Maurer
Vereinigte Staaten · BLS-Beschäftigungsprognosen 2024–34 (Zahlen der SOC-Berufsgruppe 47-2021)
KI-Exposition in veröffentlichter Forschung
Die folgenden Zahlen sind unverändert aus externen Datensätzen übernommen. Deckt ein Datensatz diesen Beruf nicht ab, erscheint der Wert als — und nicht als Null.
Datenanbieter: OpenAI · "GPTs are GPTs"
Zeitbezug: Stand 2023Ex-ante-Schätzung
Bewertet an der Leistungsfähigkeit der GPT-4-Generation.
- Basis menschliche Bewertende
- 0.0%
- Basis GPT-4-Bewertung
- 3.8%
β = direkte Exposition (E1) + 0,5 × Exposition bei verfügbaren Werkzeugen (E2), gemäß der Definition des Quell-Repositorys.
14 bewertete Aufgaben · 1 Aufgaben mit β ≥ 0,5 (7.1%)
- Version:
- gh-main-0471612
- Lizenz:
- MIT License · Copyright (c) 2024 OpenAI
Datenanbieter: Anthropic Economic Index
Zeitbezug: Veröffentlicht 2026-03-05zusammengesetzter Index
- Beobachtete Exposition
- 0.0%
Theoretischer Expositionsindex, gewichtet mit der gemessenen Claude-Nutzung, gemäß der Definition des Originalberichts.
14 Aufgaben · Nutzung beobachtet bei 0 · Mittelwert 0.0%
Data: Anthropic Economic Index — labor_market_impacts, CC-BY, https://huggingface.co/datasets/Anthropic/EconomicIndex
AI Changing Work uses Anthropic Economic Index data under CC-BY; Anthropic does not endorse or sponsor this site or its analyses.
- Version:
- hf-lmi-2026-03
- Lizenz:
- CC BY 4.0
- Beobachtungszeitraum:
- — (für dieses Release nicht zutreffend)
- Modell:
- — (von der Quelle nicht angegeben)
- Quelle der Definition:
- https://www.anthropic.com/research/labor-market-impacts
Prognose 2023 vs. beobachtungsbasierter Index, veröffentlicht 2026-03-05
Die eine Karte (GPTs are GPTs) ist eine Schätzung aus dem Jahr 2023 dazu, was KI theoretisch leisten kann; die andere (Anthropic Economic Index) beruht auf beobachteter Nutzung und wurde am 2026-03-05 veröffentlicht – das ist das Veröffentlichungsdatum, nicht der beobachtete Zeitraum. Beide messen Unterschiedliches, daher lassen sich die Werte weder addieren noch mitteln noch gegeneinander ranken. Der ältere Wert wird nicht versteckt, sondern als Vergleichsbasis beibehalten.
Achtung: Die Anthropic-Werte – beobachtete Exposition und Task-Durchdringung – verwenden das β von Eloundou als einen ihrer Eingabewerte. Dass beide Seiten einander ähneln, belegt deshalb nicht, dass die frühere Prognose eingetroffen ist; diese Lesart wäre ein Zirkelschluss.
Die Anthropic-Werte werden bei Claude-Nutzerinnen und -Nutzern gemessen und stehen weder für die gesamte Wirtschaft noch für alle Erwerbstätigen.
Die Zuordnung von O*NET-Aufgaben und Berufscodes wurde von AI Changing Work vorgenommen. Die Quellzahlen selbst wurden nicht verändert.
Diese Indizes sind keine Prognosen. Auf welchen Zeitpunkt sich der jeweilige Index bezieht, nennt das Badge auf seiner Karte.
Aufgabenaufschlusselung
- Ziegel und Blöcke verlegen
- Baupläne und Spezifikationen lesen
- Mörtel mischen und auftragen
- Materialien und Kosten schätzen
Uber diesen Beruf
Als Maurer verändert KI Ihren Beruf. Mit einem Automatisierungsrisiko von 6/100 und einer Exposition von 9% steht diese Rolle vor geringer Transformation. Am stärksten betroffen ist die Schätzung von Materialien und Kosten (35% Automatisierung). Physische Aufgaben wie das Verlegen von Ziegeln bleiben fast vollständig manuell. BLS prognostiziert +3% Wachstum bis 2034.
ISCO-08-Klassifikation
Maurer und verwandte Berufe
Definition
ILO-Originaltext (Englisch)
Bricklayers and related workers lay bricks, pre-cut stones and other types of building blocks in mortar to construct and repair walls, partitions, arches and other structures.
Quelle der Definition
Quelle: International Labour Organization (ILO) — ISCO-08 Structure
Lizenz: ILO CC BY 4.0
Vokabularquelle
Quelle: European Commission, DG EMPL — ESCO Classification v1.2.1
Lizenz: CC BY 4.0 (EU Reuse Notice)
Offizielle Berufsinformationen
- ESCO7112.1
Maurer/Maurerin
Maurer bauen Steinmauern und Steinbauten, indem sie die Steine in einem festen Muster aufeinanderschichten und sie mit einem Bindemittel wie Zement aneinanderfügen. Anschließend füllen sie die Fugen mit Mörtel oder anderen geeigneten Materialien.
Original ansehen
Quelle: European Commission, DG EMPL — ESCO Classification v1.2.1
Lizenz: CC BY 4.0 (EU Reuse Notice)
Haufig gestellte Fragen
Der Anthropic Economic Index beziffert die beobachtete Exposition auf 0.0%. Das OpenAI-Bewertungsschema "GPTs are GPTs" beziffert β auf Berufsebene bei menschlichen Bewertenden auf 0.0%. Beide Werte sind unverändert aus veröffentlichter Forschung übernommen.
Sie stammen aus zwei veröffentlichten Datensätzen: dem Anthropic Economic Index (labor_market_impacts, CC BY 4.0) und dem OpenAI-Expositionsschema "GPTs are GPTs" (MIT License, Copyright (c) 2024 OpenAI). AI Changing Work ordnet sie lediglich den O*NET-Berufs- und Aufgabencodes zu und berechnet keine eigenen Expositionswerte. AI Changing Work uses Anthropic Economic Index data under CC-BY; Anthropic does not endorse or sponsor this site or its analyses.
Nein. Sie sind eine Bestandsaufnahme der Exposition, wie sie zum Zeitpunkt der Veröffentlichung des jeweiligen Quelldatensatzes gemessen wurde. AI Changing Work veröffentlicht keine Prognose zu künftiger Automatisierung oder Stellenverlusten für diesen Beruf.