Übersetzer und Dolmetscher

Kunst, Design, Unterhaltung und Medien

KI-Exposition

  • Datenquelle: BLSVeröffentlicht: '26.08

    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: '26.03

    0.430

    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: '25

    0.59

    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 5% 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

2 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
Identify and resolve conflicts related to the meanings of words, concepts, practices, or behaviors.

O*NET Task ID 9327

1.0
Translate messages simultaneously or consecutively into specified languages, orally or by using hand signs, maintaining message content, context, and style as much as possible.

O*NET Task ID 9328

1.0
Proofread, edit, and revise translated materials.

O*NET Task ID 9329

1.0
Check translations of technical terms and terminology to ensure that they are accurate and remain consistent throughout translation revisions.

O*NET Task ID 9330

1.0
Read written materials, such as legal documents, scientific works, or news reports, and rewrite material into specified languages.

O*NET Task ID 9331

1.0
Refer to reference materials, such as dictionaries, lexicons, encyclopedias, and computerized terminology banks, as needed to ensure translation accuracy.

O*NET Task ID 9332

1.0
Compile terminology and information to be used in translations, including technical terms such as those for legal or medical material.

O*NET Task ID 9333

1.0
Adapt translations to students' cognitive and grade levels, collaborating with educational team members as necessary.

O*NET Task ID 9334

1.0
Listen to speakers' statements to determine meanings and to prepare translations, using electronic listening systems as necessary.

O*NET Task ID 9335

1.0
Check original texts or confer with authors to ensure that translations retain the content, meaning, and feeling of the original material.

O*NET Task ID 9336

1.0

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

Occupation information

Aktuelle Veränderungen mit Bezug zu diesem Beruf

März 2026: New evergreen blog post: translators face highest disruption in arts/media. 68% automation risk, 74% exposure.

[Quelle: AI Changing Work Blog]