Welche Lehre empfiehlt mir die KI für Greentech? Ein Selbstversuch

Welche Ausbildung empfiehlt die KI für Greentech in Wien?

Um das herauszufinden, schlüpfte ich in die Rolle, die ich nach der Matura ausgeschlagen hatte: ein 18-Jähriger, der statt zu studieren eine Lehre sucht und sich von der KI beraten lässt. Vier Systeme – ChatGPT, Claude, Gemini und Perplexity – bekamen dieselben drei Fragen nacheinander, als durchgehendes Gespräch: zuerst nach der passenden Ausbildung, dann nach den Merkmalen eines guten Betriebs, zuletzt nach konkreten Betrieben in Wien. Bei jedem System folgte ich dessen eigenem Vorschlag, so wie es ein echter Bewerber täte.

Welchen Beruf ich am Ende ins Auge fasste, entschied das System, das ich konsultierte. Drei der vier Systeme führten mich zur Elektrotechnik für erneuerbare Energien. Perplexity nannte diesen Beruf als klaren Favoriten, Claude und ChatGPT ebenso, dazu Installations- und Gebäudetechnik für Wärmepumpen und Solarthermie. ChatGPT scherte als Einziges aus und schob mich in Richtung Umwelt- und Abwassertechnik.

Gemini dehnte den Begriff am weitesten: Neben Elektrotechnik und Installationstechnik empfahl es Garten- und Grünflächengestaltung, Gleisbautechnik und sogar das Steinmetz-Handwerk, begründet mit öffentlichem Verkehr und begrünten Städten. Die Spannweite zeigt das erste Problem: Dieselbe Person bekommt je nach System einen anderen Beruf empfohlen. Der Antwortraum der KI kann bereits über das Berufsbild entscheiden.

Ein methodischer Hinweis: Claude lässt sich nicht in einen echten Incognito-Modus versetzen. Um eine Verfälschung durch frühere Gespräche auszuschließen, wies ich es in jedem Prompt an, ohne Rückgriff auf gespeicherte Informationen zu antworten. Eine Einschränkung des Tests, die das Ergebnis aber nicht verzerrt.

Woran erkennt die KI einen guten Ausbildungsbetrieb für Greentech?

Meine zweite Frage lautete, woran ich einen guten Lehrbetrieb für Greentech erkenne. Die Antworten waren über alle vier Systeme hinweg bemerkenswert ähnlich und sie lesen sich wie eine Liste von Signalen, die ein Betrieb erfüllen muss, um überhaupt als empfehlenswert zu gelten.

Genannt wurden vor allem:

• Anteil an Zukunftstechnik: Verbaut der Betrieb Wärmepumpen, Photovoltaik und Speicher, oder noch überwiegend Öl und Gas? Die KI riet, Website und Referenzprojekte darauf zu prüfen.
• Strukturierte Ausbildung: feste Ausbilder, eine eigene Lehrwerkstatt, ein nachvollziehbarer Ausbildungsplan statt „learning by doing“ nebenbei.
• Umgang mit Maturanten: ob der Betrieb die verkürzte Lehrzeit kennt und Perspektiven wie Werkmeister oder ein duales Studium bietet.
• Auszeichnungen und Bewertungen: das WKO-Siegel „Top-Lehrbetrieb“, Gütesiegel der Stadt, Stimmen auf Bewertungsplattformen wie kununu.
• Rote Flaggen: keine klare Ausbildungsplanung, der Lehrling als billige Hilfskraft, heruntergespielte Sicherheit, ständig wechselnde Lehrlinge.

Fast jedes dieser Signale lebt außerhalb der eigenen Website: ein Siegel der Wirtschaftskammer, Bewertungen auf kununu, dokumentierte Referenzprojekte, Erwähnungen in der Presse. Woran ein Mensch einen guten Betrieb erkennt, ist genau das, woran auch die KI ihn erkennt. Ein Betrieb, der diese Belege nicht öffentlich und maschinenlesbar bereitstellt, taucht in der nächsten Antwort, bei den konkreten Empfehlungen, gar nicht erst auf.

Welche konkreten Betriebe nennt die KI für Greentech in Wien?

Als ich die KI nach konkreten Empfehlungen für Greentech in Wien bat, liefen alle vier Systeme auf dieselben Namen zu: Wien Energie und die Wiener Stadtwerke standen in jeder einzelnen Antwort. Daneben die ÖBB, Siemens Energy und die Wiener Netze. Durchweg große, bekannte Arbeitgeber.

Das klingt nach guter Beratung, hat aber einen Haken. Die großen Arbeitgeber sind längst überlaufen. Bei den Wiener Stadtwerken gingen seit September 2025 über 10.500 Bewerbungen ein und die Plätze für den Herbst waren fast ein Jahr im Voraus vergeben (vienna.at, 2026). Anstatt die zahlreichen ausbildungswilligen Kleinbetriebe zu berücksichtigen, lenkt die KI den gesamten Nachwuchs zielgerichtet zu den ohnehin schon stark nachgefragten Anlaufstellen.

Zwei Systeme fielen aus dem Muster, in entgegengesetzte Richtungen. Perplexity nannte als einziges mehrere kleine Fachbetriebe beim Namen – spezialisierte PV- und Elektrofirmen, bei denen genau die Arbeit im Freien anfällt, die ich anfangs angab. Claude verweigerte ein Qualitätsurteil ausdrücklich: Es könne Betriebe nicht nach Güte empfehlen, weil es sie nicht kenne, und verwies auf die Lehrbetriebsübersicht der Wirtschaftskammer.

Gemini nannte seine Empfehlungen als einziges System ohne Quellenangabe und hängte an sein Beispiel ein vages „oder ähnliche regional verwurzelte Meisterbetriebe“. Wo Perplexity jede Empfehlung mit einer Fundstelle belegte, bleibt bei Gemini offen, worauf die Auswahl beruht.

Warum empfiehlt die KI dieselben Arbeitgeber?

Weil ChatGPT, Gemini und Claude nicht im Web nachsehen, sondern aus ihrem Trainingswissen antworten – und darin dominieren die großen Arbeitgeber, über die am meisten geschrieben wird. Nur Perplexity suchte beim Antworten tatsächlich live im Web und zog die Internetseiten der kleinen Fachbetriebe direkt als Quelle heran; die Verweise trugen sogar einen Stempel, der die Suchanfrage zurück zu Perplexity verfolgt.

Daraus entsteht eine Verzerrung zugunsten der Großkonzerne. Sie tauchen in Presseartikeln, Rankings und auf Portalen auf, pflegen strukturierte Stellenanzeigen und werden vielfach extern erwähnt. Der kleine Meisterbetrieb mit einer schönen, aber datenarmen Website erscheint in keiner dieser Quellen und bleibt für drei von vier Systemen unsichtbar.

Ob ein Betrieb in KI-Antworten auftaucht, entscheiden vor allem drei Bausteine:

• Strukturierte Jobdaten: Das JobPosting-Schema von Schema.org liefert der KI maschinenlesbare Fakten: Beruf, Standort, Anstellungsart, Gültigkeit. Das Attribut experienceInPlaceOfEducation signalisiert, dass Praxis einen formalen Abschluss ersetzen kann. Im Handwerk öffnet das den Pool für Quereinsteiger.
• Kandidatennahe Inhalte: KI-Systeme zitieren bevorzugt Seiten, die eine echte Bewerberfrage direkt beantworten: zur Bezahlung, zur Schichtplanung, zu den Projekten der Lehrlinge. Leere Phrasen wie „dynamisches Team“ überspringt die KI.
• Externe Erwähnungen: Modelle stützen sich gern auf Quellen außerhalb der eigenen Website: Zeitungsartikel, Fachinterviews, Auszeichnungen. Wie ich im Beitrag Wie KI-Systeme ihre Quellen auswählen beschrieben habe, zählt dabei weniger der Verweis an sich als die glaubwürdige, namentliche Erwähnung.

Das sind dieselben Belege, die im vorigen Abschnitt einen guten Betrieb ausmachten. Sichtbarkeit und Qualität greifen ineinander: Was einen Betrieb empfehlenswert macht, macht ihn zugleich auffindbar.

Wie wird mein ausbildender Greentech-Betrieb in der KI sichtbar?

Sichtbar wird ein Betrieb, indem er strukturierte Jobdaten, andidatennahe Inhalte und externe Erwähnungen aktiv bedient. Wer in den KI-Antworten fehlt, wird von der nachrückenden Generation gar nicht erst in Betracht gezogen – dieselbe Verschiebung, die ich im Beitrag AI Visibility gegen Fachkräftemangel in Greentech beschrieben habe.

Noch richten die wenigsten Betriebe ihre Karriereseite und ihre Stellenanzeigen auf die KI aus, und darin liegt ein Vorteil. Wer jetzt handelt, besetzt seinen Platz in den KI-Antworten, bevor es die Konkurrenz tut und schafft sich einen Vorsprung. Anders als bei den überlaufenen Großkonzernen ist dieser Platz für kleine Betriebe noch offen.

Genau diese Verschiebung habe ich früh erkannt und mich deshalb auf AI Visibility spezialisiert. Wie sich Sichtbarkeit methodisch aufbauen und messen lässt, dokumentiere ich transparent an meiner eigenen Marke in einer öffentlichen Fallstudie. Welche Inhalte ein Betrieb dafür braucht, zeigt meine Leistung rund um auffindbaren Fachcontent.

Eine Grenze bleibt: Sichtbarkeit bringt Bewerbende an die Tür, ersetzt aber nicht den Prozess dahinter. Wer über die KI gefunden wird, muss danach mit einem schnellen, ehrlichen Bewerbungsverfahren überzeugen. Sonst nutzt die Sichtbarkeit nichts.

Fazit: Erst auffindbar sein, dann Auszubildende überzeugen

Die KI hat mir keine schlechte Lehre empfohlen. Aber sie zeigte mir fast nur die größten Arbeitgeber und überging die kleinen Betriebe, die Nachwuchs am dringendsten brauchen. Wer heute ausbildet, muss zuerst dafür sorgen, dass die KI ihn überhaupt kennt. Sichtbarkeit entscheidet, wer in die engere Wahl kommt.