Industrieoekologen

Lebens-, Physik- und Sozialwissenschaften

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

    0.055

    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

    0.38

    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 48% 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
Create complex and dynamic mathematical models of population, community, or ecological systems.

O*NET Task ID 16891

1.0
Prepare technical and research reports, such as environmental impact reports, and communicate the results to individuals in industry, government, or the general public.

O*NET Task ID 19978

1.0
Investigate accidents affecting the environment to assess ecological impact.

O*NET Task ID 16879

0.5
Investigate the adaptability of various animal and plant species to changed environmental conditions.

O*NET Task ID 16880

0.5
Review industrial practices, such as the methods and materials used in construction or production, to identify potential liabilities and environmental hazards.

O*NET Task ID 16881

0.5
Research sources of pollution to determine environmental impact or to develop methods of pollution abatement or control.

O*NET Task ID 16882

0.5
Provide industrial managers with technical materials on environmental issues, regulatory guidelines, or compliance actions.

O*NET Task ID 16883

0.5
Plan or conduct studies of the ecological implications of historic or projected changes in industrial processes or development.

O*NET Task ID 16884

0.5
Plan or conduct field research on topics such as industrial production, industrial ecology, population ecology, and environmental production or sustainability.

O*NET Task ID 16885

0.5
Monitor the environmental impact of development activities, pollution, or land degradation.

O*NET Task ID 16886

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®, Eloundou et al. (2023): see full notices on the Credits page

Berufsinformationen

Aktuelle Veränderungen mit Bezug zu diesem Beruf

März 2026: Published evergreen blog post analyzing AI impact on industrial ecologists (42% exposure, 27% risk, augment mode)

[Quelle: AI Changing Work Blog]