Wettbieten um KI-Talente: Das teure Scheitern des „Only the Best“-Mindsets

Unternehmen bieten Top-Entwicklern Vergütungspakete im dreistelligen Millionenbereich. Meta-CEO Mark Zuckerberg hat etwa Angebote von bis zu 300 Millionen US-Dollar über vier Jahre gemacht. Das „Only the Best“-Mindset in der Personalbeschaffung führt zu längeren Besetzungszeiten, hohen Gehaltsbändern und einer Verengung der Talentpipelines auf wenige Elite-Hochschulen und Arbeitgeber.

Dieses Vorgehen birgt Risiken, da „Star-Performer“ nach einem Wechsel oft hinter den Erwartungen zurückbleiben. Parallel dazu haben viele junge Hochschulabsolventen Schwierigkeiten, Einstiegsposten zu finden, wie neue Forschung zeigt.

Das Dilemma der „Star-Performer“

Die Jagd nach den vermeintlich besten Köpfen verlängert die Besetzungszeiten für kritische Positionen und erweist sich in der Praxis als problematisch. Harvard-Forscher Boris Groysberg, Ashish Nanda und Nitin Nohria dokumentierten, dass externe „Stars“ nach einem Wechsel häufig schlechtere Leistungen erbringen.

Als Alternative beschreiben Experten ein „Opportunity Mindset“. Kandidaten, die „gut genug sind, um erfolgreich zu sein“, werden eingestellt und durch Onboarding, Mentorship sowie Entwicklungsprogramme gefördert. Solche Unternehmen bewerten Potenzial nicht primär nach Elite-Abschlüssen oder früheren Arbeitgebern, sondern nach der tatsächlichen Leistung im Job.

IBM stellte unter der ehemaligen CEO Ginni Rometty fest, dass rigide Qualifikationsanforderungen wie der Vierjahres-Hochschulabschluss fähige Arbeitskräfte ausschließen und die Talentkosten erhöhen.

Eine PwC-Umfrage vom 3. August 2026 unter mehr als 1.000 US-Finanzmanagern ergab, dass 86 Prozent KI-Fähigkeiten für wertvoller halten als einen MBA bei Neueinstellungen. Indes sinken MBA-Bewerbungen und die Einstiegsgehälter für MBA-Absolventen driften nach unten.

Elite-Business Schools reagieren darauf, indem sie Kurz-Zertifikate für KI-Leadership anbieten, die einen Bruchteil der Kosten eines vollständigen Abschlusses ausmachen. Der zugrundeliegenden Recherche zufolge erhöhen 91 Prozent der Unternehmen die Vergütung für Mitarbeiter mit nachweisbaren KI-Fähigkeiten.

KI-Fähigkeiten und der umstrittene ROI

KI-Fähigkeiten werden zunehmend als Bewertungspunkt in Mitarbeiterbeurteilungen herangezogen, nicht nur für technische Rollen. Meta kündigte im Herbst 2025 an, „AI driven impact“ als Kernbestandteil der Leistungsbeurteilung zu integrieren. Berichten zufolge überwachte Accenture ab Anfang 2026 AI-Anmeldungen für Beförderungen auf höchster Ebene.

Auch bei Google wurde nicht-technischen Mitarbeitern mitgeteilt, dass ihre KI-Nutzung in Leistungsbeurteilungen auftauchen könnte.

Was genau „gut in KI sein“ bedeutet, bleibt jedoch uneinheitlich. „Man kann KI-Leistungen nicht wirklich belohnen, weil wir noch nicht wirklich wissen, was das überhaupt ist, und es sieht auch für verschiedene Jobs sehr unterschiedlich aus“, erklärt Richard Landers, Professor für Wirtschaftspsychologie an der University of Minnesota. Shensi Ding, Mitbegründerin und CEO von Merge, betont die Bedeutung der Qualität der KI-Nutzung und die Belohnung von Mitarbeitern, die Anwendungsfälle entwickeln und Wissen weitergeben.

Stefan Camilleri, Vice President of Engineering bei Typeform, erwartet von seinen Ingenieuren eine deutlich schnellere Arbeitsweise durch neue Tools und gleichzeitig anspruchsvollere Ergebnisse von weniger Mitarbeitern.

Trotz hoher Investitionen, die weltweiten Ausgaben für generative KI übersteigen 30 Milliarden US-Dollar, geben 95 Prozent der Organisationen an, keinen klaren Return on Investment zu sehen. US-Unternehmen gaben 2025 102,8 Milliarden US-Dollar für Schulungen aus, weltweit waren es 366 Milliarden US-Dollar. Nur 15 Prozent der L&D-Führungskräfte halten ihre Führungsprogramme für sehr effektiv.

Im Konsumgütersektor finanzieren lediglich 8 Prozent der befragten Unternehmen KI-Anwendungsfälle mit den höchsten Erträgen, wie kommerzielle Planung, Revenue Growth Management oder KI-gesteuerte Innovation. Diese könnten laut Studie Umsatzwachstumsverbesserungen von 16 bis 40 Prozent erzielen. Die meisten Budgets fließen stattdessen in Marketinginhalte und Anzeigenoptimierung.

Maximilian Groth, CEO von Decentriq, argumentiert, dass KI-Bereitschaft primär ein organisatorisches und kein technologisches Problem sei.

Arbeitsmarkt für junge Talente und der Blick nach vorn

Eine Stanford-Studie zeigt, dass seit Ende 2022 Berufseinsteiger im Alter von 22 bis 25 Jahren in KI-exponierten Rollen, etwa als Softwareentwickler oder Marketingmanager, einen relativen Rückgang der Beschäftigung um 16 Prozent verzeichnen. Die Arbeitslosenquote für aktuelle Hochschulabsolventen (22 bis 27 Jahre mit neuem Bachelor-Abschluss oder höher) lag im Juni 2026 bei 5,7 Prozent. Dies übersteigt die Quote für alle Arbeitnehmer von 4,1 Prozent.

Persönliche Fallbeispiele aus der Recherche illustrieren die Lage. Irene Chang, 21-jährige Ingenieurstudentin an der Georgia Tech, meldete seit September 450 Bewerbungen und 19 Interviews ohne Stellenangebot. Jacqueline Kline, 25-jährige Master-Absolventin der Florida State University (Kommunikation), reichte nach eigenen Angaben über 500 Bewerbungen ein.

Die Ursachen sind umstritten. Stanford-Ökonom Erik Brynjolfsson sieht einen klaren Einfluss von KI auf den Rückgang von Einstiegsjobs. David Deming von der Harvard University argumentiert hingegen, dass der Rückgang der Einstellungen für Junior-Positionen bereits etwa sechs Monate vor der Veröffentlichung von ChatGPT begann und Remote Work eher eine Ursache sei.

Auf der Ai4-Konferenz in Las Vegas im August 2026 debattierten Geoffrey Hinton, Fei-Fei Li und Andrew Ng über KI-Sicherheit und den Zugang zu KI. Andrew Ng sprach sich für Offenheit aus: „Ich möchte keine Gatekeeper. Das schränkt ein, wie wir alle auf KI zugreifen können.“

Geoffrey Hinton warnte vor Risiken offener Gewichte („open weights“) und sagte zugleich: „Ich denke, dieser Kampf ist verloren.“

Die Frage nach der Verantwortlichkeit bei Fehlentscheidungen von KI-Systemen bleibt offen. Maximilian Groth betont, dass ein Unternehmen, das ein System einsetzt und dessen Grenzen definiert, innerhalb dieser Grenzen für das Ergebnis rechenschaftspflichtig sei.

Gleichwohl zeigen die vorliegenden Befunde, dass statt alleiniger Jagd auf vermeintliche Stars alternative Personalstrategien Potenzial haben, Talentkosten zu beeinflussen und die Effektivität von KI-Investitionen zu verbessern. Dazu zählen ein Opportunity Mindset und gezielte Investitionen in die richtigen Anwendungsfälle. Die genaue Definition und Messung von KI-Kompetenzen bleibt dabei eine zentrale Herausforderung für Unternehmen.