Der Kern dieser Arbeit ist, sich täglich neu auf Wasser und Wetter einzustellen – kein Fangtag gleicht dem anderen. Dazu kommt Handarbeit unter freiem Himmel: Netze auslegen, einholen, sortieren, reparieren.
Auf See oder an der Küste holen Binnen- und Küstenfischer den Fang aus dem Wasser – von der Vorbereitung der Netze bis zur Sortierung an Bord.
Binnen- und Küstenfischer fangen, allein oder als Mitglieder von Fischereifahrzeugbesatzungen, Fische oder sammeln andere Formen aquatischen Lebens in Binnen- oder Küstengewässern, für den Verkauf oder die regelmäßige Lieferung an Großhandelskäufer, Vermarktungsorganisationen oder auf Märkten. Zu den Aufgaben gehören - (a) Vorbereitung und Reparatur von Netzen und anderer Fanggeräte und -ausrüstung; (b) Auswahl von Fanggebieten, Planung von Kursen und Berechnung von Navigationspositionen mittels Kompass, Karten und anderer Hilfsmittel; (c) Betrieb von Fischereifahrzeugen zu, von und in Fanggebieten; (d) Ködern, Auslegen, Bedienen und Einholen von Fanggeräten von Hand oder mittels Hebevorrichtungen; (e) Sammeln verschiedener Formen aquatischen Lebens von Ufern und flachen Gewässern; (f) Instandhaltung von Fangmotoren und anderer Ausrüstung an Bord; (g) Führung von Aufzeichnungen über Transaktionen, Fangtätigkeiten, Wetter- und Seebedingungen sowie Schätzung von Kosten und Budgets; (h) Sortieren und Lagern des Fangs in Laderäumen mit Salz und Eis; (i) Entnahme des Fangs aus dem Fanggerät, Vermessung zur Sicherstellung der Einhaltung der gesetzlichen Mindestgröße sowie Rückführung unerwünschter oder illegaler Fänge ins Wasser; (j) Leitung von Fangeinsätzen sowie Beaufsichtigung von Besatzungsmitgliedern. Beispiele für die hier eingeordneten Berufe: - Küstenfischereikapitän/in - Fischer/in (Küstengewässer) - Fischer/in (Binnengewässer) Einige verwandte, anderswo eingeordnete Berufe: - Leiter/in der Fangeinsätze - 1312 - Hochseefischer/in - 6223 - Austerntaucher/in - 7541 - Fischereiarbeiter/in - 9216
Küsten- und Binnenfischer · Küsten- und Binnenfischer/Küsten- und Binnenfischerin · Küsten- und Binnenfischerin · fisheries boatman · fisheries boatwoman · local boatman · local fisheries boatman · local fisheries boatwoman · local fishing vessel skipper
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 6222.
Fang und Aufbereitung bleiben unverändert und sind von zwei unabhängigen Quellen bestätigt — das Führen der Boote ist gar nicht eigens erfasst.
Binnen- und Küstenfischer 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 4 verglichenen Berufen ist nur einer weniger betroffen als dieser. Gruppe: Forstwirtschaft, Fischerei & Jagd |
Ähnlich eingeordnet: Baum- und Strauchfrüchteanbauer · Nutztierhalter (ohne Geflügel) und Milchproduzenten · Ackerbauern und Gemüseanbauer
Der Befund gilt ausschließlich für textbasierte KI — dieselbe Berufsgruppe wird bei der Automatisierung einschließlich Robotik ausdrücklich als stark gefährdet geführt. Fangautomatik, Sortierroboter und autonome Fanggeräte sind bisher nicht einzeln untersucht, ebenso wenig KI bei der Schwarmortung oder im Quoten- und Bestandsmanagement. Nach heutigem Stand also wenig berührt bei der Text- und Wissensarbeit — die Technik an Bord bleibt aber die große offene 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
Der Kern dieser Arbeit — der Fang und die Aufbereitung — zählt zu den am wenigsten von KI betroffenen Tätigkeiten, und zwei methodisch unabhängige Quellen kommen zum selben Ergebnis, begründet mit den Grenzen beim Automatisieren körperlich-handwerklicher Arbeit. Für das Führen der Boote gibt es überhaupt keinen eigenen Messwert: Erfasst sind nur land- und schienengebundene Fahrberufe, und was sich dort bewegt, betrifft die administrativen Randaufgaben der Straßenfahrer — auf die Bootsführung übertragbar ist davon nichts. Wo der Beruf Personal führt und anlernt, teilt sich das Bild zwischen der stark betroffenen schriftlichen Verwaltung und der unberührten Führungsarbeit. Der Kern bleibt, die offenen Fragen liegen ausdrücklich neben der eigentlichen Arbeit.
Das Einarbeiten und Verwalten verschiebt sich, das Führen selbst bleibt menschlich.
Die administrative Seite der Personalarbeit gehört zu den am stärksten betroffenen Bürotätigkeiten, und beim Einarbeiten zeigt sich das konkret: Mit KI-Unterstützung sind neue Mitarbeitende schon nach zwei Monaten so weit wie sonst erst nach einem halben Jahr, und deutlich weniger von ihnen kündigen früh. Das Führen selbst — das Urteilen über Menschen und das Entscheiden in offenen Situationen — wird dagegen kaum an KI abgegeben und bleibt menschliche Aufgabe.
Das Führen von Fahrzeugen bleibt — in KI-nahen Betrieben wird es teils sogar stärker gebraucht.
Ob Bus, Lok, Bagger oder Gabelstapler — das Führen selbst zählt zu den Aufgaben, die die heutige KI kaum berührt; die Systeme arbeiten mit Sprache und Daten, nicht am Steuer. In Betrieben, die KI einsetzen, steigt die Nachfrage nach solchen Fähigkeiten eher leicht an, weil sie sich mit der Technik ergänzen — etwa der Gabelstaplerfahrer im Lager, dessen Arbeit durch günstigere KI-gestützte Logistik zunimmt. Nur bei einzelnen Teilaufgaben im Straßenverkehr zeigt sich mehr Bewegung als beim Kern der Tätigkeit.
Das Einholen und Aufbereiten von Naturerzeugnissen bleibt körperliche Arbeit, an der die heutige KI kaum ansetzt.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Das Einholen und Aufbereiten von Fängen und Naturerzeugnissen ist körperliche Arbeit im Freien und am Objekt. Genau hier stößt die heutige KI an ihre Grenze: Mehrere unabhängige Untersuchungen ordnen diese Tätigkeiten der am wenigsten berührten Gruppe zu, und Fachleute korrigieren solche handwerklich-körperlichen Aufgaben sogar noch weiter nach unten, weil sich Handgriff und körperliches Geschick kaum automatisieren lassen. Was sich daran künftig ändert, hängt weniger an der heutigen Text- und Bildverarbeitung als an Technik, die am Objekt selbst eingreift — und das ist noch nicht beantwortet.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Binnen- und Küstenfischer · 6222
Gradient 4 4416 Personnel Clerks 0.6 0.09
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. Resource management includes human resource management, financial management, among others.
Access to the AI tool helps newer agents move more quickly down the experience curve: treated agents with two months of tenure perform just as well as untreated agents with more than six months of tenure. In contrast, we find minimal impacts on the productivity of more-experienced or more-skilled workers.
Panel A shows that access to AI assistance is associated with the strongest reductions in attrition among newer agents, those with less than 6 months of experience. The magnitude of this coefficient, around 10 percentage points, translates into a 40% decrease relative to a baseline attrition rate in this group of 25%.
Management, at 23% of respondents, is also heavily over-represented relative to its 7% employment share, even though it accounts for only 4% of sessions. This gap is consistent with managers using Claude for tasks other than management itself: in the survey, judgment and management are named by many respondents (especially those with more experience) as capabilities AI lacks.
Not Exposed 8331 Bus and Tram Drivers 0.18 0.06 / Not Exposed 8311 Locomotive Engine Drivers 0.2 0.08 / 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 where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score.
Gradient 1 8322 Car, Taxi and Van Drivers 0.28 0.23 / Minimal Exposure 8332 Heavy Truck and Lorry Drivers 0.24 0.22 / Exposed: Gradient 1 (Low exposure, high task variability) μ < 0.4 and μ + σ ≥ 0.5 — Low overall GenAI exposure at the occupational level, but high variability across tasks. Some tasks within these occupations have an elevated automation potential, even if the occupation as a whole remains strongly reliant on tasks that have a low potential of automation.
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.]
The three technology-based trends stand out as expected growth drivers only for light truck and delivery services drivers, software and applications developers, and nursing professionals.
Not Exposed 6221 Aquaculture Workers 0.22 0.15 Not Exposed 6223 Deep-sea Fishery Workers 0.18 0.07 Not Exposed 6222 Inland and Coastal Waters Fishery Workers 0.17 0.1 Not Exposed 8160 Food and Related Products Machine Operators 0.15 0.03 Not Exposed 7511 Butchers, Fishmongers and Related Food Preparers 0.13 0.03 Not Exposed 6210 Forestry and Related Workers 0.12 0.05 Not Exposed 6340 Subsistence Fishers, Hunters, Trappers and Gatherers 0.12 0.05 Not Exposed 9216 Fishery and Aquaculture Labourers 0.11 0.03 Not Exposed 6224 Hunters and Trappers 0.09 0.03
Not Exposed | Occupations that don't meet any of the above conditions. | Occupations where most tasks remain relatively unaffect ed by GenAI, with low task variability and a stable low mean exposure score. [norm.] the lowest category of Not Exposed occupations, where GenAI currently has no observable potential to automate tasks.
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.
Fang und Aufbereitung sind für genau diesen Beruf als unbewegt gemessen und von zwei unabhängigen Quellen bestätigt, das Führen der Boote ist gar nicht einzeln erfasst
Für den Kern dieser Rolle gibt es einen Wert für genau diesen Beruf: Die ILO führt 6222 Inland and Coastal Waters Fishery Workers mit 0,17 bei einer Streuung von 0,10 in „Not Exposed“, der Kategorie, in der „GenAI currently has no observable potential to automate tasks“, und die OECD kommt über einen methodisch und institutionell unabhängigen Weg (Lane 2024, Arbeitskräfteerhebungen) zum selben Ergebnis: „Agriculture, forestry and fishery workers“ gehören zu den „least exposed to AI“ — die ILO nennt den Grund inhaltlich, nämlich „the practical limitations of automating tasks that require physical manipulation or manual dexterity“. Für den zweiten Strang, das Führen von Fahrzeugen, existiert kein Wert für diesen Beruf und auch keiner für ein wasserfahrzeugführendes ISCO-Berufsbild: Gemessen sind zwölf land- und schienengebundene Fahrberufe, sämtlich unter 0,29, und der einzige Bewegungsraum liegt dort bei den Straßenfahrern in den administrativen Randaufgaben (8322 mit SD 0,23) — auf die Bootsführung ist davon nichts übertragbar. Der dritte Strang, Personal führen und anlernen, hat ebenfalls keinen Wert für 6222 und ist auf Tätigkeitsebene zweigeteilt zwischen der stark exponierten administrativ-schriftlichen Schicht (4416 Personnel Clerks 0,6, Gradient 4) und der nicht exponierten Führungsschicht (1212, 0,36 / SD 0,05).
Der Befund gilt ausschließlich für generative KI — dieselbe Berufsgruppe wird in einer Korpusquelle bei Automatisierung einschließlich Robotik ausdrücklich als „at high risk“ geführt, und Fangautomatik, Sortierroboter oder autonome Fanggeräte sind von keiner Quelle auf Tätigkeitsebene vermessen; ebenso wenig KI in Schwarmortung, Quoten- oder Bestandsmanagement.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Binnen- und Küstenfischer allgemein — mit Tätigkeiten wie „Personal führen, einstellen und schulen“ oder „Fahrzeuge und Verkehrsmittel führen“.
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): Binnen- und Küstenfischer — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/binnen-und-kuestenfischer
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0