Kfz-Servicemitarbeiter
Transport und MaterialbewegungKI-Exposition
- Datenquelle: BLSVeröffentlicht: 2026-08
Niedrig· relativ
NiedrigVier relative BänderSehr hochWert 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
- Datenquelle: AnthropicVeröffentlicht: 2026-03
0.000
0.000Spannweite der hier geführten Werte0.745Skala, Bezugsmenge und Quelle
Index der beobachteten Exposition, 0–1 wie veröffentlicht
Auf O*NET-Aufgaben abgebildet
- Datenquelle: ILOVeröffentlicht: 2025
0.24
0.09Spannweite der hier geführten Werte0.70Wert 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 79% diesen Wert.
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
Nur exponierte AufgabenValues 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.
| Task | βE1 + 0.5 × E2 |
|---|---|
Prepare daily reports of fuel, oil, and accessory sales.O*NET Task ID 10714 | 1.0 |
Provide customers with information about local roads or highways.O*NET Task ID 10718 | 1.0 |
Maintain customer records and follow up periodically with telephone, mail, or personal reminders of services due.O*NET Task ID 10723 | 1.0 |
Collect cash payments from customers, and make change or charge purchases to customers' credit cards, providing customers with receipts.O*NET Task ID 10712 | 0.0 |
Activate fuel pumps and fill fuel tanks of vehicles with gasoline or diesel fuel to specified levels.O*NET Task ID 10713 | 0.0 |
Clean parking areas, offices, restrooms, or equipment, and remove trash.O*NET Task ID 10715 | 0.0 |
Perform minor repairs, such as adjusting brakes, replacing spark plugs, or changing engine oil or filters.O*NET Task ID 10719 | 0.0 |
Order stock, and price and shelve incoming goods.O*NET Task ID 10720 | 0.0 |
Rotate, test, and repair or replace tires.O*NET Task ID 10721 | 0.0 |
Grease and lubricate vehicles or specified units, such as springs, universal joints, or steering knuckles, using grease guns or spray lubricants.O*NET Task ID 10724 | 0.0 |
Sell and install accessories, such as batteries, windshield wiper blades, fan belts, bulbs, or headlamps.O*NET Task ID 10725 | 0.0 |
Test and charge batteries.O*NET Task ID 10726 | 0.0 |
Operate car washes.O*NET Task ID 10727 | 0.0 |
Check tire pressure and levels of fuel, motor oil, transmission, radiator, battery, or other fluids, adding air or fluids as required.O*NET Task ID 20936 | 0.0 |
Clean windshields.O*NET Task ID 20937 | 0.0 |
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