Kostenschaetzer
Wirtschaft und FinanzenKI-Exposition
- Datenquelle: BLSVeröffentlicht: 2026-08
Hoch· 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
0.44
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 28% 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
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.
| Task | βE1 + 0.5 × E2 |
|---|---|
Analyze blueprints and other documentation to prepare time, cost, materials, and labor estimates.O*NET Task ID 80 | 0.5 |
Assess cost effectiveness of products, projects or services, tracking actual costs relative to bids as the project develops.O*NET Task ID 81 | 0.5 |
Consult with clients, vendors, personnel in other departments, or construction foremen to discuss and formulate estimates and resolve issues.O*NET Task ID 82 | 0.5 |
Confer with engineers, architects, owners, contractors, and subcontractors on changes and adjustments to cost estimates.O*NET Task ID 83 | 0.5 |
Prepare estimates used by management for purposes such as planning, organizing, and scheduling work.O*NET Task ID 84 | 0.5 |
Prepare estimates for use in selecting vendors or subcontractors.O*NET Task ID 85 | 0.5 |
Review material and labor requirements to decide whether it is more cost-effective to produce or purchase components.O*NET Task ID 86 | 0.5 |
Prepare cost and expenditure statements and other necessary documentation at regular intervals for the duration of the project.O*NET Task ID 87 | 0.5 |
Prepare and maintain a directory of suppliers, contractors and subcontractors.O*NET Task ID 88 | 0.5 |
Set up cost monitoring and reporting systems and procedures.O*NET Task ID 89 | 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
Apr. 2026: ATE 0.42 by 2027 in SF Bay Tier 1. Quantitative analysis roles with structured task templates show high workflow coverage for agentic AI.
[Quelle: arXiv 2604.00186 (Gupta & Kumar, 2026)]März 2026: Evergreen blog post published analyzing AI automation risk for cost estimators
[Quelle: AI Changing Work Blog]