden, der diese Werkzeuge ernsthaft benutzt, längst zu erkennen:

Die erste Aufgabe des Juniors ist nicht mehr, den Entwurf zu produzieren. Sie ist, den Entwurf ins Kreuzverhör zu nehmen. Gib dem Junior den Output der Maschine und lass ihn herausfinden, was daran nicht stimmt, denn meistens stimmt etwas nicht, und das Finden lässt sich trainieren. Jeder Pull Request, den das Modell schreibt, ist jetzt eine kostenlose Lehrübung: Hier ist plausible Arbeit, entscheide, ob sie wahr ist. Das ist ein besseres Trainingslager für Urteilsvermögen, als die alte Ticket-Warteschlange es je war, denn die alte Schlange lehrte Tippen mit gelegentlichem Urteil, und die neue Arbeit ist Urteil mit gelegentlichem Tippen. In dem OrbitSpec-Essay habe ich argumentiert, dass Zuverlässigkeit vor der Antwort beginnt, nämlich bei der Frage; ein Junior, der zwei Jahre lang zusieht, wo maschinelle Antworten scheitern, erwirbt genau den Reflex, den die AGB (siehe wer zahlt, wenn die KI falschliegt) dem Menschen zuweisen: Du musst überprüfen. Überprüfen ist heute ein Beruf. Irgendjemand muss dafür ausgebildet werden.

Zur Stellenbeschreibung des Seniors gehört jetzt, die Baumschule zu betreiben. Wenn der Markt keine Juniors mehr finanziert, die automatisierbare Arbeit erledigen, dann muss man Juniors auf dem einzigen Boden begründen, der übrig bleibt: Sie sind die künftige Prüfkapazität der Firma, eingekauft zum Preis des Potenzials, mit Absicht entwickelt. Das kostet echte Senior-Zeit. Das tat es immer schon; früher versteckten sich diese Kosten im Code Review, und jetzt müssen sie bewusst gewählt werden, was, ehrlich gesagt, meistens heißt: von Gründern und Eigentümern gewählt, denn kein Quartalsanreiz der Welt wird sich je dafür entscheiden.

Und der Zug des Juniors selbst lautet: Verkauf die Steigung. Wenn du dreiundzwanzig bist und das hier liest: Der Markt sagt dir auf die hässlichste denkbare Weise, dass dein Output als Einsteiger wenig wert ist. Er sagt dir nicht, dass du wenig wert bist. Er sagt dir, du sollst aufhören, Output zu verkaufen. Verkauf Belege für deine Kurve: Dinge, die du gebaut und dann korrigiert hast, Urteile, die du gefällt hast und verteidigen kannst, maschinellen Output, den du beim Falschliegen ertappt hast und vorzeigen kannst. Zweitausendzweihundert Menschen bewarben sich bei 37signals, die meisten mit ähnlichen Lebensläufen. Eine Chance hatten die, die zeigen konnten, nicht was sie wissen, sondern wie schnell sie werden.

Die Adresse am Ende der Leiter

In dem Vier-Adressen-Bild, zu dem ich immer wieder zurückkehre, ist das die Personen-Adresse in Arbeitskleidung. Maschinen machen die Herstellung billig; Urteilsvermögen, Rechtsschutz und Aufmerksamkeit wandern zu den Menschen, aber Menschen werden nicht gefunden, sie werden geformt. Jeder Beruf, der eine technologische Revolution überlebt hat, hat es geschafft, indem er seine Ausbildung um die neuen Werkzeuge herum neu gebaut hat: Chirurgen üben weiterhin Eingriffe, bei denen Maschinen assistieren, Piloten sammeln weiterhin Flugstunden in Cockpits, die zum größten Teil von allein fliegen, und zwar genau deshalb, weil allen klar war, dass der Tag, an dem die Maschine versagt, nicht der Tag ist, an dem man anfängt, seinen ersten Experten heranzuziehen.

Die Softwarebranche fährt derzeit das umgekehrte Experiment: die Seniors behalten, die Juniors weglassen, die Maschine die Mitte machen lassen und annehmen, dass die Senior-Schicht von 2036 schon irgendwie da sein wird. Wird sie nicht. Entschieden wird das jetzt, ein Einstellungsstopp nach dem anderen, in den Einsteigerstellen, die klammheimlich nicht mehr ausgeschrieben werden. Die Stanford-Kanarienvögel sind keine arbeitsmarktpolitische Kuriosität. Sie sind eine Prognose darüber, wer in zehn Jahren noch da ist, um die Arbeit der Maschine zu prüfen, und die derzeitige Antwort lautet: weniger Menschen, als wir brauchen werden, und alle davon müde.

Was eine Maschine herstellen kann, wird billig. Was keine Maschine kann, ist zu sagen, ob es stimmt, und die Menschen, die das können, sind kein Rohstoff. Sie werden gemacht, langsam, teuer, ein eingestellter Junior nach dem anderen, von Firmen, die bereit sind, heute für ein Urteilsvermögen zu zahlen, das es erst morgen gibt. DHHs kleine Stellenanzeige war keine Personalmaßnahme. Sie war die Wette eines Unternehmens darauf, woher Seniors tatsächlich kommen, und 2.200 Bewerbungen waren das Geräusch einer ganzen Generation, die zustimmt und darauf wartet, dass der Rest der Branche sich erinnert.