Lkw-Fahrer
Transport und MaterialbewegungKI-Exposition
- Datenquelle: BLSVeröffentlicht: '26.08
Mittel· relativ
NiedrigVier relative BänderSehr hochWert 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
- Datenquelle: AnthropicVeröffentlicht: '26.03
0.000
0.000Spannweite der hier geführten Werte0.745Skala, Bezugsmenge und Quelle
Index der beobachteten Exposition, 0–1 wie veröffentlicht
Auf O*NET-Aufgaben abgebildet
- Datenquelle: ILOVeröffentlicht: '25
0.24
0.09Spannweite der hier geführten Werte0.70Wert 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 79% diesen Wert.
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
21 ausgeblendete Aufgaben anzeigenValues 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.
| Task | βE1 + 0.5 × E2 |
|---|---|
Maintain logs of working hours or of vehicle service or repair status, following applicable state and federal regulations.O*NET Task ID 10637 | 1.0 |
Read bills of lading to determine assignment details.O*NET Task ID 10643 | 1.0 |
Report vehicle defects, accidents, traffic violations, or damage to the vehicles.O*NET Task ID 10644 | 1.0 |
Check all load-related documentation for completeness and accuracy.O*NET Task ID 20693 | 1.0 |
Operate equipment, such as truck cab computers, CB radios, phones, or global positioning systems (GPS) equipment to exchange necessary information with bases, supervisors, or other drivers.O*NET Task ID 20695 | 1.0 |
Read and interpret maps to determine vehicle routes.O*NET Task ID 10645 | 0.5 |
Collect delivery instructions from appropriate sources, verifying instructions and routes.O*NET Task ID 10647 | 0.5 |
Check conditions of trailers after contents have been unloaded to ensure that there has been no damage.O*NET Task ID 10650 | 0.5 |
Inventory and inspect goods to be moved to determine quantities and conditions.O*NET Task ID 10655 | 0.5 |
Plan or adjust routes based on changing conditions, using computer equipment, global positioning systems (GPS) equipment, or other navigation devices, to minimize fuel consumption and carbon emissions.O*NET Task ID 19923 | 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
Occupation information
Aktuelle Veränderungen mit Bezug zu diesem Beruf
Apr. 2026: Transportation sector saw 32,241 Q1 2026 cuts — 703% increase YoY. Autonomous vehicle testing and AI logistics optimization driving displacement. AI was #1 March cut reason.
[Quelle: Challenger March 2026]März 2026: Challenger: transportation sector 31,702 cuts YTD (+872% YoY), largest sectoral increase in 2026.
[Quelle: Challenger Gray Feb 2026 Report]