Methodik
So berechnen wir den KI-Risiko Score
Transparenz ist uns wichtig. Auf dieser Seite erklären wir, wie der KI-Risiko Score für über 4.000 deutsche Berufe berechnet wird — welche Datenquellen wir nutzen, welche Methoden dahinterstehen und welche Grenzen unsere Analyse hat.
Was ist der KI-Risiko Score?
Der KI-Risiko Score zeigt auf einer Skala von 0 bis 100, wie stark ein Beruf durch Künstliche Intelligenz und Automatisierung verändert werden könnte. Ein Score von 85% bedeutet nicht, dass der Beruf „verschwindet" — sondern dass ein Großteil der Tätigkeiten potenziell durch KI-Systeme unterstützt oder ersetzt werden kann.
Der Score kombiniert drei unabhängige Dimensionen: das technische Automatisierungspotenzial einzelner Tätigkeiten, die tatsächliche Entwicklung des Arbeitsmarkts (Beschäftigung, Gehälter, Stellenangebote) und den Einfluss des KI-Booms seit 2022 (ChatGPT, GitHub Copilot, Gemini).
Unsere Datenquellen
Institut für Arbeitsmarkt- und Berufsforschung (IAB)
Das IAB analysiert für jeden Beruf, welche Kerntätigkeiten durch Computer, Roboter oder KI ersetzt werden können. Diese Daten bilden die Grundlage für das technische Automatisierungspotenzial — aufgeschlüsselt nach einzelnen Fähigkeiten und Anforderungen.
Bundesagentur für Arbeit
Von der Bundesagentur für Arbeit beziehen wir offizielle Arbeitsmarktdaten: Beschäftigtenzahlen, Gehaltsstatistiken (Median, Q1, Q3), Stellenangebote und Arbeitslosenzahlen — jeweils als Zeitreihen über mehrere Jahre.
Microsoft Research — Copilot-Studie
Microsoft Research analysierte 200.000 reale Copilot-Arbeitskonversationen und misst daraus, wie gut generative KI die Aufgaben einzelner Berufsgruppen tatsächlich unterstützt oder übernimmt („AI Applicability"). Daraus leiten wir die KI-Praxis-Komponente des Scores ab (30 %).
BERUFENET
Das Informationsportal der Bundesagentur liefert detaillierte Berufsbeschreibungen, fachliche und persönliche Kompetenzen sowie die Zuordnung zu Berufsgruppen. Diese Daten nutzen wir für die inhaltliche Einordnung.
Berechnungsmethode (Score v3, Stand Juni 2026)
Der KI-Risiko Score fußt auf der gesamten aktuellen Forschungslage zu Künstlicher Intelligenz und Arbeit — von IAB, Microsoft Research und der Bundesagentur für Arbeit über den IMF, OpenAI (GDPval) und den Anthropic Economic Index bis zu WEF, ILO und OECD. Für die berufsgenaue Berechnung kombinieren wir die granularsten dieser Quellen (IAB, Microsoft, Bundesagentur) zu zwei gewichteten Kernkomponenten und zwei Punktkorrekturen, deren Gewichte an den übrigen Studien kalibriert sind:
Automatisierungspotenzial (IAB)
Stärkste Komponente: Anteil der Kerntätigkeiten, die laut IAB Job-Futuromat (Datenstand 2022, der aktuellste veröffentlichte) technisch durch Computer, Roboter oder KI ersetzt werden könnten. Das IAB aktualisiert diese Potenziale alle drei Jahre.
KI-Praxis (Microsoft Research)
Wie gut generative KI die Aufgaben des Berufs real unterstützt oder übernimmt — abgeleitet aus der Microsoft-Analyse von 200.000 echten Copilot-Arbeitskonversationen, normalisiert über alle Berufe (100 = höchster gemessener Wert, z. B. Übersetzen).
LLM-Momentum
Aufschlag, wenn das IAB-Potenzial des Berufs zwischen den letzten beiden Messungen (2019 → 2022, dem Umbruch durch generative KI) sprunghaft gestiegen ist — etwa weil Programmieren oder Texterstellung neu als automatisierbar gelten.
Arbeitsmarkt-Korrektur
Echte Marktdaten der Bundesagentur für Arbeit korrigieren das technische Risiko ausschließlich nach oben: Schrumpft die Beschäftigung über fünf Jahre deutlich oder herrscht ein Arbeitskräfteüberangebot, steigt der Score. Ein wachsender Arbeitsmarkt senkt den Score bewusst NICHT — wir messen das technische KI-Risiko, nicht die momentane Jobsicherheit (ein heute knapper Beruf kann morgen automatisiert werden).
Gewichtung und Schwellen sind an der internationalen Forschung kalibriert: Der IMF beziffert die KI-Exposition in Industrieländern wie Deutschland auf rund 60 % — das stützt das hohe Gewicht des Automatisierungspotenzials. OpenAIs GDPval zeigt, dass führende Modelle in vielen Wissensberufen die Qualität von Fachleuten erreichen; WEF, ILO und OECD bestätigen die Richtung und Größenordnung. Zugleich zeigt das IAB (2025), dass hohes Substituierbarkeitspotenzial historisch selten zu Beschäftigungsabbau führte — es gibt sogar Berufe mit hohem Potenzial und gleichzeitigem Fachkräftemangel — und der Anthropic Economic Index (2026) misst, dass die Mehrheit der realen KI-Nutzung unterstützend (Augmentation, 52 %) statt ersetzend (45 %) ist. Ein hoher Score bedeutet deshalb „viele Tätigkeiten sind technisch automatisierbar und KI ist real im Einsatz" — nicht „dieser Beruf verschwindet".
Frühere Score-Versionen normalisierten die Werte per Perzentil-Rang über alle Berufe. Seit Juni 2026 (v3) ist der Score eine absolute Größe: Er ändert sich nur, wenn sich die Daten des Berufs ändern — nicht, weil andere Berufe sich verschieben.
Studien & Forschung, auf die wir uns stützen
Neben den vier Datenquellen, aus denen der Score direkt berechnet wird, stützt sich unsere Einordnung auf die aktuelle internationale Forschung großer Institutionen und KI-Labore. Diese Studien begründen unter anderem, warum die KI-Exposition in einem Industrieland wie Deutschland hoch ausfällt — und liefern den Kontext in den Artikeln und Quellenangaben jeder Berufsseite.
IAB · Beschäftigung & Fachkräfteengpässe variieren mit dem Substituierbarkeitspotenzial (2025) ↗
Hohes Substituierbarkeitspotenzial führte historisch selten zu Beschäftigungsabbau — manche Berufe wachsen trotz hohem Potenzial und haben Fachkräfteengpässe.
IWF (IMF) · Gen-AI: Artificial Intelligence and the Future of Work (2024) ↗
Rund 40 % der Jobs weltweit sind KI-exponiert — in Industrieländern wie Deutschland etwa 60 %, weil kognitive Tätigkeiten dominieren.
Anthropic · Labor Market Impacts of AI: A New Measure and Early Evidence (2026) ↗
Unterscheidet beobachtete von theoretischer KI-Exposition; die reale Nutzung ist bislang nur ein Bruchteil dessen, was KI-Tools schon leisten könnten.
Anthropic · Anthropic Economic Index 2026 (2026) ↗
Etwa 49 % der Berufe lassen bereits ein Viertel ihrer Aufgaben mit KI erledigen — überwiegend unterstützend (52 % Augmentation) statt ersetzend (45 %).
OpenAI · GDPval: AI-Performance auf real wertschöpfenden Aufgaben (2025) ↗
Benchmark über 44 Berufe und 1.320 echte Arbeitsaufgaben: führende Modelle nähern sich der Qualität von Fachleuten in vielen Wissensberufen.
OpenAI / Eloundou et al. · GPTs are GPTs: Frühe Einschätzung des Arbeitsmarkt-Potenzials von LLMs (2023) ↗
Rund 80 % der Beschäftigten könnten bei mindestens 10 % ihrer Aufgaben von LLMs betroffen sein; 19 % bei mindestens der Hälfte.
World Economic Forum · Future of Jobs Report 2025 (2025) ↗
Schon heute werden 22 % der Arbeitsaufgaben überwiegend von Technik erledigt, 30 % gemeinsam Mensch-Maschine; bis 2030 verschiebt sich das deutlich.
ILO (Internationale Arbeitsorganisation) · Generative AI and Jobs — 2025 Update (2025) ↗
Büro- und Verwaltungsberufe haben weltweit die höchste Exposition gegenüber generativer KI; Frauen sind stärker betroffen als Männer.
OECD · The OECD AI Exposure Measure (2026) ↗
Neue, fortlaufend aktualisierbare Methodik, die KI-Fähigkeiten über neun kognitive, soziale und körperliche Domänen auf Berufe abbildet.
Stanford Digital Economy Lab · Canaries in the Coal Mine? Recent Employment Effects of AI (2025) ↗
Die Beschäftigung 22- bis 25-Jähriger in stark KI-exponierten Berufen ging spürbar zurück, während erfahrene Kräfte stabil blieben.
Alle Quellen gebündelt mit Zusammenfassung auf unserer Studien-Seite.
KI-gestützte Analysen
Zusätzlich zum datenbasierten Score erstellen wir für jeden der über 4.000 Berufe individuelle KI-Analysen. Diese werden mithilfe von Large Language Models generiert und nutzen die berufsspezifischen Daten als Faktengrundlage. Die Analysen umfassen:
- Eine Einschätzung der aktuellen KI-Lage im Berufsfeld
- Konkrete KI-Tools, die bereits in der Branche eingesetzt werden
- Welche Fähigkeiten menschlich bleiben
- Arbeitsmarkt-Trends basierend auf echten Zeitreihendaten
- Individuelle Handlungsempfehlungen
Die KI-generierten Inhalte werden stets als solche gekennzeichnet und basieren ausschließlich auf den oben genannten, verifizierten Datenquellen.
Grenzen und Haftungsausschluss
Der KI-Risiko Score ist eine datenbasierte Orientierungshilfe, keine Prognose. Kein Algorithmus kann mit Sicherheit vorhersagen, welche Berufe in Zukunft durch KI ersetzt werden. Technologische Entwicklungen, politische Regulierung und gesellschaftliche Akzeptanz beeinflussen die tatsächliche Entwicklung erheblich.
Die Arbeitsmarktdaten werden regelmäßig aktualisiert. Die KI-Analysen spiegeln den Technologiestand zum Zeitpunkt der Erstellung wider (Stand: 2026). Wir empfehlen, den Score als einen von mehreren Faktoren bei beruflichen Entscheidungen zu betrachten.
Über ersetzt-ki.de
ersetzt-ki.de ist eine unabhängige, kostenlose Informationsplattform, die den öffentlichen Arbeitsmarktdaten eine neue Dimension hinzufügt: die systematische Bewertung des KI-Risikos für jeden deutschen Beruf. Unser Ziel ist es, Arbeitnehmer, Berufseinsteiger und Bildungseinrichtungen dabei zu unterstützen, fundierte Entscheidungen über die berufliche Zukunft zu treffen.
Wir kombinieren öffentlich verfügbare Daten mit modernsten KI-Analysemethoden, um jedem Beruf eine transparente, nachvollziehbare Einschätzung zu geben. Alle verwendeten Datenquellen sind öffentlich zugänglich und werden im jeweiligen Berufsprofil referenziert.