Redakteure

Kunst, Design, Unterhaltung und Medien

KI-Exposition

  • Datenquelle: BLSVeröffentlicht: '26.08

    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: '26.03

    0.246

    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: '25

    0.54

    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 13% 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

Nur exponierte Aufgaben

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
Prepare, rewrite and edit copy to improve readability, or supervise others who do this work.

O*NET Task ID 1776

1.0
Read copy or proof to detect and correct errors in spelling, punctuation, and syntax.

O*NET Task ID 1777

1.0
Develop story or content ideas, considering reader or audience appeal.

O*NET Task ID 1782

1.0
Read, evaluate and edit manuscripts or other materials submitted for publication, and confer with authors regarding changes in content, style or organization, or publication.

O*NET Task ID 1786

1.0
Make manuscript acceptance or revision recommendations to the publisher.

O*NET Task ID 1790

1.0
Read material to determine index items and arrange them alphabetically or topically, indicating page or chapter location.

O*NET Task ID 1795

1.0
Write text, such as stories, articles, editorials, or newsletters.

O*NET Task ID 21000

1.0
Allocate print space for story text, photos, and illustrations according to space parameters and copy significance, using knowledge of layout principles.

O*NET Task ID 1778

0.5
Plan the contents of publications according to the publication's style, editorial policy, and publishing requirements.

O*NET Task ID 1779

0.5
Verify facts, dates, and statistics, using standard reference sources.

O*NET Task ID 1780

0.5
Meet frequently with artists, typesetters, layout personnel, marketing directors, and production managers to discuss projects and resolve problems.

O*NET Task ID 1788

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

Occupation information

Aktuelle Veränderungen mit Bezug zu diesem Beruf

März 2026: Brookings research shows copyediting and proofreading freelancers face significant AI displacement — high-skilled editors hit harder than junior ones, reversing historical technology disruption patterns.

[Quelle: Brookings Institution (Hui & Reshef, 2025)]

März 2026: Corporate expense data shows 97% cost saving when firms switch from human contractors to AI, reducing demand for contract editing work.

[Quelle: Stevens (2026) arXiv]

März 2026: Published evergreen blog post analyzing AI impact on editors: 65% exposure, 52% automation risk.

[Quelle: AI Changing Work Blog]