Medizinische Fachangestellte

Gesundheitswesen

KI-Exposition

  • Datenquelle: BLSVeröffentlicht: 2026-08

    Mittel· 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

    0.048

    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

    0.35

    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 61% 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.

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
Record patients' medical history, vital statistics, or information such as test results in medical records.

O*NET Task ID 2026

1.0
Authorize drug refills and provide prescription information to pharmacies.

O*NET Task ID 2031

1.0
Perform general office duties, such as answering telephones, taking dictation, or completing insurance forms.

O*NET Task ID 2038

1.0
Keep financial records or perform other bookkeeping duties, such as handling credit or collections or mailing monthly statements to patients.

O*NET Task ID 2042

1.0
Interview patients to obtain medical information and measure their vital signs, weight, and height.

O*NET Task ID 2024

0.5
Explain treatment procedures, medications, diets, or physicians' instructions to patients.

O*NET Task ID 2029

0.5
Schedule appointments for patients.

O*NET Task ID 2034

0.5
Greet and log in patients arriving at office or clinic.

O*NET Task ID 2036

0.5
Contact medical facilities or departments to schedule patients for tests or admission.

O*NET Task ID 2037

0.5
Inventory and order medical, lab, or office supplies or equipment.

O*NET Task ID 2039

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