Data-Warehouse-Architekten

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

    0.579

    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
Test software systems or applications for software enhancements or new products.

O*NET Task ID 16116

1.0
Review designs, codes, test plans, or documentation to ensure quality.

O*NET Task ID 16117

1.0
Prepare functional or technical documentation for data warehouses.

O*NET Task ID 16119

1.0
Write new programs or modify existing programs to meet customer requirements, using current programming languages and technologies.

O*NET Task ID 16120

1.0
Select methods, techniques, or criteria for data warehousing evaluative procedures.

O*NET Task ID 16122

1.0
Perform system analysis, data analysis or programming, using a variety of computer languages and procedures.

O*NET Task ID 16123

1.0
Map data between source systems, data warehouses, and data marts.

O*NET Task ID 16124

1.0
Implement business rules via stored procedures, middleware, or other technologies.

O*NET Task ID 16125

1.0
Develop and implement data extraction procedures from other systems, such as administration, billing, or claims.

O*NET Task ID 16126

1.0
Develop or maintain standards, such as organization, structure, or nomenclature, for the design of data warehouse elements, such as data architectures, models, tools, and databases.

O*NET Task ID 16127

1.0

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

Berufsinformationen

Aktuelle Veränderungen mit Bezug zu diesem Beruf

März 2026: Published evergreen blog analysis: AI exposure 57%, automation risk 40/100 in 2025.

[Quelle: AI Changing Work Blog]