Der Kern dieser Arbeit ist, viele unterschiedliche Wäschestücke durch dieselbe Kette aus Sortieren, Waschen und Bügeln zu schleusen, ohne dass etwas beschädigt wird oder verloren geht. Am Ende muss jedes Stück wieder zu seinem Auftrag finden.
Bevor Wäsche wieder sauber und ordentlich zurückkommt, läuft sie durch mehrere Hände und Maschinen: Sie sortieren, waschen, reinigen und bügeln.
Bediener von Wäschereimaschinen bedienen Wäscherei-, chemische Reinigungs-, Bügel- und Textilbehandlungsmaschinen in Wäschereien und chemischen Reinigungsbetrieben. Zu den Aufgaben gehören - (a) Sortieren der zu reinigenden Artikel nach Art, Farbe, Stoff und erforderlicher Reinigungsbehandlung; (b) Einlegen sortierter Artikel in Behälter und auf Förderbänder zum Transport in Reparatur- und Reinigungsbereiche; (c) Prüfen und Entfernen von Flecken aus Kleidungsstücken, Ersetzen von Knöpfen und Durchführen kleinerer Reparaturen; (d) Be- und Entladen von Waschmaschinen, Trocknern und Zentrifugen; (e) Zugeben von Reinigungsmitteln und Stärke zu den Artikeln; (f) Glätten von Artikeln und Führen durch Reinigungs- und Bügelmaschinen; (g) Anhalten und Starten von Maschinen, um Artikel zu entwirren, glattzuziehen und zu entnehmen; (h) Ablegen von Artikeln auf Regale und Aufhängen von Artikeln zur Auslieferung und Abholung; (i) Verpacken von Artikeln und Vorbereiten von Aufträgen für den Versand. Beispiele für die hier eingeordneten Berufe: - Bediener von Maschinen für chemische Reinigung - Bediener von Wäschereimaschinen - Bediener von Bügelmaschinen (Wäscherei) Einige verwandte, anderswo eingeordnete Berufe: - Handwäscher - 9121 - Handbügler - 9121
Chemischreiniger · Chemischreinigerin · Maschinenwäscher · Maschinenwäscher/Maschinenwäscherin · Maschinenwäscherin · Textilreinigungsfacharbeiter · Textilreinigungsfacharbeiterin · Wäschereiaufseher · Wäschereiaufseher/Wäschereiaufseherin · Wäschereiaufseherin · clothes washer · dry cleaner · +16 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 8157.
Maschinenbedienung, Wartung, Reinigen und Materialumschlag bleiben durchweg gering betroffen — offen bleibt, was die Streuung im benachbarten Veredlungsberuf treibt.
Bediener von Wäschereimaschinen 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 25 verglichenen Berufen sind 5 weniger betroffen als dieser. Gruppe: Anlagen- & Maschinenbedienung |
Ähnlich eingeordnet: Bediener von Schuhmaschinen · Bediener von Web-, Strick- und Wirkmaschinen · Weitere Maschinenbediener Textil und Leder
Für diesen Beruf gibt es keinen eigenen Wert, und die Schwankung bei verwandten Färbeberufen ist nicht auflösbar. Wäschereiautomatisierung — Sortier-, Falt- und Beschickungstechnik — ist nicht erfasst. Nach heutigem Stand wenig berührt, mit dieser Technik als offener Frage.
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
Maschinenbedienung, Wartung, Reinigen und Materialumschlag liegen bei diesem Beruf allesamt in den am wenigsten betroffenen Bereichen — ohne einzelne auffällige Teilaufgabe. Anders liegt der nächstverwandte Textilberuf, die Textilveredlung, wo einzelne Teilaufgaben durchaus berührt sind; welche, lässt die Studienlage offen, und bei der Wartung ist allein der schriftliche Rand aus Planung, Dokumentation und Fehlersuche betroffen. Gegenläufig misst eine Untersuchung an Stellenanzeigen eine leicht steigende Nachfrage nach Produktions- und körperlichen Fähigkeiten in KI-nahen Betrieben. Dieser Effekt gilt aber selbst als schwach und je nach Land sehr unterschiedlich und betrifft die Menge der Nachfrage, nicht den Inhalt der Arbeit.
Die Arbeit an der Maschine bleibt körperlich, offene Fragen stellen sich erst bei der selbststeuernden Anlage.
Das Bedienen und Steuern von Maschinen lebt vom körperlichen Tun, und genau hier stößt die heutige KI an ihre Grenze: Fachleute haben die Automatisierbarkeit dieser Aufgabe deutlich nach unten korrigiert, weil Systeme für Text und Sprache keinen Zugriff auf die physische Ausführung haben — unabhängige Untersuchungen kommen für manuelle Tätigkeiten zum selben Ergebnis. Wohin sich der Anteil unmittelbarer Bedienung verschiebt, wenn selbstlernende Steuerungssoftware die routinemäßige Prozessführung übernimmt und der Mensch stärker überwacht und bei Abweichungen eingreift, ist damit aber noch nicht beantwortet.
Das Installieren und Instandsetzen bleibt Handarbeit — die KI hilft beim Planen und Nachschlagen, nicht am Gerät selbst.
Installation, Wartung und Reparatur verlangen den Griff zum Gerät: Kalibrieren, Verkabeln und Prüfen am Objekt bleiben menschlich, während KI beim Planen, Dokumentieren und beim Nachschlagen in Störungsanleitungen unterstützt. Fachleute haben die Aufgabe deshalb ausdrücklich niedrig eingestuft, und Installations- und Wartungsfähigkeiten liegen auch am realen Arbeitsmarkt im wenig berührten Bereich. Dass der planbare Wartungsanteil zugunsten zustandsorientierter Eingriffe zurückgeht und sich die Tätigkeit stärker auf Befundinterpretation verlagert, ist eine begründete Vermutung — belastbar gemessen ist dieser Anteil bislang nicht.
Die körperliche Reinigungsarbeit bleibt, die Rolle der Robotik ist noch offen.
Das Reinigen von Räumen, Flächen und Fahrzeugen lebt vom körperlichen Tun, und genau daran stößt die heutige KI an ihre Grenze: Systeme für Text und Bild haben auf diese physische Arbeit keinen Zugriff. Gleich drei unabhängige Untersuchungen ordnen die Reinigungsberufe übereinstimmend ganz unten bei der KI-Betroffenheit ein. Ob Robotik großflächige Bodenreinigung künftig übernimmt und sich die Tätigkeit stärker zu Nacharbeit, Kontrolle und Gerätebetreuung verschiebt, ist eine begründete Vermutung, aber noch nicht belegt.
Das Bedienen der Umschlagmaschinen bleibt körperliche Arbeit — und wird eher mehr gebraucht als weniger.
Materialumschlag mit Stapler, Kran oder beim Verladen ist körperliche Arbeit an wechselnden Orten — genau das automatisiert die heutige KI nicht, und Fachleute haben die Automatisierungswerte für diese Berufe eigens nach unten korrigiert. Unabhängige Auswertungen von Stellenanzeigen zeigen die Nachfrage nach solchen Fähigkeiten sogar leicht steigend, weil sie sich mit KI-gestützter Logistik ergänzen. Ob der innerbetriebliche Transport künftig stärker automatisiert wird als der Umschlag an wechselnden Außenorten und sich die Aufgabe mehr zu Disposition und Ausnahmefällen verschiebt, ist eine begründete Vermutung — belegt ist es nicht.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Bediener von Wäschereimaschinen · 8157
For tasks such as „operating injection molding machines" or „performing mechanical processing of silicon", experts highlighted the limitations of generative AI in handling physical and manual components, leading to significantly reduced adjusted scores compared to the survey.
Applying various welding methods and using different types of welding machines and equipment, in accordance with training or qualifications. 0.43 0.05 0.05 The task involves hands-on physical work requiring skill and precision, such as welding using various machines, which is not currently automatable by generative AI technologies like ChatGPT. These technologies excel in tasks involving data processing, language understanding, and information generation but do not possess capabilities for physical task execution, hence aligning closer with the revised score.
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.
Occupations involving cognitive, non-routine tasks – such as programming, translating, interpreting and other highly skilled professional work – tend to exhibit higher exposure. […] By contrast, roles reliant on physical or manual tasks, such as cleaning or equipment operation, show minimal exposure.
Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score.
Installing and initiating mechanical and electrical robots and peripheral equipment at new workstations requires hands-on skills, precise calibration, and the ability to interact with physical hardware. While generative AI can assist with planning, documentation, and troubleshooting guides, the physical installation and configuration still require human expertise. Therefore, the lower score of 0.1925 is more reflective of reality, though slightly adjusted upward to 0.25 to acknowledge AI's support role in providing information or instructions during the task.
For tasks such as 'operating injection molding machines' or 'performing mechanical processing of silicon', experts highlighted the limitations of generative AI in handling physical and manual components, leading to significantly reduced adjusted scores compared to the survey.
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.
For occupations with low AI exposure the top grouping is production and technology, joined by attitudes and social skills. Production and technology includes the subgroupings installation and maintenance, quality assurance and production processes.
Not Exposed 9112 Cleaners and Helpers in Offices, Hotels and Other Establishments 0.12 0.02 / Not Exposed 9123 Window Cleaners 0.11 0.03 / Not Exposed 9129 Other Cleaning Workers 0.1 0.01 / Not Exposed 7133 Building Structure Cleaners 0.09 0.01 / Not Exposed 9122 Vehicle Cleaners 0.09 0.01 / Not Exposed 9111 Domestic Cleaners and Helpers 0.14 0.08 / Not Exposed 9613 Sweepers and Related Labourers 0.09 0.03 / Minimal Exposure 5153 Building Caretakers 0.27 0.16 / Not Exposed 5151 Cleaning and Housekeeping Supervisors in Offices, Hotels and Other Establishments 0.22 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. / 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. / These technologies excel in tasks involving data processing, language understanding, and information generation but do not possess capabilities for physical task execution / the highest exposure to GenAI is typically observed among groups with the largest share of tasks of cognitive nature and it declines with tasks of physical nature, which are more prominent among occupational groups 4-9
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. Therefore, high-skill, white collar occupations are the ones most exposed to recent progress in AI.
Table A.2: Top and bottom 25 occupations by average AI exposure — 25 Most Exposed Occupations | 25 Least Exposed Occupations […] Maids and Housekeeping Cleaners […] Janitors and Cleaners / These rankings are based on the computed AI exposure scores, which leverage task-level similarities between AI applications and occupational descriptions.
Not Exposed 8344 Lifting Truck Operators 0.2 0.1 / Not Exposed 8343 Crane, hoist and related plant operators 0.18 0.03 / Not Exposed 9333 Freight Handlers 0.14 0.03 / Not Exposed 8342 Earthmoving and Related Plant Operators 0.13 0.02 / Not Exposed 8341 Mobile Farm and Forestry Plant Operators 0.12 0.03
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. / and 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.
There were some skill groupings that experienced modest increases in demand, including: production and technology and physical skills. These skills can be summarised as typically indicative of blue-collar occupations and include maintenance, repair, forklift driving and more fundamental skills such as dexterity, heavy lifting and range of motion. These are the types of skills that are possibly complementary in production to AI. For example, if a logistics warehouse can use AI to reduce the costs of routing shipments, they may be able to lower their costs and see increased demand – possibly necessitating greater demand for forklift drivers in the warehouse. However, these increasing skill demands were more modest with substantial cross-country heterogeneity. [norm.]
Finally, in addition to the displacement effect, the automation channel can give rise to a productivity effect. This can result in increases in labour demand for tasks or jobs not automated by AI, such as packers and forklift operators.
Maschinenbedienung, Wartung, Reinigen und Materialumschlag sind sämtlich als gering exponiert gemessen — offen bleibt, was die auffällige Streuung im benachbarten Textilveredlungsberuf trägt
Für 8157 selbst führt ILO Table A1 keinen eigenen Wert; auf Tätigkeitsebene liegen alle vier Tätigkeiten dieser Rolle in den untersten Kategorien — die Maschinenbedienerberufe der Gruppe 81 in „Not Exposed“, das Reinigen bei 9112 und 9122 mit Mean 0,09–0,12 und SD 0,01–0,02, der Materialumschlag bei vier von fünf Berufen mit SD 0,02–0,03, also ohne einzelne auffällige Teilaufgabe. Anders liegt der nächstverwandte Textilberuf 8154 „Bleaching, Dyeing and Fabric Cleaning“ mit Mean 0,21 bei SD 0,15: Dort sind einzelne Teilaufgaben durchaus exponiert, welche das sind, weist die Quelle nicht aus — belegt ist bei der Wartung allein der informationelle Rand aus Planung, Dokumentation und Fehlersuchhinweisen (ILO WP 140, PDF-S. 35). Gegenläufig misst die OECD an Stellenanzeigen eine leicht steigende Nachfrage nach Produktions- und körperlichen Skills in KI-exponierten Betrieben, qualifiziert den Effekt aber selbst als „modest“ mit „substantial cross-country heterogeneity“ (OECD AI Papers No. 14, PDF-S. 30) — das betrifft die Menge der Nachfrage, nicht den Inhalt der Arbeit.
Für 8157 liegt kein rollenspezifischer ILO-Wert vor, die erhöhte Streuung bei 8154 ist nicht auflösbar, und Wäschereiautomatisierung — Sortier-, Falt- und Beschickungstechnik — wird von keiner Korpusquelle auf Tätigkeitsebene erfasst.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Bediener von Wäschereimaschinen allgemein — mit Tätigkeiten wie „Maschinen und Anlagen bedienen und steuern“ oder „Anlagen und Geräte installieren, warten und reparieren“.
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): Bediener von Wäschereimaschinen — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/bediener-von-waeschereimaschinen
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0