Methodik

Die folgenden Arbeiten gehören zu denen, die den auf dieser Website gezeigten Zahlen zugrunde liegen, zusammen mit der Literatur, auf die wir uns bei der Einordnung von KI-Exposition beziehen. Die Werte werden mit dem Wert wiedergegeben, den der jeweilige Herausgeber vergeben hat. Die Darstellung wird lokalisiert — drückt ein Herausgeber einen Wert etwa als Wortkategorie statt als Zahl aus, ist die gezeigte Formulierung diese Kategorie, übersetzt in die Sprache der Seite. Die Lokalisierung ändert, wie ein Wert geschrieben wird, nicht welchen Wert sein Herausgeber vergeben hat. Die Seite Credits und Quellen führt die Datensatz-Attributionen und Lizenzen.

• Massenkoff & McCrory (2026) - Arbeitsmarktauswirkungen von KIReferenz
• Eloundou et al. (2023) - GPTs are GPTs: theoretisches Framework zur Aufgabenexposition
• Brynjolfsson et al. (2025) - Canaries in the Coal Mine: Beschäftigungseffekte, gemessen anhand von ADP-Gehaltsabrechnungsmikrodaten
• U.S. Bureau of Labor Statistics (US-Behörde für Arbeitsmarktstatistik) - Beschäftigungsprognosen 2025-2035
• O*NET SOC-Klassifikationssystem - standardisierte Berufs- und Aufgabentaxonomie

Die unten definierten Zahlen sind von externen Herausgebern übernommen, und jede nennt ihre Quelle dort, wo sie erscheint. Zeigt eine Berufsseite einen Rang, einen Anteil oder eine Position innerhalb einer veröffentlichten Spanne, so beschreibt dieser Wert eine Beziehung zwischen den Werten des Herausgebers selbst und keine neue Messung — AI Changing Work veröffentlicht keine eigene Messung. Dieser Abschnitt definiert die folgenden Kennzahlen so, wie ihre Herausgeber sie definieren.

OpenAI "GPTs are GPTs" — Beta (β)

β = direkte Exposition (E1) + 0,5 × Exposition bei verfügbaren Werkzeugen (E2), gemäß der Definition des Quell-Repositorys. Wir zeigen sie auf Berufsebene unter den beiden von den Autoren veröffentlichten Bewertungsverfahren — menschliche Bewertende und GPT-4-Bewertung — und auf Aufgabenebene als Anteil der bewerteten Aufgaben mit β ≥ 0,5. Die Werte liegen wie veröffentlicht zwischen 0 und 1; die Umrechnung in Prozent dient nur der Darstellung.

Anthropic Economic Index — beobachtete Exposition

Ein theoretischer Expositionsindex, gewichtet mit der gemessenen Claude-Nutzung, gemäß der Definition des Originalberichts. Er beschreibt die Nutzung, die zum Zeitpunkt der Veröffentlichung des Datensatzes beobachtet wurde. Wir zeigen außerdem die Durchdringung je Aufgabe: bei wie vielen Aufgaben eines Berufs überhaupt Nutzung beobachtet wurde, und deren Mittelwert. Die Werte liegen wie veröffentlicht zwischen 0 und 1.

US Bureau of Labor Statistics — Beschäftigungsprognosen 2025–35

Beschäftigung, Medianlohn und projizierte Veränderung sind aus den BLS-Beschäftigungsprognosen 2025–35 (Table 1.2) übernommen, einer gemeinfreien Bundespublikation. Diese Zahlen beschreiben die SOC-Berufsgruppe, nicht die einzelne Stellenbezeichnung; Berufe mit demselben SOC-Code teilen sie sich daher. Die Beschäftigung wird in Tausend Stellen veröffentlicht.

US Bureau of Labor Statistics — relative KI-Expositionsbänder

Das US Bureau of Labor Statistics ordnet jeden Beruf seiner National Employment Matrix einem von vier relativen Bändern zu — Low, Moderate, High, Very high — veröffentlicht zusammen mit den Beschäftigungsprognosen 2025–35. Das Band ist eine Rangposition unter den Berufen jener Tabelle, kein Niveauwert, keine Einführungswahrscheinlichkeit und keine Beschäftigungsprognose; es trennt auch Automatisierung nicht von Ergänzung. Es ist zudem keine eigene Messung des Bureau: Es übernimmt die Perzentilränge jedes Berufs aus mehreren zuvor veröffentlichten Studien und fasst sie zu vier Bändern zusammen. Zwei dieser Studien gehören zur selben Reihe wie Datensätze, die diese Website bereits führt; Band und jene Werte sind daher nicht voneinander unabhängig. Die Bandbezeichnung geben wir so wieder, wie das Bureau sie geschrieben hat, übersetzt in die Seitensprache; die vom Bureau nicht veröffentlichte Ordnungszahl zeigen wir nie. Das Band wird je Code der National Employment Matrix (NEM) vergeben, nicht je Berufsbezeichnung, und ein NEM-Code kann mehrere Berufe dieser Website umfassen; Berufe mit demselben NEM-Code erhalten daher dasselbe Band.

AI Changing Work berechnet keinen eigenen Expositions-, Risiko- oder Automatisierungswert. Deckt ein Quelldatensatz einen Beruf nicht ab, weisen wir dieses Fehlen aus, statt einen Ersatzwert einzusetzen.

Berufe werden auf der Ebene einzelner Aufgaben beschrieben, weil die veröffentlichten Expositionsdatensätze selbst Aufgaben und nicht ganze Stellen bewerten. Dieser Abschnitt legt dar, wie diese externen Bewertungen den Berufen auf dieser Website zugeordnet werden.

Aufgabenbezogene Zerlegung

Jeder Beruf wird in seine Einzelaufgaben zerlegt, damit die aufgabenbezogenen Bewertungen der Quelldatensätze ihm zugeordnet werden können. Die Aufgabenlisten stammen aus O*NET; die daran geknüpften Bewertungen stammen aus den externen Datensätzen und werden nicht verändert.

Externe Expositionsindizes

Die Expositionswerte für Berufe und Aufgaben sind aus veröffentlichten Forschungsdatensätzen übernommen: Anthropic Economic Index (CC BY 4.0), OpenAI "GPTs are GPTs" exposure rubric (MIT License), ILO Working Paper 140 (CC BY 4.0) und BLS AI exposure categories (Public domain (17 U.S.C. §105)). Die Quellwerte werden mit dem Wert wiedergegeben, den der jeweilige Herausgeber vergeben hat. AI Changing Work skaliert, gewichtet und klassifiziert sie nicht neu, vermischt sie nicht und berechnet keinen eigenen Expositionswert. Unser Beitrag ist die Zuordnung zu den O*NET-Berufs- und Aufgabencodes; Berufe, die in einem Datensatz fehlen, werden als fehlend ausgewiesen statt bewertet. Die Darstellung wird lokalisiert — drückt ein Herausgeber einen Wert etwa als Wortkategorie statt als Zahl aus, ist die gezeigte Formulierung diese Kategorie, übersetzt in die Sprache der Seite. Die Lokalisierung ändert, wie ein Wert geschrieben wird, nicht welchen Wert sein Herausgeber vergeben hat.

Beschäftigungsprognosen

Die Zahlen zu Beschäftigung, Lohn und projizierter Veränderung sind aus den Beschäftigungsprognosen 2025–35 des US Bureau of Labor Statistics (Table 1.2) übernommen, einer gemeinfreien Bundespublikation. Sie beschreiben die SOC-Berufsgruppe, daher teilen sich Berufe mit demselben SOC-Code diese Zahlen. Wir veröffentlichen keine eigenen Beschäftigungsprognosen.

Transparenz ueber unsere Einschraenkungen ist fuer eine verantwortungsvolle Analyse unerlässlich. Benutzer sollten diese Faktoren bei der Interpretation unserer Daten beruecksichtigen.

Keine zugrunde liegende Stichprobe

Unsere Zahlen sind nicht aus einer gemessenen Stichprobe abgeleitet. Dahinter stehen weder Umfrage noch Telemetrie noch Panel, daher kann kein Konfidenzintervall angegeben werden. Betrachten Sie jede Zahl auf dieser Website als nicht validierte Schätzung.

Geografische und berufliche Abdeckung

Die Abdeckung wird durch die Quelldatensätze begrenzt: Von 1.010 veröffentlichten Berufen fehlen einige in einem oder mehreren der Expositionsdatensätze und werden als nicht abgedeckt ausgewiesen statt bewertet. Die zugrunde liegenden Daten spiegeln überwiegend den US-Arbeitsmarkt und englischsprachige KI-Interaktionen wider und bilden globale Muster möglicherweise nicht ab.

Aktualisierungshaeufigkeit

Metriken werden überarbeitet, wenn wir unsere eigene Analyse erneut durchführen. Wir erhalten von keinem externen Datenanbieter automatische Aktualisierungen.

Theoretische vs. beobachtete Luecke

Exposition ist nicht Verbreitung. Die Quelldatensätze messen, wie exponiert Aufgaben sind oder wie viel Nutzung bei ihrer Erhebung beobachtet wurde; Einführungshürden, regulatorische Vorgaben und organisatorische Trägheit führen dazu, dass die reale Veränderung der technischen Leistungsfähigkeit meist hinterherläuft. Die Zahlen beschreiben zudem den Zeitpunkt der Veröffentlichung des jeweiligen Datensatzes, nicht die Gegenwart.

Wir fuehren ein transparentes Protokoll ueber wichtige Datenaktualisierungen und Methodikaenderungen.

Die hier aufgeführten Arbeiten gehören zu den Quellen und der begleitenden Literatur hinter den Zahlen auf dieser Website. Jede Zahl auf einer Berufsseite nennt den Datensatz, aus dem sie stammt.