Notfallmediziner
GesundheitswesenKI-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: ILOVeröffentlicht: 2025
0.27
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 74% diesen Wert.
- Datenquelle: OpenAIVeröffentlicht: 2023
0.353
0.000Spannweite der hier geführten Werte0.844Skala, Bezugsmenge und Quelle
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
15 ausgeblendete Aufgaben anzeigen| Task | Claude.aiRaw / share % | APIRaw / share % |
|---|---|---|
Communicate likely outcomes of medical diseases or traumatic conditions to patients or their representatives.29-1214 | 0.080088.9 | 0.00000.0 |
Identify factors that may affect patient management, such as age, gender, barriers to communication, and underlying disease.29-1214 | 0.010011.1 | 0.0100100.0 |
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 |
|---|---|
Collect and record patient information, such as medical history or examination results, in electronic or handwritten medical records.O*NET Task ID 22717 | 1.0 |
Analyze records, examination information, or test results to diagnose medical conditions.O*NET Task ID 22715 | 0.5 |
Assess patients' pain levels or sedation requirements.O*NET Task ID 22716 | 0.5 |
Communicate likely outcomes of medical diseases or traumatic conditions to patients or their representatives.O*NET Task ID 22718 | 0.5 |
Conduct primary patient assessments that include information from prior medical care.O*NET Task ID 22719 | 0.5 |
Consult with hospitalists and other professionals, such as social workers, regarding patients' hospital admission, continued observation, transition of care, or discharge.O*NET Task ID 22720 | 0.5 |
Direct and coordinate activities of nurses, assistants, specialists, residents, and other medical staff.O*NET Task ID 22721 | 0.5 |
Discuss patients' treatment plans with physicians and other medical professionals.O*NET Task ID 22722 | 0.5 |
Evaluate patients' vital signs or laboratory data to determine emergency intervention needs and priority of treatment.O*NET Task ID 22723 | 0.5 |
Identify factors that may affect patient management, such as age, gender, barriers to communication, and underlying disease.O*NET Task ID 22724 | 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®, Anthropic Economic Index, Eloundou et al. (2023): see full notices on the Credits page