Der Kern dieser Arbeit ist Geduld: Ein Baum oder Strauch trägt erst nach Jahren, gepflegt wird trotzdem jeden Tag. Beschneiden, Bewässern, Schädlinge bekämpfen – bis am Ende die Ernte steht.
Baum- und Strauchfrüchteanbaür kümmern sich um Obstbäume, Teesträucher, Weinreben oder Kautschukbäume – von der Pflanzung bis zur Ernte.
Baum- und Strauchfrüchteanbauer planen, organisieren und führen landwirtschaftliche Arbeiten durch, um Bäume und Sträucher wie Obst- und Nussbäume, Tee- und Kaffeesträucher, Weinreben, beerentragende Sträucher, Kakaobäume und Kautschukbäume anzubauen und zu ernten sowie Saft zu sammeln, für den Verkauf oder die regelmäßige Lieferung an Großhandelskäufer, Vermarktungsorganisationen oder auf Märkten. Zu den Aufgaben gehören - (a) Beobachtung der Marktaktivität und -bedingungen, Festlegung von Art und Menge der anzubauenden Feldfrüchte sowie entsprechende Planung und Koordinierung der Produktion; (b) Vorbereitung des Bodens von Hand oder maschinell sowie Ausbringen von Düngemitteln und Mist; (c) Auswahl und Aussaat von Saatgut sowie Pflanzen von Setzlingen; (d) Pflege der Feldfrüchte durch Bodenbearbeitung, durch Umpflanzen, Beschneiden oder Ausdünnen von Bäumen und Sträuchern sowie durch Aufbau und Betrieb von Bewässerungsanlagen; (e) Bekämpfung von Unkraut, Schädlingen und Krankheiten durch Ausbringen von Herbiziden und Pestiziden; (f) Pflege von Bäumen oder Sträuchern, Sammeln von Saft und Ernten der Feldfrüchte; (g) Kontrolle, Reinigung, Sortierung, Verpackung, Lagerung und Verladung von Feldfrüchten für den Verkauf oder die Lieferung an den Markt; (h) Versorgung von Arbeitstieren sowie Instandhaltung von landwirtschaftlichen Gebäuden, Bauwerken, Ausrüstung und Wasserversorgungssystemen; (i) Lagerung und Durchführung einiger Verarbeitungsschritte der Erzeugnisse; (j) Bewerbung und Vermarktung von Produkten, Organisation von Verkauf, Einkauf und Transport von Erzeugnissen und Betriebsmitteln, sowie Führung und Auswertung von Aufzeichnungen über landwirtschaftliche Tätigkeiten und Transaktionen; (k) Ausbildung und Beaufsichtigung von Arbeitskräften in der Pflanzenproduktion, bei Instandhaltungsaufgaben sowie bei Gesundheits- und Sicherheitsvorkehrungen, sowie Einstellung und Entlassung von Arbeitskräften und Auftragnehmern. Beispiele für die hier eingeordneten Berufe: - Obstbauer/-bäuerin - Kautschukbauer/-bäuerin - Kautschukzapfer/in - Teeanbauer/in - Winzer/in Einige verwandte, anderswo eingeordnete Berufe: - Plantagenleiter/in - 1311 - Obstpflücker/in - 9211
Arborist · Arborist/Arboristin · Arboristin · Baumpfleger · Baumpflegerin · Baumspezialist · Baumspezialistin · Hopfenbauer · Hopfenbauer/Hopfenbäuerin · Hopfenbäuerin · Kellermeister · Kellermeister/Kellermeisterin · +72 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 6112.
Der Anbau und die Ernte an Daürkulturen bleiben unberührt — verändert ist die kaufmännische Abwicklung aus Bestellung, Handel und Koordination ringsum.
Baum- und Strauchfrüchteanbauer liegt nahe am unteren Rand — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| unterstes Fünftel von 411 Berufen | nicht von generativer KI berührt | Von 8 verglichenen Berufen ist keiner weniger betroffen als dieser. Gruppe: Landwirtschaft |
Ähnlich eingeordnet: Binnen- und Küstenfischer · Nutztierhalter (ohne Geflügel) und Milchproduzenten · Ackerbauern und Gemüseanbauer
Sortenwahl, Schnitt- und Bewässerungsplanung, die Erkennung von Schädlingen und Reifegrad per Bild sowie Ernteroboter in Daürkulturen hat bisher keine Studie einzeln betrachtet — dort ist weder Betroffenheit noch Unbetroffenheit belegt. Die körperliche und planerische Arbeit im Anbau bleibt damit die große Unbekannte. Nach heutigem Stand also kein belastbarer Befund für diesen Kern — seine Entwicklung lohnt den Blick.
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
Das Pflegen und Ernten von Obst- und Baumkulturen zählt zu den am wenigsten betroffenen Tätigkeiten überhaupt — der niedrigste Wert aller Erwerbs-Anbauberufe, für die mithelfenden Kräfte sogar noch darunter —, weil sich körperliche Handarbeit der heutigen KI entzieht. Das gilt aber nur für die generative KI, nicht für die Robotik: Sobald man Maschinen einbezieht, führen dieselben Quellen die Landwirtschaft unter hohem Automatisierungsrisiko, und die Zahl der Agrar-Serviceroboter hat sich 2024 auf das Zweieinhalbfache erhöht. Verändert ist vor allem die kaufmännische Seite ringsum — Betriebsmittelbeschaffung, Vermarktung, Ernte- und Saisonkoordination —, wobei die handelsnahe Abwicklung höher eingestuft ist als der reine Einkauf. Bei der Koordination wächst allein die zwischenmenschliche Abstimmung, deren Nachfrage in Stellenanzeigen von 39 auf 47 Prozent stieg.
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.
Die planende und preisoptimierende Seite der Beschaffung gerät durch KI in Bewegung, das Aushandeln und Pflegen von Lieferantenbeziehungen bleibt menschliche Arbeit.
Beim Optimieren von Preisen, Mengen und Lieferketten zählt der Einkauf zu den am stärksten von KI berührten Bereichen: Wo Aufgaben besonders KI-fähig sind, sinkt anschliessend die Nachfrage nach den zugehörigen Fähigkeiten, und die Arbeit verlagert sich innerhalb des Berufs zu weniger berührten Teilaufgaben. Zugleich stuft eine andere Untersuchung genau die Kern-Einkaufsberufe als kaum berührt ein, sodass das Bild uneinheitlich bleibt. Absehbar ist vor allem eine Verschiebung: Die datengetriebene Analyse übernimmt zunehmend KI, das Aushandeln und Pflegen der Lieferantenbeziehungen bleibt eine menschliche Aufgabe.
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.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Baum- und Strauchfrüchteanbauer · 6112
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).
In pricing and supply chain optimization, Purchasing Managers and Wholesale and Retail Buyers emerge as the most exposed, while in process automation and operational efficiency the most exposed tasks are linked to Sales Engineers and Other Engineering Technologists.
Across all specifications, coefficients on task-level AI exposure are negative and of similar magnitude: greater exposure reduces the intensity with which firms demand skills linked to those tasks. […] a one–standard deviation increase in task-level AI exposure lowers demand for the associated skills by about 2 percent over five years. Because the dependent variable is a share, this implies reallocation of labor effort away from exposed tasks and toward less-exposed tasks within the same occupation.
Purchasing Agents (13-1023) 1.51 / High-skill, high-wage occupations are the most exposed to artificial intelligence. […] These are occupations that require cognitive skills that cannot be automated with a discrete set of instructions, but for which artificial intelligence excels
One-third of organizations expect AI to reduce their workforce in the coming year, even though large-scale job losses have not yet shown up in overall employment data. […] Anticipated reductions are highest in service operations, supply chain, and software engineering. Across nearly all functions, anticipated decreases outpaces those already observed. / This trend is particularly pronounced in service operations, supply chain/inventory management, marketing and sales, and software engineering, where the expected decrease in employees for the next year significantly exceeds the actual decrease reported over the past year.
Minimal Exposure 3323 Buyers 0.39 0.08 / Minimal Exposure 1324 Supply, Distribution and Related Managers 0.38 0.05 / Minimal Exposure (Low exposure, moderate task variability) μ < 0.5 and μ + σ > 0.4 — Occupations with low GenAI exposure, where some tasks show moderate automation potential, but overall occupational exposure remains limited. / a more granular distinction of Minimal Exposure, where some interaction with GenAI may occur, but without significantly altering the nature of these roles / 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.
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
Pflege- und Ernteanbau an Daürkulturen ist als nicht exponiert gemessen, während die vor- und nachgelagerte Abwicklung von Bestellung, Handel und Ablaufkoordination höher eingestuft ist
Für diese Rolle liegt ein eigener ILO-Wert vor: 6112 Tree and Shrub Crop Growers ist mit 0,17 (SD 0,11) als Not Exposed eingestuft — der niedrigste Wert aller Erwerbs-Anbauberufe —, und die mitarbeitenden Hilfskräfte im Garten- und Obstbau liegen mit 0,12 bei einer Standardabweichung von nur 0,02 noch darunter, was nach ILO-Logik heißt, dass dort nicht einmal eine einzelne Teilaufgabe gegenüber generativer KI exponiert ist; Fachexperten haben diese Werte gegenüber der Laienbefragung ausdrücklich abgesenkt und dies mit den praktischen Grenzen der Automatisierung von Tätigkeiten begründet, die körperliche Manipulation und manuelle Geschicklichkeit verlangen. Dieser Befund gilt ausschließlich für generative KI: Dieselbe OECD-Quelle, die Agrarberufe als am wenigsten KI-exponiert ausweist, führt „Farming, Fishing and forestry" unter den Gruppen mit hohem Automatisierungsrisiko, sobald Robotik einbezogen wird, und der AI Index berichtet für 2024 eine Verzweieinhalbfachung der im Agrarbereich eingesetzten Serviceroboter — Zahlen ohne Tätigkeitsbezug, die den GenAI-Befund weder stützen noch widerlegen. Für die kaufmännische Seite der Rolle — Betriebsmittelbeschaffung, Vermarktung, Saison- und Erntekoordination — liegt kein eigener Wert für 6112 vor, sondern nur der Tätigkeitsbefund: Die Kern-Einkaufsberufe sind als Minimal Exposure gemessen (3323 Buyers 0,39 / SD 0,08), die handelsnahe Abwicklung dagegen höher (3324 Trade Brokers 0,44 / SD 0,10; 4322 Production Clerks 0,44 / SD 0,06), OECD/Felten führt Purchasing Agents zugleich mit 1,51 unter den fünf exponiertesten Berufen, und beim Koordinationsanteil wächst allein die zwischenmenschliche Abstimmung, deren Nachfrage in Ausschreibungen von 39 auf 47 Prozent stieg.
Sortenwahl, Schnitt- und Bewässerungsplanung, Schädlings- und Reifediagnose per Bilderkennung sowie Ernterobotik in Daürkulturen werden von keiner Korpusquelle auf Tätigkeitsebene untersucht — dort ist weder Betroffenheit noch Unbetroffenheit belegt.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Baum- und Strauchfrüchteanbauer allgemein — mit Tätigkeiten wie „Programme und Betriebsabläufe planen und koordinieren“ oder „Einkauf, Beschaffung und Lieferantenbeziehungen managen“.
Für diesen Beruf sprechen die Daten bisher für wenig Veränderung.
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): Baum- und Strauchfrüchteanbauer — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/baum-und-strauchfruechteanbauer
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0