Der Kern dieser Arbeit ist Timing: Beton lässt sich nur begrenzte Zeit bearbeiten, bevor er aushärtet. Vorbereitung, Guss und Oberflächenglättung müssen deshalb ineinandergreifen, ohne dass etwas zu früh fest wird.
Wo Beton gegossen wird, sorgen Betonierer dafür, dass daraus tragfähige, glatte Oberflächen werden – von der Schalung bis zum letzten Feinschliff.
Betonierer, Betonoberflächenfertiger und verwandte Berufe errichten Stahlbetonrahmen und -bauwerke, fertigen Schalungen für das Gießen von Beton, verstärken Betonoberflächen, verputzen Öffnungen in Wänden oder Brunnenverkleidungen, fertigstellen und reparieren Zementoberflächen und führen Terrazzoarbeiten aus. Zu den Aufgaben gehören - (a) Bau und Reparatur von Stahlbetonböden, -wänden, -tanks, -silos und anderen Betonbauwerken; (b) Herstellung von Schalungen oder Montage vorgefertigter Formen zum Gießen von Beton; (c) Verputzen von Öffnungen in Wänden oder Brunnenverkleidungen; (d) Fertigstellung und Glättung von Oberflächen von Betonbauwerken; (e) Auftragen eines dauerhaften glatten Belags aus Zement, Sandpigment und Marmorpartikeln auf Böden, bekannt als Terrazzo-Finish. Beispiele für die hier eingeordneten Berufe: - Zementglätter/in - Betonierer/in - Terrazzoarbeiter/in Einige verwandte, anderswo eingeordnete Berufe: - Bediener/in von Betonglättmaschinen - 8114 - Bediener/in von Straßendeckenlegemaschinen - 8342
Beton- und Stahlbetonbauer · Beton- und Stahlbetonbauerin · Betonbauer · Betonbauerin · Betonbaufacharbeiter · Betonbaufacharbeiterin · Betonierer · Betoniererin · Betonoberflächenfertiger · Betonoberflächenfertiger/Betonoberflächenfertigerin · Betonoberflächenfertigerin · Estrichleger · +37 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 7114.
Die formgebende und oberflächenbearbeitende Handarbeit bleibt unberührt — nur in vorgelagerten Montagetätigkeiten zeigen einzelne Teilschritte ein moderates Automatisierungspotenzial.
Betonierer, Betonoberflächenfertiger und verwandte Berufe 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 16 verglichenen Berufen sind 3 weniger betroffen als dieser. Gruppe: Bau & Ausbau |
Ähnlich eingeordnet: Boden- und Fliesenleger · Baumetallverformer und Metallbauer · Fassadenreiniger und Schornsteinfeger/Rauchfangkehrer
Für diesen Beruf gibt es keine eigene Messung, und welche Teilaufgaben der Montage sich stärker verschieben, bleibt offen. Vor allem ist Bau- und Fertigteilrobotik samt der KI-gestützten Arbeitsvorbereitung bisher gar nicht untersucht. Nach heutigem Stand also wenig berührt — was Robotik am Bau künftig verändert, ist noch nicht beantwortet.
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 formgebende und die Oberfläche bearbeitende Handarbeit zählt zu den am wenigsten betroffenen Tätigkeiten überhaupt — die verwandten Handwerke liegen alle in der untersten Stufe, und zwar so einheitlich wie kaum ein anderer Bereich. Fachexperten senkten die Einschätzung für körperlich geprägte Berufe gegenüber der Laienbefragung systematisch ab, weil KI keine körperliche Arbeit ausführen kann. Zwei Einschränkungen gehören dazu: Montieren ist nicht dasselbe wie Fertigen — bei montierenden Tätigkeiten haben einzelne Teilschritte durchaus ein moderates Automatisierungspotenzial, bei den fertigenden Kernberufen dagegen nicht. Und der Befund gilt nur für KI als Software: Was die zunehmende Robotik für diese Arbeit bedeutet, ist noch nicht auf Tätigkeitsebene gemessen. Der einzige gemessene Veränderungsimpuls weist eher auf Ergänzung als auf Ersatz hin, bleibt aber selbst vorsichtig formuliert.
Das Fertigen und Montieren bleibt körperliche Präzisionsarbeit — was Robotik in der Serie übernimmt, ist die eigentliche offene Frage.
Bauteile zu fertigen und zu montieren heißt, mit Geschick und Präzision am Werkstück zu arbeiten — und genau das kann die heutige KI nicht ausführen: Sprach- und Bildsysteme haben keinen Zugriff auf die physische Handhabung, weshalb Fachleute diese Aufgabe durchweg niedrig bewerten und keine der geprüften manuellen Fähigkeiten derzeit als ersetzbar gilt. Es gibt sogar Hinweise, dass die Nachfrage nach Produktions- und körperlichen Fähigkeiten in KI-nahen Betrieben eher leicht steigt. Offen bleibt allein, wie sich die Serienmontage aufteilt, wenn Robotik repetitive Füge- und Zuführschritte übernimmt und der menschliche Anteil auf Varianten, Nacharbeit und Prüfung wandert — das ist eine begründete Vermutung, kein Befund.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Betonierer, Betonoberflächenfertiger und verwandte Berufe · 7114
Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score. | Occupations with low GenAI exposure, where some tasks show moderate automation potential, but overall occupational exposure remains limited. | Not Exposed 7212 Welders and Flame Cutters 0.13 0.05 | Not Exposed 7214 Structural Metal Preparers and Erectors 0.11 0.02 | Not Exposed 7211 Metal Moulders and Coremakers 0.13 0.01 | Minimal Exposure 8211 Mechanical Machinery Assemblers 0.27 0.17 | Minimal Exposure 8212 Electrical and Electronic Equipment Assemblers 0.28 0.19
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. | the limitations of generative AI in handling physical and manual components | leading to significantly reduced adjusted scores compared to the survey.
Zero of the more than 2,800 skills assessed were determined to exhibit „very high capacity" to be replaced by the current generation of GenAI tools, with the majority of examined skills (69%) determined to have either „very low capacity" or „low capacity" to be substituted, indicating that GenAI currently remains limited in performing tasks that require physical execution, nuanced judgment or hands-on application. | Skills rooted in human interaction – including empathy and active listening, and sensory processing abilities – and manual dexterity, endurance and precision, currently show no substitution potential due to their physical and deeply human components. These findings underscore the practical limitations of current GenAI models, which lack the physicality to perform tasks that require hands-on interaction
The report also provides some evidence that AI adoption may increase the demand for some blue-collar skills, possibly through a productivity effect that results in higher demand and spills over to other workers at the establishment. For example, the report finds that higher establishment AI exposure is associated with increased establishment demand for skills related to production and technology, and physical skills. | Demand increased slightly for some skill groupings, such as production and technology and physical skills. These skill groupings are found disproportionately in low-exposure occupations and include skills such as maintenance, repair, forklift driving and more fundamental skills such as dexterity, heavy lifting and range of motion. This provides some suggestive evidence of the types of skills that may see increased demand due to complementarities with AI in production. However, these increasing skill demands were quite modest with substantial cross-country heterogeneity.
Formgebende und oberflächenbearbeitende Handarbeit ist von generativer KI nicht berührt, während in vorgelagerten Montagetätigkeiten einzelne Teilaufgaben moderates Automatisierungspotenzial zeigen
Für ISCO 7114 liegt kein eigener ILO-Wert vor; die im Korpus vermessenen formgebenden und verarbeitenden Handwerke liegen jedoch alle in der untersten Kategorie und mit der engsten Streuung der gesamten Tabelle — 7211 Metal Moulders and Coremakers bei 0,13 (SD 0,01), 7214 Structural Metal Preparers and Erectors bei 0,11 (SD 0,02), 7223 Metal Working Machine Tool Setters bei 0,18 (SD 0,05) —, und die Fachexperten der ILO haben die Werte für körperlich geprägte Berufe gegenüber der Laienbefragung systematisch gesenkt, in einem dokumentierten Einzelfall von 0,43 auf 0,05, weil generative Modelle „do not possess capabilities for physical task execution"; für Tätigkeiten wie das Bedienen von Spritzgussmaschinen benennt dieselbe Quelle ausdrücklich die Grenzen bei physischen und manuellen Anteilen. Zwei Einschränkungen gehören dazu: Montierende Berufe sind nicht dasselbe wie fertigende — bei den Assembler-Berufen liegen die Mittelwerte zwischen 0,27 und 0,32 bei Standardabweichungen von 0,17 bis 0,19, sodass μ + σ auf 0,44 bis 0,49 kommt und einzelne, von der Quelle nicht benannte Teilaufgaben moderates Automatisierungspotenzial haben, während bei den fertigenden Kernberufen mit SD 0,01 bis 0,05 auch das nicht der Fall ist; und der einzige gemessene Veränderungsimpuls weist in Richtung Komplementarität, weil die OECD bei höherer betrieblicher KI-Exposition eine leicht steigende Nachfrage nach Produktions- und körperlichen Fähigkeiten findet, dies aber selbst als „some evidence", „may increase" und „quite modest" qualifiziert. Der Befund gilt ausschließlich für generative KI als Software: Das WEF hält fest, dass Fortschritte in der Robotik und deren Verbindung mit generativer KI das künftig verändern könnten, und der AI Index berichtet für 2024 542.000 neu installierte Industrieroboter bei einem Bestand von 4.664.000 sowie kollaborative Roboter mit 13,6 Prozent der Neuinstallationen gegenüber 2,8 Prozent im Jahr 2017 — Installationszahlen ohne Wirkungsmessung auf Tätigkeitsebene.
ISCO 7114 ist in keiner Quelle einzeln vermessen, die Aufschlüsselung, welche Teilaufgaben der Montageberufe die hohe Streuung erzeugen, fehlt im Korpus, und Bau- und Fertigteilrobotik sowie KI-gestützte Arbeitsvorbereitung sind auf Tätigkeitsebene gar nicht erfasst.
Diese Seite beschreibt Betonierer, Betonoberflächenfertiger und verwandte Berufe allgemein — mit Tätigkeiten wie „Bauteile und Konstruktionen fertigen und montieren“.
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): Betonierer, Betonoberflächenfertiger und verwandte Berufe — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/betonierer-betonoberflaechenfertiger-und-verwandte-berufe
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0