KI-Automatisierungsrisiko für Ihren Beruf prüfen
Kostenloses Tool, das das KI-Automatisierungsrisiko jedes Berufs schätzt. Es mischt echte Claude-Nutzungsmuster aus dem Anthropic Economic Index, BLS-Beschäftigungsprognosen 2024-2034, den PayScope AI Exposure Index 2026 und O*NET-Aufgabenbeschreibungen zu einem Composite-Score mit ehrlichem Konfidenzbereich. Geben Sie Ihren Beruf ein und sehen Sie die Risikoanzeige, die Zeithorizontkurve und die Aufgabenaufschlüsselung — welche Teile der Arbeit KI heute schon kann.
So lesen Sie Ihren Risiko-Score
Suchfeld nutzen oder aus der Trending-Kachel wählen. Autocomplete grenzt 50+ Berufe ein.
Die zentrale Zahl ist die 5-Jahres-Exposition. Der dünne Bogen zeigt die Quellen-Uneinigkeit — breiter = unsicherer.
1-, 5- und 10-Jahres-Risiko vergleichen. Der 10-Jahres-Wert extrapoliert die Anthropic-Adoptionskurve und ist unsicherer.
Jede Aufgabe farbig: rot = heute automatisierbar, gelb = von KI unterstützt, grün = menschlich. Umschulung um die grünen und gelben Pools planen.
Das Panel "Verwandt" zeigt Nachbarn in derselben SOC-Familie mit Risiko-Scores — nützlich für Umstiegsüberlegungen.
Sehen Sie, wie exponiert Ihr Beruf ist — mit einem ehrlichen Konfidenzbereich aus echten 2026-Daten.
Beruf vorschlagen Wir kombinieren die US-BLS-Berufscodes – moderne Nischenrollen (SEO, DevOps, SMM…) sind möglicherweise noch nicht in der Taxonomie enthalten. Sagen Sie es uns, und wir ordnen sie der nächstgelegenen BLS-Familie zu.
🔥 Beliebte Suchen
⚠️ Höchstes Automatisierungsrisiko
🛡️ Niedrigstes Automatisierungsrisiko
Keine gemessene Claude-Nutzung
Der Anthropic Economic Index hat für diesen Beruf keine Claude-Nutzung erfasst. Das bedeutet typischerweise: praktische körperliche Arbeit, persönlicher Kontakt oder weniger textgetriebene Aufgaben. Der Wert von 0 % sollte als "heute keine messbare KI-Beteiligung" gelesen werden, nicht als "KI kann nicht helfen".
Aus verwandten Berufen wählen oder oben eingeben.
Anteil der gemessenen Aufgaben, bei denen KI den Arbeitenden unterstützt (Feedback, Lernen), statt ihn zu ersetzen (Anweisung, Validierung). Hohe Unterstützung + geringes Risiko = KI verändert den Beruf, ohne ihn zu bedrohen.
Sicherere Rollen mit verwandten Fähigkeiten Wenn das Gesamtrisiko hoch ist, sind dies weniger gefährdete Vergleichsberufe in derselben Branche – sortiert nach Skill-Transfer-Näherungswert (zuerst die ähnlichere SOC-Wurzel).
Fähigkeiten, die KI nicht leicht nachahmt Wo zu investieren, um voraus zu bleiben. Kombination aus Aufgabenanalyse und branchenweiten menschlichen Stärken.
Aufgabenanalyse Wie KI sich heute auf die typischen Aufgaben dieser Rolle verteilt.
Verwandte Berufe Risiko innerhalb der SOC-Familie vergleichen.
Wie Prognosen gealtert sind Frey & Osborne (2013) vs. moderne Schätzung 2026. Grosse Lücke = Modell 2013 hat die LLM-Welle verpasst.
Keine Prognose von 2013 für diesen Beruf – Frey & Osborne erfassten 702 SOCs, dieser war nicht im ursprünglichen Set.
Quellen
Das Composite-Risiko mischt vier Datensätze. Wir erfinden keine Zahlen; die Formel ist offen.
Anthropic Economic Index (März–April 2026): echte Claude-Nutzungsmuster pro Beruf, mit Automate-vs.-Augment-Aufteilung. Quelle ansehen ↗
BLS Employment Projections 2024–2034 (veröffentlicht am 28. Aug. 2025): Löhne, Wachstum, offene Stellen und die 832-SOC-Basis, an der wir alles verankern. Quelle ansehen ↗
BLS SOC 2010→2018 Crosswalk: dient dazu, die Aufgabenbeschreibungen des AEI (noch im O*NET-SOC 2010) mit der BLS-SOC-Beschäftigungsdatei von 2018 abzugleichen. Quelle ansehen ↗
O*NET task statements: ~17.998 Aufgaben, SOC-Codes zugeordnet. Quelle ansehen ↗
Frey & Osborne (2013): nur als historische Baseline für das Drift-Diagramm — NICHT im Composite. Quelle ansehen ↗
Schätzungen basieren auf US-Arbeitsmarktdaten. Reale Exposition hängt vom Arbeitgeber, der Region und Ihren Aufgaben ab. Behandeln Sie den Score als Planungshilfe, nicht als Prognose.
