KI- und Machine-Learning-Spezialisten

Computer und Mathematik

KI-Exposition

  • Datenquelle: BLSVeröffentlicht: 2026-08

    Sehr hoch· relativ

    NiedrigVier relative BänderSehr hoch

    Wert auf Berufsgruppenebene

    Skala, Bezugsmenge und Quelle

    Vier relative Bänder (Niedrig / Mittel / Hoch / Sehr hoch)

    831 detaillierte Berufe in der BLS-Beschäftigungsprojektionstabelle. Der Wert wird je Code der National Employment Matrix (NEM) vergeben, daher erhalten Berufe mit demselben NEM-Code dasselbe Band

    Quelldatensatz (XLSX-Download)

  • Datenquelle: AnthropicVeröffentlicht: 2026-03

    0.461

    0.000Spannweite der hier geführten Werte0.745
    Skala, Bezugsmenge und Quelle

    Index der beobachteten Exposition, 0–1 wie veröffentlicht

    Auf O*NET-Aufgaben abgebildet

    Quelldatensatz

  • Datenquelle: ILOVeröffentlicht: 2025

    0.55

    0.09Spannweite der hier geführten Werte0.70

    Wert auf Berufsgruppenebene

    Skala, Bezugsmenge und Quelle

    Index der Exposition gegenüber generativer KI, 0–1 wie veröffentlicht

    ISCO-08-Berufsgattung — alle Berufe mit demselben Code erhalten diesen Wert

    Von dieser Website berechnet, nicht von der IAO veröffentlicht: Von den 1.012 Berufen, die diese Website mit dem IAO-Datensatz verknüpft, erreichen oder übertreffen 12% diesen Wert.

    Quelldatensatz

Welche Art von Wert diese Quelle veröffentlicht

Die Kategorie von BLS ist ein relativer Rang und kein absolutes Niveau, und sie ist keine eigene Messung: Sie fasst die Perzentilränge des Berufs aus mehreren veröffentlichten Studien in vier Bänder zusammen. Sie ist weder eine Beschäftigungs- oder Lohnprognose noch eine Einführungswahrscheinlichkeit und unterscheidet nicht zwischen Automatisierung und Augmentierung.

Task-level exposure

Values in this tab are predicted labels, not observations. Eloundou et al. (2023) published two rating regimes — human raters and GPT-4 — and the β shown here is derived from the GPT-4 rater basis alone; the same task can take a different value under the other regime. The unit and the meaning differ from the observed shares (%) in the other tabs, so do not place them on the same axis.

TaskβE1 + 0.5 × E2
Provide technical support for existing reports, dashboards, or other tools.

O*NET Task ID 16134

1.0
Maintain library of model documents, templates, or other reusable knowledge assets.

O*NET Task ID 16135

1.0
Create or review technical design documentation to ensure the accurate development of reporting solutions.

O*NET Task ID 16137

1.0
Maintain or update business intelligence tools, databases, dashboards, systems, or methods.

O*NET Task ID 16139

1.0
Document specifications for business intelligence or information technology reports, dashboards, or other outputs.

O*NET Task ID 16142

1.0
Create business intelligence tools or systems, including design of related databases, spreadsheets, or outputs.

O*NET Task ID 16144

1.0
Conduct or coordinate tests to ensure that intelligence is consistent with defined needs.

O*NET Task ID 16145

1.0
Identify or monitor current and potential customers, using business intelligence tools.

O*NET Task ID 16136

0.5
Communicate with customers, competitors, suppliers, professional organizations, or others to stay abreast of industry or business trends.

O*NET Task ID 16138

0.5
Manage timely flow of business intelligence information to users.

O*NET Task ID 16140

0.5

β = E1 + 0.5 × E2 · E1 = tasks where direct LLM access alone cuts time by at least 50%, E2 = tasks where software built on top of an LLM cuts time by at least 50%. Values take only 0 / 0.5 / 1.0.

Data sources & licenses — O*NET®, Eloundou et al. (2023): see full notices on the Credits page

Berufsinformationen

Aktuelle Veränderungen mit Bezug zu diesem Beruf

März 2026: Published evergreen analysis: Will AI Replace AI/ML Specialists? Lowest risk at 18%, BLS +33% growth.

[Quelle: AI Changing Work Blog]