Zugführer

Transport und Materialbewegung

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

    0.17

    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 91% 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

12 ausgeblendete Aufgaben anzeigen

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
Document and prepare reports of accidents, unscheduled stops, or delays.

O*NET Task ID 10703

1.0
Record departure and arrival times, messages, tickets and revenue collected, and passenger accommodations and destinations.

O*NET Task ID 10707

1.0
Receive information regarding train or rail problems from dispatchers or from electronic monitoring devices.

O*NET Task ID 10691

0.5
Keep records of the contents and destination of each train car, and make sure that cars are added or removed at proper points on routes.

O*NET Task ID 10693

0.5
Receive instructions from dispatchers regarding trains' routes, timetables, and cargoes.

O*NET Task ID 10697

0.5
Review schedules, switching orders, way bills, and shipping records to obtain cargo loading and unloading information and to plan work.

O*NET Task ID 10698

0.5
Confer with engineers regarding train routes, timetables, and cargoes, and to discuss alternative routes when there are rail defects or obstructions.

O*NET Task ID 10699

0.5
Observe yard traffic to determine tracks available to accommodate inbound and outbound traffic.

O*NET Task ID 10702

0.5
Confirm routes and destination information for freight cars.

O*NET Task ID 10704

0.5
Inspect freight cars for compliance with sealing procedures, and record car numbers and seal numbers.

O*NET Task ID 10708

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