Bildung kann nicht mithalten

Vor etwa zehn Jahren führte ich ein Gespräch mit einem der klügsten Juniors, die mir je begegnet sind.

Scharfsinnig. Wissbegierig. Die Art Mensch, die gute Fragen stellt und den Antworten wirklich zuhört. Wir stellten ihn direkt nach der Universität ein, im Wissen, dass es Monate dauern würde, bevor er zu echten Projekten beitragen konnte. So lief das damals. Jede Softwarefirma in Serbien verstand das — Absolventen kamen mit Theorie, und die praktischen Fähigkeiten mussten wir ihnen beibringen.

Also brachte ich es ihm bei. Nicht nur ich — auch meine Senior-Entwickler. Wir strukturierten einen Lernpfad für ihn. Gaben ihm echte Projekte mit Stützrädern. Saßen neben ihm, wenn er nicht weiterkam. Erklärten nicht nur den Code, sondern auch die Soft Skills — wie man mit Kunden spricht, wie man im Team zusammenarbeitet, wie man den Moment übersteht, wenn am Freitagnachmittag um fünf alles zusammenbricht.

Sechs Monate lang kostete er uns mehr, als er einbrachte. Das wussten wir von Anfang an. Wir schluckten es. Nach neun Monaten begann er, sein eigenes Gewicht zu tragen. Nach zwölf war er richtig gut.

Dann ging er.

Fand einen Job, der drei- bis viermal so viel zahlte wie unser Angebot. Ich konnte es ihm nicht verübeln. Ich hätte in seinem Alter dasselbe getan.

Dann passierte es wieder. Und wieder. In den folgenden zwei Jahren wiederholte sich das Muster so oft, dass ich aufhörte zu zählen und anfing, unsere Verträge umzustrukturieren.

Aber hier ist, was ich Jahre brauchte, um zu artikulieren: Das Problem waren nie die Juniors. Sie taten genau das, was rationale Menschen tun. Das Problem war, dass das Bildungssystem Menschen hervorbrachte, die weitere sechs bis zwölf Monate reales Training brauchten, bevor sie echte Arbeit leisten konnten.

Ich subventionierte ein kaputtes System mit meiner eigenen Zeit, der Energie meines Teams und dem Geld meiner Firma.

Skalierung dessen, was ich auf die harte Tour gelernt habe

Diese Erfahrung hat mich nicht verbittert. Sie hat mich rastlos gemacht.

Wenn ich nur eine Handvoll Juniors innerhalb von Orange Hill ausbilden konnte — und die Hälfte von ihnen verlor, bevor ich irgendeinen Ertrag sah —, dann war die Antwort vielleicht, das Wissen anders zu skalieren. Mehr Menschen zu erreichen. Etwas Größeres aufzubauen als das Onboarding-Programm einer einzelnen Firma.

Das ist einer der Gründe, warum mein Kollege Milos und ich den IT Serbia Podcast gestartet haben — den ersten IT-Podcast in Serbien. Wir sprachen über Software-Handwerk, Karriereentwicklung, die Kluft zwischen dem, was Universitäten lehrten, und dem, was Unternehmen brauchten.

Parallel dazu stürzte ich mich in die Software-Development-Community. Orange Hill und ich organisierten Konferenzen, sprachen auf Meetups, nahmen Videos auf. Alles, um die Diskussion voranzutreiben.

Bald tauchten überall in Serbien private Coding-Schulen auf. Vor fünf bis zehn Jahren waren sie überall — sie überbrückten die Lücke, die Universitäten nicht schnell genug schließen konnten. Es funktionierte. Die Kandidaten, die wir 2018 sahen, waren besser vorbereitet als die von 2012. Das Ökosystem passte sich an.

Das war die alte Lücke. Gemessen in Jahren. Lösbar mit Einsatz.

Die neue Lücke ist etwas völlig anderes.

Derselbe Film, noch einmal

Fünfzehn Jahre später ist das Muster identisch. Nur dass die Menschen, die feststecken, keine 22-jährigen Absolventen sind.

Es sind CEOs.

Im vergangenen Jahr habe ich Gespräche mit Führungskräften geführt, die sich wie Zeitreisen anfühlten. Sie erinnern mich an jene Juniors — klug, motiviert, bewusst, dass sich etwas Fundamentales verschoben hat, aber unfähig, die Kluft zwischen Wissen und Handeln zu überbrücken.

Sie sehen das Potenzial. Sie haben die Schlagzeilen gelesen. Manche haben persönlich experimentiert — mit ChatGPT gespielt, vielleicht Claude ausprobiert. Einige wenige haben sogar persönliche Workflows aufgebaut, die ihnen Zeit sparen.

Aber wenn es darum geht, AI in ihrer gesamten Organisation auszurollen? Festgefahren.

Genauso wie meine Juniors damals. Nicht weil es ihnen an Intelligenz mangelte. Sondern weil die verfügbare Bildung nicht zur Realität passte, in der sie arbeiten mussten.

Warum die Lücke diesmal exponentiell schlimmer ist

Als ich 2012 Juniors einstellte, betrug der Bildungsrückstand vielleicht zwei bis drei Jahre. Universitäten deckten die Grundlagen ab, übersprangen aber die Patterns und Frameworks, die in der Produktion zählten. Lösbar. Mühsam, aber lösbar.

AI bewegt sich nicht so.

AI-Fähigkeiten ändern sich monatlich. Manchmal wöchentlich. Die Kluft zwischen dem, was ein Kurs lehren kann, und dem, was die Technologie leisten kann, wird nicht mehr in Semestern gemessen — sondern in Modell-Releases. Bis ein Lehrplan-Komitee ein neues AI-Modul genehmigt, wurde das Tool, auf dem es basiert, bereits zweimal abgelöst.

PwC befragte 4.454 CEOs in 95 Ländern im Januar 2026. Sechsundfünfzig Prozent berichteten von keinerlei finanziellem Nutzen ihrer AI-Investitionen — weder Umsatzsteigerungen noch Kosteneinsparungen. Eine separate NBER-Studie mit 6.000 Führungskräften ergab, dass fast 90 Prozent der Unternehmen berichten, AI habe in den letzten drei Jahren keinerlei Auswirkungen auf die Produktivität gehabt.

Milliarden investiert. Fast nichts vorzuweisen.

Ein Ökonom bei Apollo schaute sich die Daten an und sagte, was alle dachten: „AI ist überall, außer in den eingehenden makroökonomischen Daten." Es ist Robert Solows Paradoxon von 1987 — noch einmal: „Man sieht das Computerzeitalter überall, nur nicht in den Produktivitätsstatistiken." Die Geschichte wiederholt sich nicht, aber sie reimt sich.

Wikipedia

“"Man sieht das Computerzeitalter überall, nur nicht in den Produktivitätsstatistiken."”

— Robert Solow, Nobelpreisträger, 1987

Der Unterschied ist die Geschwindigkeit. Das Computerzeitalter brauchte ein Jahrzehnt, um sein Produktivitätsparadoxon aufzulösen. AI wird nicht so lange warten. Die Unternehmen, die das Bildungsproblem zuerst lösen, werden ihren Vorsprung exponentiell ausbauen. Diejenigen, die es nicht tun, fallen mit derselben Rate zurück.

Unterdessen, am unteren Ende der Leiter

Während Führungskräfte damit kämpfen, AI in ihren Organisationen einzusetzen, werden die Menschen, die früher in diese Branche eingestiegen sind, ausgesperrt.

Ich habe darüber in Ein Brief an Juniors geschrieben — die Beschäftigung von Softwareentwicklern im Alter von 22 bis 25 Jahren ist seit Ende 2022 um fast 20 Prozent zurückgegangen. Eine Harvard-Studie, die 285.000 Unternehmen umfasst, ergab, dass bei Einführung generativer AI die Beschäftigung von Juniors innerhalb von sechs Quartalen um neun bis zehn Prozent sinkt. Die Beschäftigung von Seniors ändert sich kaum.

Informatik-Absolventen haben jetzt eine Arbeitslosenquote von 6,1 Prozent — höher als bei Geisteswissenschaftlern. Siebzig Prozent der Personalverantwortlichen sagen, AI könne Arbeit auf Praktikanten-Niveau erledigen.

Die Juniors können nicht eingestellt werden, weil AI die Seniors produktiver gemacht hat. Die Seniors können AI nicht effektiv einsetzen, weil es ihnen niemand beigebracht hat. Und das Bildungssystem — das, was beide Gruppen hätte vorbereiten sollen — schaut von der Seitenlinie zu und aktualisiert Lehrpläne, die veraltet waren, bevor die Tinte trocken war.

Es ist derselbe strukturelle Fehler, den ich vor 15 Jahren gesehen habe. Nur dass er diesmal beide Enden des Organigramms gleichzeitig trifft.

Warum generische Kurse eine Sackgasse sind

Hier ist, was ich ständig von den Führungskräften höre, mit denen ich spreche: „Wir haben Leute zu AI-Kursen geschickt. Es hat nichts gebracht."

Natürlich nicht.

Es ist derselbe Grund, warum die Universität meine Juniors nicht vorbereitet hat. Generische Kurse lehren, wie ein Tool funktioniert. Sie lehren nicht, wie man es im eigenen spezifischen Kontext einsetzt, mit den eigenen Daten, den eigenen Workflows, der eigenen Teamdynamik.

Eine CEO muss nicht verstehen, wie Claude Code abstrakt funktioniert. Sie muss verstehen, wie es in den Vertriebsprozess ihres Unternehmens passt. Wie es sich mit ihrem CRM verbindet. Wie es die Art verändert, wie ihr Marketingteam Kampagnen erstellt. Wie man Grenzen setzt, damit die Git-Repositories ihrer Entwickler nicht durch gut gemeinte Experimente mit Code-Generierung beschädigt werden.

Das ist kein Kurs. Das ist ein Beratungsauftrag.

McKinsey fand heraus, dass Führungskräfte mehr als doppelt so häufig die Bereitschaft der Mitarbeiter als Hindernis für die AI-Einführung verantwortlich machen, anstatt ihre eigene Rolle zu hinterfragen. Aber Deloittes Daten erzählen eine andere Geschichte — nur 20 Prozent der Unternehmen bewerten ihre Belegschaft als „hoch vorbereitet" für AI, während Bildung die wichtigste Maßnahme war, mit der Unternehmen ihre Talentstrategien anpassten. Sie kennen das Problem. Sie haben nur nicht die richtige Lösung.

Und dann gibt es das Phänomen, über das niemand sprechen will.

Dreiundfünfzig Prozent der Führungskräfte verbergen ihre AI-Nutzung am Arbeitsplatz, um Urteile zu vermeiden. Die höchste Verheimlichungsrate aller Gruppen. Gleichzeitig erhalten nur 7,5 Prozent der Mitarbeiter umfassende AI-Schulungen.

Die Führungskräfte, die die AI-Einführung vorantreiben sollten, nutzen sie heimlich an ihren Schreibtischen, während sie ihren Teams keinerlei Orientierung geben. Sie schämen sich dafür, AI zu brauchen — und diese Scham lähmt ihre Organisationen.

Ich habe in Persönlich produktiv, organisatorisch festgefahren über die drei Stufen der AI-Reife geschrieben — persönliche Meisterschaft, bewusste Selbstbildung und organisatorischer Rollout. Die meisten Führungskräfte stecken zwischen Stufe eins und zwei fest. Sie haben die Transformation persönlich erlebt, können sie aber nicht für ihre Teams replizieren, weil die Kluft zwischen persönlicher Nutzung und organisatorischem Einsatz eine grundlegend andere Art von Wissen erfordert.

Generische Kurse werden ihnen dieses Wissen nicht vermitteln. Genauso wenig wie die Universität meinen Juniors die praktischen Fähigkeiten gab, die sie brauchten.

Die Brücke, die funktioniert

Was hat also vor fünfzehn Jahren funktioniert?

Nicht die Universitäten — sie waren zu langsam. Nicht die generischen Kurse — sie waren zu breit. Was funktionierte, war, dass Praktiker Praktiker unterrichteten. Menschen, die die Probleme selbst gelöst hatten, teilten ihr Wissen direkt, praxisnah, zugeschnitten auf die Person, die ihnen gegenübersaß.

Das taten die Coding-Schulen, als sie gut waren. Das tat ich im Podcast. Das passierte bei jedem Meetup, bei dem ein Senior-Entwickler neben einem Junior saß und sagte: „So funktioniert das in der echten Welt."

Dasselbe Prinzip gilt jetzt — aber auf einer höheren Ebene, mit höheren Einsätzen und für ein anderes Publikum.

Ich habe in Hört auf zu präsentieren. Fangt an zu bauen. über den Wechsel vom Folien-Consulting zum Prototyp-First-Consulting geschrieben. Dieselbe Logik gilt für AI-Bildung. Man kann einer Führungskraft nicht beibringen, AI zu nutzen, indem man ihr einen Vortrag hält. Man bringt es ihr bei, indem man sich neben sie setzt, ihr spezifisches Geschäft versteht und gemeinsam etwas Reales baut.

Eine Beratungsfirma kann, was kein Kurs kann:

Die komplexen geschäftlichen Anforderungen jedes Unternehmens verstehen — nicht nur „wie man AI einsetzt", sondern wo AI in dieser spezifischen Organisation den größten Mehrwert schafft.

AI-Chancen teamübergreifend kartieren, Ineffizienzen aufspüren, die sich über Abteilungen erstrecken — Dinge, die ein Unternehmen vielleicht gar nicht bemerkt, weil es das seit zehn Jahren so macht.

Eine priorisierte Liste von Maßnahmen erstellen — nicht alles auf einmal, sondern die Veränderungen mit dem größten Effekt zuerst.

Die Lösungen bauen und die Mitarbeiter schulen, sie zu pflegen und weiterzuentwickeln. Dieser letzte Teil ist der eigentliche Wert. Keine Abhängigkeit von einem Berater. Kompetenzübertragung, die sich im Laufe der Zeit vervielfacht.

“"Erfolgreiche AI-Implementierungen wählen einen Schmerzpunkt, setzen ihn gut um und gehen kluge Partnerschaften ein."”

— MIT NANDA Initiative, 2025

Die MIT-Forscher, die untersuchten, warum 95 Prozent der AI-Pilotprojekte scheitern, fanden heraus, dass die fünf Prozent, die Erfolg haben, drei Merkmale teilen: enger Fokus auf einen spezifischen Schmerzpunkt, tiefe Zusammenarbeit zwischen AI-Teams und Endnutzern sowie messbare Ergebnisse, die an Geschäftsresultate geknüpft sind. Nicht breiter Ehrgeiz. Nicht generische Schulungen. Präzision.

Das habe ich auch mit meinen Juniors auf die harte Tour gelernt. Diejenigen, die Erfolg hatten, waren nicht die, die die meisten Kurse besucht hatten. Es waren die, die praxisnahes Mentoring bekamen, zugeschnitten auf ihre spezifischen Lücken, von jemandem, der den Weg bereits gegangen war.

Derselbe Optimismus, fünfzehn Jahre später

Ich habe diesen Beitrag mit einer Geschichte über Juniors begonnen, in die ich investiert hatte und die gingen. Über Verträge, die ich umstrukturieren musste. Über ein System, das meine Zeit nahm und mir nichts zurückgab.

Aber das ist nicht die ganze Geschichte.

Diese Frustration trieb mich dazu, einen Podcast zu starten. Einer Community beizutreten. Auf Veranstaltungen zu sprechen, Videos aufzunehmen, beim Aufbau eines Ökosystems zu helfen, das — unvollkommen, langsam, aber aufrichtig — die Lücke für Tausende von Entwicklern in Serbien schloss.

Die Enttäuschung hat mich nicht zynisch gemacht. Sie hat mich einen besseren Weg finden lassen.

Ich bin jetzt am selben Punkt. Die Lücke ist größer. Die Einsätze sind höher. Die Menschen, die feststecken, sind keine 22-Jährigen, die sich fragen, wie sie ihren ersten Job bekommen — es sind Führungskräfte, die sich fragen, wie sie ihre Organisationen transformieren, bevor der Markt sie hinter sich lässt.

Aber das Muster ist dasselbe. Bildung kann nicht mithalten. Konnte sie nie. Die Brücke waren immer Praktiker, denen genug daran liegt, ihr Wissen weiterzugeben — nicht in einem Hörsaal, nicht in einem generischen Webinar, sondern direkt neben Ihnen sitzend, Ihre spezifische Realität verstehend und Ihnen helfend, etwas zu bauen, das funktioniert.

Das ist, was wir bei Orange Hill tun. Nicht weil ich es in einem Lehrbuch gelesen habe. Sondern weil ich diese Brücke seit fünfzehn Jahren baue — und die andere Seite es wert ist, erreicht zu werden.

Tihomir Opačić ist der Gründer von Orange Hill, wo er Organisationen hilft, die Kluft zwischen AI-Potenzial und AI-Realität zu überbrücken. Wenn Ihr Team zwischen dem Wissen, dass AI wichtig ist, und der tatsächlichen Umsetzung feststeckt, melden Sie sich.