Gabelstapler- und Industriefahrzeugfuehrer
Transport und MaterialbewegungKI-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
0.20
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 86% 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
Nur exponierte AufgabenValues 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.
| Task | βE1 + 0.5 × E2 |
|---|---|
Weigh materials or products and record weight or other production data on tags or labels.O*NET Task ID 3206 | 0.5 |
Move controls to drive gasoline- or electric-powered trucks, cars, or tractors and transport materials between loading, processing, and storage areas.O*NET Task ID 3201 | 0.0 |
Move levers or controls that operate lifting devices, such as forklifts, lift beams with swivel-hooks, hoists, or elevating platforms, to load, unload, transport, or stack material.O*NET Task ID 3202 | 0.0 |
Position lifting devices under, over, or around loaded pallets, skids, or boxes and secure material or products for transport to designated areas.O*NET Task ID 3203 | 0.0 |
Perform routine maintenance on vehicles or auxiliary equipment, such as cleaning, lubricating, recharging batteries, fueling, or replacing liquefied-gas tank.O*NET Task ID 3205 | 0.0 |
Operate or tend automatic stacking, loading, packaging, or cutting machines.O*NET Task ID 3207 | 0.0 |
Signal workers to discharge, dump, or level materials.O*NET Task ID 3208 | 0.0 |
Hook tow trucks to trailer hitches and fasten attachments, such as graders, plows, rollers, or winch cables to tractors, using hitchpins.O*NET Task ID 3209 | 0.0 |
Turn valves and open chutes to dump, spray, or release materials from dump cars or storage bins into hoppers.O*NET Task ID 3210 | 0.0 |
Inspect product load for accuracy and safely move it around the warehouse or facility to ensure timely and complete delivery.O*NET Task ID 15265 | 0.0 |
Manually or mechanically load or unload materials from pallets, skids, platforms, cars, lifting devices, or other transport vehicles.O*NET Task ID 15266 | 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