Der Kern dieser Arbeit liegt zwischen Forschung und Praxis: Erkenntnisse aus Boden, Pflanze und Tier werden zu konkretem Rat für Betriebe. Aus Proben und Beobachtungen im Feld entstehen Empfehlungen, die Landwirte, Förster oder Fischer direkt im Alltag umsetzen können. Auch diese Beratungsarbeit selbst befindet sich derzeit im Wandel.
Agrar-, Forst- und Fischereiwissenschaftler und -berater helfen Landwirtschaft, Forstwirtschaft und Fischerei dabei, ertragreicher und nachhaltiger zu arbeiten.
Agrar-, Forst- und Fischereiwissenschaftler und -berater untersuchen und leisten Unterstützung und Beratung zur Bewirtschaftung von Landwirtschaft, Forstwirtschaft und Fischerei, einschließlich Anbau, Düngung, Ernte, Bodenerosion und -zusammensetzung, Krankheitsprävention, Ernährung, Fruchtfolge und Vermarktung. Sie entwickeln Techniken zur Steigerung der Produktivität und untersuchen und entwickeln Pläne und Strategien für die Land- und Fischereibewirtschaftung. Zu den Aufgaben gehören - (a) Sammlung und Analyse von Daten und Proben in Bezug auf Erzeugnisse, Futtermittel, Boden, Wasserqualität und andere Faktoren, die die landwirtschaftliche, forstwirtschaftliche oder fischereiliche Produktion beeinflussen; (b) Beratung zu Techniken zur Verbesserung der Produktion von Pflanzen, Vieh und Fisch sowie zu alternativen Produktionsmöglichkeiten; (c) Beratung zu Vieh- und Pflanzenkrankheiten, Schädlings- und Unkrautbekämpfung, Bodenverbesserung, Tierhaltung und Fütterungsprogrammen; (d) Untersuchung der Umweltfaktoren, die die kommerzielle Pflanzenproduktion, das Weidewachstum, die Tierzucht, die Fischbestände sowie das Wachstum und die Gesundheit von Waldbäumen beeinflussen; (e) Untersuchung der Auswirkungen von Anbautechniken, Böden, Insekten, Krankheiten und Fischereipraktiken auf den Ertrag von Tierhaltung, Pflanzenbau, Forstwirtschaft und Fischerei; (f) Untersuchung von Fischwanderung, -wachstum, -fütterung und -laichen sowie Entwicklung von Methoden zum Sammeln, Befruchten, Inkubieren und Ausbrüten von Fischeiern; (g) Erforschung von Eigenschaften, Nutzungsfähigkeit und Produktivität von Böden sowie Anwendung der Erkenntnisse zur Entwicklung verbesserter landwirtschaftlicher, gartenbaulicher und forstwirtschaftlicher Praktiken; (h) Entwicklung von Verfahren und Techniken zur Lösung landwirtschaftlicher Probleme und zur Verbesserung der Produktionseffizienz; (i) Bewirtschaftung von Wald- und Fischereiressourcen zur Maximierung ihres langfristigen kommerziellen, freizeitbezogenen und ökologischen Nutzens; (j) Untersuchung der Vermehrung und Kultivierung von Waldbäumen, Methoden zur Verbesserung des Bestandswachstums sowie der Auswirkungen der Durchforstung auf die Walderträge; (k) Untersuchung, Planung und Umsetzung von Bewirtschaftungsverfahren zur Bewältigung der Auswirkungen von Bränden, Überschwemmungen, Dürren, Bodenerosion, Schädlingen und Krankheiten; (l) Erstellung wissenschaftlicher Berichte sowie Durchführung von Beratungs- und Informationsveranstaltungen und Vorträgen für Landwirtschafts-, Forstwirtschafts- und Fischereigemeinschaften und andere Gruppen. Beispiele für die hier eingeordneten Berufe: - Agronom - Fischereiberater - Forstberater - Forstwissenschaftler - Gartenbauwissenschaftler - Forstkulturwissenschaftler - Bodenwissenschaftler
Agrarforscher · Agrarforscherin · Agrarwissenschaftler · Agrarwissenschaftler/Agrarwissenschaftlerin · Agrarwissenschaftlerin · Agronom · Agronom/Agronomin · Agronomin · Berater im Bereich Forstwirtschaft · Berater im Bereich Viehzucht · Berater im Bereich Viehzucht/Beraterin im Bereich Viehzucht · Beraterin im Bereich Forstwirtschaft · +93 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 2132.
Die Fachberatung selbst gilt als unberührt von der KI — die schreibtischgebundene Berichts- und Planungsarbeit drumherum verschiebt sich dagegen messbar.
Agrar-, Forst- und Fischereiwissenschaftler und -berater liegt im mittleren Bereich — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| Mittelfeld von 411 Berufen | nicht von generativer KI berührt | Von 24 verglichenen Berufen ist keiner weniger betroffen als dieser. Gruppe: Naturwissenschaft & Ingenieurwesen |
Ähnlich eingeordnet: Allgemeinärzte · Bergbauingenieure, Metallurgen und verwandte Berufe · Akademische und vergleichbare Geburtshilfefachkräfte
Ein zentraler Teil dieser Rolle — Experimente, Tests und Analysen direkt im Feld durchzuführen — wird von keiner der herangezogenen Studien behandelt. Daraus folgt weder, dass dieser Bereich betroffen ist, noch dass er es nicht ist; er bleibt schlicht offen. Nach heutigem Stand lässt sich dazu noch nichts Belastbares sagen — hier lohnt es, die weitere Forschung im Blick zu behalten.
Eigene Auswertung (SapientShift-Tätigkeitsanalyse) auf Basis der ILO-Einstufung · Quelle der Einstufung: ILO, Generative AI and Jobs (Working Paper 140), 2025 · Stand 2026-07-19 · Methodik
Die eigentliche Beratungsarbeit dieses Berufs ist einzeln untersucht und gilt derzeit als nicht von KI betroffen. Was sich verschiebt, sind die schreibtischgebundenen Anteile: Beim Verfassen von Sach- und Verwaltungstexten sinkt die Zeit fürs erste Aufschreiben deutlich, während das Überarbeiten zunimmt, und die Nachfrage nach Planungs- und Ablaufverfolgungsaufgaben geht in Stellenanzeigen zweistellig zurück. Einschränkend gilt: Die zugrundeliegende Studie hat ihre früheren Werte für Textaufgaben ausdrücklich nach unten korrigiert, weil viele davon weiterhin erhebliche menschliche Arbeit erfordern — und untersucht wurde bisher nur generative KI, während Sensorik, Drohnen und Feldrobotik zur Bestands- und Schaderregererkennung von keiner Untersuchung erfasst sind.
Die operative Ablaufplanung verschiebt sich spürbar, während die Abstimmung im Team eher wichtiger wird.
Das Planen und Koordinieren von Abläufen gehört zu den Tätigkeiten, die sich sichtbar bewegen: Die Nachfrage nach dem Verfolgen und Auswerten operativer Kennzahlen ist messbar zurückgegangen — für einzelne Planungsaufgaben um rund ein Viertel —, und Betriebe mit hohem KI-Einsatz fragen weniger allgemeine Management- und Projektmanagement-Fähigkeiten nach. Zugleich ist nicht die ganze Aufgabe betroffen: Die strategische Planung bleibt außen vor, und Abstimmungs- und Teamfähigkeiten zählen sogar zu den am stärksten wachsenden Anforderungen. Verschoben wird also vor allem der berechenbare, dokumentierende Teil, während das Zusammenführen von Menschen und Zielen an Gewicht gewinnt.
Das Verfassen der Berichte wird schneller, das Prüfen und Verantworten der Inhalte rückt in den Vordergrund.
Beim Schreiben von Sach- und Verwaltungstexten übernimmt KI zunehmend den ersten Rohentwurf: In kontrollierten Versuchen halbiert sich die Zeit fürs Draften, während das Überarbeiten sich mehr als verdoppelt — Tempo und Qualität steigen dabei zugleich. Diese Bürotätigkeiten gehören zu den am stärksten betroffenen, und in echten Stellenanzeigen sinkt bei KI-nahen Betrieben die Nachfrage nach reinen Schreib- und Verwaltungsfertigkeiten. Was bleibt, ist das Redigieren und das Einstehen für den Inhalt.
Zu dieser Aufgabe liegt noch keine belastbare Untersuchung vor.
Wie sich das Durchführen von Experimenten, Tests und Feldanalysen entwickelt, lässt sich noch nicht belastbar sagen — es ist einer der größten blinden Flecken der verfügbaren Untersuchungen. Vermutlich verschieben sich vor allem das Auswerten und Dokumentieren der Versuche, während die praktische Durchführung und Probennahme am Objekt stärker menschlich bleiben; der wertbildende Kern könnte in Versuchsdesign und Ergebnisbeurteilung wandern. Das ist aber eine begründete Vermutung, kein Befund.
Das Anbaün und Pflegen von Pflanzen bleibt körperliche Arbeit, an der die heutige KI vorbeigeht — was Robotik im Feld künftig ändert, ist offen.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Der Anbau und die Pflege von Pflanzen leben vom körperlichen Tun an Feld und Pflanze — genau dort stösst heutige KI, die auf Text und Bild ausgelegt ist, an ihre Grenze. Fachleute haben die Betroffenheit dieser Tätigkeit ausdrücklich nach unten korrigiert, und auch am Arbeitsmarkt zeigt sich für die Agrarberufe bislang praktisch kein Effekt; unabhängige Messungen zählen sie zu den am wenigsten betroffenen überhaupt. Ob Feld- und Stallrobotik gleichförmige Routinen wie Ausbringen, Füttern oder Melken künftig stärker übernimmt, ist eine begründete Vermutung, aber noch nicht belegt.
Beim Entwickeln von Modellen und Methoden übernimmt KI zunehmend die strukturiert-analytischen Anteile, das Durchdenken und Verantworten bleibt.
Das Entwickeln von Modellen, Theorien und Methoden gehört zu den Tätigkeiten, bei denen sich viel bewegt: Ein erheblicher Teil der Aufgaben ist durchgängig KI-nah, und Fachleute haben gerade die strukturiert-analytischen, daten- und kommunikationsbezogenen Anteile nach oben korrigiert — nicht nur Routinearbeit, sondern spezialisierte fachliche Aufgaben. Betroffenheit heißt dabei aber nicht Ersetzung: Ein großer Teil der heutigen Arbeit lässt sich mit KI erledigen, während dieselben Tätigkeiten sich zugleich weiterentwickeln und neue Aufgaben hervorbringen können.
Das Bewirtschaften von Wald und Naturflächen bleibt körperliche Arbeit im Gelände, an der die heutige KI vorbeigeht.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Die Arbeit im Wald und auf Naturflächen ist praktisch und körperlich — sie findet im Gelände statt, am Baum, am Boden, an der Maschine. Genau solche Tätigkeiten ordnen mehrere unabhängige Untersuchungen übereinstimmend an das untere Ende der KI-Betroffenheit ein; Fachleute setzen die Werte für körperlich geprägte Berufe sogar noch bewusst niedriger an, weil sich manuelles Arbeiten kaum automatisieren lässt. Für die heutige KI bleibt die Tätigkeit damit weitgehend unberührt.
Das Beraten zu Pflanzen- und Tiergesundheit bleibt an Ort, Bestand und Lebewesen gebunden — die KI geht daran bislang vorbei.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Das Beraten zu Pflanzen- und Tiergesundheit ist über die beratenden wie die ausführenden Rollen hinweg gemessen und durchgängig als kaum betroffen eingestuft — die tiermedizinische Seite liegt dabei noch niedriger und mit sehr geringer Streuung. Der Grund liegt in der Sache selbst: Der Rat hängt am konkreten Bestand, am Boden und am Tier vor Ort, wo Text- und Bildsysteme wenig ausrichten. Das ist der heutige Stand, nicht die Zusage, dass es so bleibt.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Agrar-, Forst- und Fischereiwissenschaftler und -berater · 2132
Gradient 2 4322 Production Clerks 0.44 0.06 | Gradient 2 3341 Office Supervisors 0.43 0.11 | Gradient 2 1219 Business Services and Administration Managers Not Elsewhere Classified 0.42 0.1 | Gradient 3 3343 Administrative and Executive Secretaries 0.54 0.14 | Not Exposed 1213 Policy and Planning Managers 0.36 0.04 | Minimal Exposure 1324 Supply, Distribution and Related Managers 0.38 0.05 | Minimal Exposure 1120 Managing Directors and Chief Executives 0.38 0.06 | Moderate occupational AI exposure, with high task-level variability. These occupations include a mix of some tasks that are exposed to GenAI and others not at risk, making the impact uneven.
applications, Industrial Production Managers experience large declines in skills related to planning and tracking operational decisions. | Industrial Production Managers • Develop or implement production tracking or quality control systems, analyzing production, quality control, maintenance, or other operational reports to detect production problems. -26.6 | • Prepare reports on operations and system productivity or efficiency. -24.8
Logisticians | Transportation, Storage, and Distribution Managers | Production, Planning, and Expediting Clerks | Management Analysts
Establishment-level AI exposure is associated with decreased demand for management skills. On average across countries in the sample demand for management skills declined by under 4 percentage points for a one standard deviation increase in AI exposure (Figure 4.2, Panel A). All countries in the sample are associated with a decline in management skills, and all are statistically significant from zero. | What is notable about this subgrouping is that the most frequently appearing skills are general office administration and project management, skills that are more closely associated with lower-level office and general business duties than with higher-level management positions.
Co-ordination skills are the fastest growing subcomponent in the social skills category. By far the most demanded co-ordination skills are ‚work in teams', ‚teamwork' and ‚collaboration'. On average across countries in the sample, the share of vacancies demanding co-ordination skills increased from 39% to 47% between the base and end years (Figure 3.2).
Similar to our 2023 study, clerical occupations exhibit the highest levels of exposure, though with a decline in their mean scores due to a reassessment of certain task-level evaluations […] Among the 13 occupations classified in gradient 4, the majority represent clerical roles, including data entry clerks, typists and word processing operators, accounting and bookkeeping clerks, and general office clerks.
In contrast, occupations involving more cognitive or knowledge-intensive tasks, such as Clerical Support Workers and Professionals, show a much more mixed picture. While some tasks in these groups received lower scores, many others were revised upwards by the expert group, reflecting the greater adaptability of generative AI for structured, data-driven, or communication-focused tasks.
ChatGPT substantially changes the structure of writing tasks. Figure 3 Panel A shows that prior to the treatment, participants spend about 25% of their time brainstorming, 50% writing a rough draft, and 25% editing. Post-treatment, the share of time spent writing a rough draft falls by more than half and the share of time spent editing more than doubles.
Our results show that ChatGPT substantially raises average productivity: time taken decreases by 0.8 SDs and output quality rises by 0.4 SDs. Inequality between workers decreases, as ChatGPT compresses the productivity distribution by benefiting low-ability workers more.
At the establishment level, AI exposure is associated with declining demand for general skills commonly used in office settings. […] Digging further into these categories, the results point to drops in demand for general office skills such word processing and spreadsheet software, basic computer programming skills, as well as administrative and clerical tasks and basic project management skills.
Kein Einzelbeleg — als „nicht untersucht" eingestuft.
Not Exposed 6111 Field Crop and Vegetable Growers 0.18 0.12 / Not Exposed 6113 Gardeners, Horticultural and Nursery Growers 0.18 0.11 / Not Exposed 6112 Tree and Shrub Crop Growers 0.17 0.11 / Not Exposed 6114 Mixed Crop Growers 0.17 0.12 / Not Exposed 9214 Garden and Horticultural Labourers 0.12 0.02 / Not Exposed 9211 Crop Farm Labourers 0.09 0.02
Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score. / the lowest category of Not Exposed occupations, where GenAI currently has no observable potential to automate tasks.
In occupations dominated by manual and physical tasks, such as Craft and Related Trades Workers, Plant and Machine Operators, and Farmers, Gardeners, Foresters, and Fishers, experts consistently assigned lower scores compared to the survey respondents, reflecting the practical limitations of automating tasks that require physical manipulation or manual dexterity.
In contrast, ‚Cleaners, helpers', ‚Agriculture, forestry and fishery workers', ‚Food preparation assistants', ‚Labourers', ‚Refuse workers and other elementary workers' are the least exposed to AI.
Farming, Fishing, and Forestry 45 13.9 -7.56 -6.16 0.20 0.47
Gradient 3 captures occupations where a significant portion of tasks are consistently exposed to GenAI, signaling growing automation risks and requiring adaptation strategies for workers (Significant exposure, high task variability). / Above-moderate occupational exposure: even though some tasks remain less exposed, the overall potential of automation of the current tasks with GenAI is growing in these occupations.
some occupations – such as financial analysts, and web and multimedia developers (gradient 4), as well as bank tellers, translators, applications programmers, investment advisers (gradient 3) – have increased their levels of exposure, highlighting the expanding abilities of GenAI technology to potentially automate more specialized tasks in professional and technical roles.
In contrast, occupations involving more cognitive or knowledge-intensive tasks, such as Clerical Support Workers and Professionals, show a much more mixed picture. While some tasks in these groups received lower scores, many others were revised upwards by the expert group, reflecting the greater adaptability of generative AI for structured, data-driven, or communication-focused tasks. / experts highlighted the limitations of generative AI in handling physical and manual components, leading to significantly reduced adjusted scores compared to the survey.
we stress that such exposure does not imply the immediate automation of an entire occupation, but rather the potential for a large share of its current tasks to be performed using this technology. / The scores reflect the high potential of automation among their current tasks, but these occupations also possess a strong capacity to evolve and develop new tasks through innovative application of GenAI and related digital tools.
Not Exposed 6210 Forestry and Related Workers 0.12 0.05 Not Exposed 8341 Mobile Farm and Forestry Plant Operators 0.12 0.03 Not Exposed 9215 Forestry Labourers 0.09 0.02 Not Exposed 3143 Forestry Technicians 0.21 0.07 Not Exposed 2132 Farming, Forestry and Fisheries Advisers 0.29 0.1
Not Exposed Occupations that don't meet any of the above conditions. […] Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score.
In contrast, ‚Cleaners, helpers', ‚Agriculture, forestry and fishery workers', ‚Food preparation assistants', ‚Labourers', ‚Refuse workers and other elementary workers' are the least exposed to AI.
In occupations dominated by manual and physical tasks, such as Craft and Related Trades Workers, Plant and Machine Operators, and Farmers, Gardeners, Foresters, and Fishers, experts consistently assigned lower scores compared to the survey respondents, reflecting the practical limitations of automating tasks that require physical manipulation or manual dexterity.
Not Exposed 2132 Farming, Forestry and Fisheries Advisers 0.29 0.1
Not Exposed occupations, where GenAI currently has no observable potential to automate tasks. Occupations where most tasks remain relatively unaffect ed by GenAI, with low task variability and a stable low mean exposure score.
Not Exposed 2250 Veterinarians 0.14 0.05 Not Exposed 3240 Veterinary Technicians and Assistants 0.14 0.02
Not Exposed 7544 Fumigators and Other Pest and Weed Controllers 0.13 0.04 Not Exposed 3142 Agricultural Technicians 0.26 0.09
Die Fachberatung selbst ist gemessen und unexponiert, die Berichts- und Auswertungsarbeit um sie herum verschiebt sich
Der Kernberuf der Fachberatung ist von der ILO einzeln gemessen und als „Not Exposed" eingestuft (2132 Farming, Forestry and Fisheries Advisers: μ 0,29, SD 0,10) — die Kategorie ist definiert als „occupations where GenAI currently has no observable potential to automate tasks", die Streuung von 0,10 lässt allerdings einzelne stärker exponierte Teilaufgaben zu, ohne dass die Quelle sie benennt. Verschoben sind belegt die schreibtischgebundenen Anteile: Beim Verfassen von Sach- und Verwaltungstexten sinkt im Experiment der Zeitanteil für den Rohentwurf von rund 50 % auf unter 25 %, während das Redigieren von 25 % auf über 50 % steigt, für Planungs- und Ablaufverfolgungsaufgaben sinkt die Nachfrage in Stellenanzeigen zweistellig (−26,6 und −24,8 bei Industrial Production Managers), und in der Modell- und Methodenentwicklung liegt die formal-datengetriebene Seite deutlich höher (2120 Mathematiker/Statistiker: 0,56, Gradient 3) als die experimentell-naturwissenschaftliche (2113 Chemiker: 0,39, Minimal Exposure). Gegen die Verschiebung steht die Primärquelle selbst: Die ILO hat ihre 2023er-Werte für Textaufgaben ausdrücklich nach unten korrigiert, weil „many of these tasks still require substantial human effort" — und gemessen wurde durchgehend nur generative KI, Sensorik, Drohnen und Feldrobotik zur Bestands- und Schaderregererkennung sind von keiner der zehn Korpusquellen auf Tätigkeitsebene erfasst.
„Experimente, Tests und Feldanalysen durchführen" wird hier nicht behandelt — dazu macht keine der zehn Korpusquellen eine Aussage; daraus folgt weder Betroffenheit noch Unbetroffenheit.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Agrar-, Forst- und Fischereiwissenschaftler und -berater allgemein — mit Tätigkeiten wie „Programme und Betriebsabläufe planen und koordinieren“ oder „Sach- und Verwaltungstexte sowie Berichte verfassen“.
Für diesen Beruf liegt die gemessene Betroffenheit im Mittelfeld.
Ihre Rolle ist bereits übernommen. Für eine Einschätzung, die zu Ihrer Lage passt, fragen wir noch nach Branche und Berufserfahrung — dieselbe Rolle bedeutet in unterschiedlichen Branchen Unterschiedliches.
SapientShift (2026): Agrar-, Forst- und Fischereiwissenschaftler und -berater — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/agrar-forst-und-fischereiwissenschaftler-und-berater
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0