Musiker und Sänger

Kunst, Design, Unterhaltung und Medien

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

    0.000

    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

    0.28

    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 73% 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
Interpret or modify music, applying knowledge of harmony, melody, rhythm, and voice production to individualize presentations and maintain audience interest.

O*NET Task ID 22576

1.0
Memorize musical selections and routines, or sing following printed text, musical notation, or customer instructions.

O*NET Task ID 22580

1.0
Play from memory or by following scores.

O*NET Task ID 22583

1.0
Seek out and learn new music suitable for live performance or recording.

O*NET Task ID 22589

1.0
Transpose music to alternate keys, or to fit individual styles or purposes.

O*NET Task ID 22595

1.0
Compose songs or create vocal arrangements.

O*NET Task ID 22597

1.0
Arrange and edit music to fit style and purpose.

O*NET Task ID 22598

1.0
Improvise music during performances.

O*NET Task ID 22599

1.0
Sing a cappella or with musical accompaniment.

O*NET Task ID 22575

0.5
Teach music for specific instruments.

O*NET Task ID 22586

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: New evergreen blog post on AI and musicians. 15% automation risk, live performance at just 3%.

[Quelle: AI Changing Work Blog]