Kochmaschinenbediener
Speisenzubereitung und ServiceKI-Exposition
- Datenquelle: BLSVeröffentlicht: 2026-08
Niedrig· 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
0.15
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 92% 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
| Task | Claude.aiRaw / share % |
|---|---|
Measure or weigh ingredients, using scales or measuring containers.51-3093 | 0.00000.0 |
| Not observed on any surface — 16 task(s) — These tasks have no row in the source for this release. The 0 in the share row is a display-stage composition ratio; absence is what the — in the raw row states. | |
Record production and test data, such as processing steps, temperature and steam readings, cooking time, batches processed, and test results. | —0 |
Listen for malfunction alarms, and shut down equipment and notify supervisors when necessary. | —0 |
Collect and examine product samples during production to test them for quality, color, content, consistency, viscosity, acidity, or specific gravity. | —0 |
Observe gauges, dials, and product characteristics, and adjust controls to maintain appropriate temperature, pressure, and flow of ingredients. | —0 |
Read work orders, recipes, or formulas to determine cooking times and temperatures, and ingredient specifications. | —0 |
Clean, wash, and sterilize equipment and cooking area, using water hoses, cleaning or sterilizing solutions, or rinses. | —0 |
Set temperature, pressure, and time controls, and start conveyers, machines, or pumps. | —0 |
Tend or operate and control equipment, such as kettles, cookers, vats and tanks, and boilers, to cook ingredients or prepare products for further processing. | —0 |
Admit required amounts of water, steam, cooking oils, or compressed air into equipment, such as by opening water valves to cool mixtures to the desired consistency. | —0 |
Remove cooked material or products from equipment. | —0 |
Notify or signal other workers to operate equipment or when processing is complete. | —0 |
Turn valves or start pumps to add ingredients or drain products from equipment and to transfer products for storage, cooling, or further processing. | —0 |
Pour, dump, or load prescribed quantities of ingredients or products into cooking equipment, manually or using a hoist. | —0 |
Place products on conveyors or carts, and monitor product flow. | —0 |
Activate agitators and paddles to mix or stir ingredients, stopping machines when ingredients are thoroughly mixed. | —0 |
Operate auxiliary machines and equipment, such as grinders, canners, and molding presses, to prepare or further process products. | —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 |
|---|---|
Record production and test data, such as processing steps, temperature and steam readings, cooking time, batches processed, and test results.O*NET Task ID 4944 | 1.0 |
Read work orders, recipes, or formulas to determine cooking times and temperatures, and ingredient specifications.O*NET Task ID 4948 | 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®, Anthropic Economic Index, Eloundou et al. (2023): see full notices on the Credits page