Der Kern dieser Arbeit ist Sorgfalt im Hintergrund: Biotechniker sorgen dafür, dass die Experimente anderer sauber vorbereitet und lückenlos dokumentiert sind. Kalibrieren, Proben vorbereiten, Protokoll führen – die eigentliche Forschung hängt an diesen vielen kleinen, präzisen Handgriffen davor. Wie dieses Vorbereiten und Dokumentieren organisiert wird, ordnet sich gerade neu.
Biotechniker sorgen im Hintergrund von Forschungsprojekten dafür, dass Experimente sauber vorbereitet, durchgeführt und dokumentiert werden.
Biotechniker (ohne medizinische Fachberufe) leisten technische Unterstützung für Fachkräfte der Biowissenschaften bei Forschung, Analyse und Prüfung lebender Organismen sowie bei der Entwicklung und Anwendung von Produkten und Verfahren, die aus Forschung in Bereichen wie Naturressourcenmanagement, Umweltschutz, Pflanzen- und Tierbiologie, Mikrobiologie sowie Zell- und Molekularbiologie hervorgehen. Zu den Aufgaben gehören - (a) Unterstützen bei der Planung, dem Aufbau und der Durchführung von Experimenten; (b) Aufbauen, Kalibrieren, Bedienen und Warten von Laborinstrumenten und -ausrüstung; (c) Sammeln und Vorbereiten von Proben und Mustern, chemischen Lösungen und Objektträgern sowie Anzüchten von Kulturen zur Verwendung in Experimenten; (d) Durchführen routinemäßiger Feld- und Labortests; (e) Überwachen von Experimenten, um die Einhaltung korrekter Laborqualitätskontrollverfahren und Gesundheits- und Sicherheitsrichtlinien sicherzustellen; (f) Vornehmen von Beobachtungen bei Tests sowie Analysieren, Berechnen, Aufzeichnen und Berichten von Testergebnissen unter Anwendung geeigneter wissenschaftlicher Methoden; (g) Konservieren, Klassifizieren und Katalogisieren von Proben und Mustern; (h) Führen detaillierter Protokolle der geleisteten Arbeit; (i) Verwenden von Computern zur Entwicklung von Modellen und zur Datenanalyse; (j) Verwenden komplexer und leistungsstarker Ausrüstung zur Durchführung von Arbeiten; (k) Mitwirken an Forschung, Entwicklung und Herstellung von Produkten und Verfahren; (l) Bestellen und Lagern von Laborbedarf; (m) Pflegen relevanter Datenbanken. Beispiele für die hier eingeordneten Berufe: - Bakteriologietechniker - Biochemietechniker - Herbariumtechniker - Pharmakologietechniker - Serologietechniker - Gewebekulturtechniker - Zoologietechniker Einige verwandte, anderswo eingeordnete Berufe: - Kriminaltechniker - 3119 - Medizinisch-technischer Laborassistent - 3212 - Pathologisch-technischer Laborassistent - 3212 - Pharmazeutisch-technischer Assistent - 3213
Biotechniker · Biotechniker/Biotechnikerin · Biotechnikerin · Labortechniker Biowissenschaften · Labortechniker Biowissenschaften/Labortechnikerin Biowissenschaften · Labortechnikerin Biowissenschaften · biotechnical laboratory employee · biotechnical laboratory specialist · biotechnical laboratory technician · biotechnical laboratory worker · biotechnical technician · biotechnological laboratory technician · +9 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 3141.
Die Labor- und Feldarbeit bleibt Ihr Kern — nur beim Auswerten der Daten kommt Ihnen die KI beim Suchen zunehmend zuvor.
Biotechniker (ohne medizinische Fachberufe) liegt im mittleren Bereich — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| oberes Mittelfeld von 411 Berufen | am unteren Rand der von generativer KI berührten Berufe | Von 25 verglichenen Berufen sind 23 weniger betroffen als dieser. Gruppe: Ingenieurtechnik |
Ähnlich eingeordnet: Techniker im Bereich Elektronik · Arbeits- und Personalvermittler · Einkäufer
Der Kern dieser Tätigkeit — Versuche durchführen, Proben nehmen, Analysen vor Ort machen — ist in den vorliegenden Studien der grösste einzelne blinde Fleck; hinzu kommt, dass Laborautomation, Messrobotik und Feldsensorik gar nicht erst untersucht wurden. Gerade an diesen praktischen Aufgaben könnte sich künftig am ehesten etwas ändern, doch belastbar sagen lässt sich dazu bislang nichts. Nach heutigem Stand bleibt dieser Bereich damit die große Unbekannte, die es im Auge zu behalten gilt.
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 eigentliche Durchführen von Experimenten, Tests und Feldanalysen ist von der Forschung bislang gar nicht untersucht — aus diesem Herzstück Ihrer Arbeit lässt sich also weder eine Betroffenheit noch eine Entwarnung ableiten. Belegt ist die Verschiebung dagegen beim Analysieren von Daten: KI durchsucht heute Datenbanken und findet Trends, ohne dass jemand von Hand graben muss, und verlagert damit den suchenden Teil der Auswertung. Zugleich zeigen Betriebsbefragungen, dass die Fähigkeit, Ergebnisse zu interpretieren und einzuordnen, dadurch nicht unwichtiger, sondern wichtiger wird — die Deutung selbst übernimmt die Maschine nicht. Qualitätsprüfung von Material und Gerätewartung bleiben unberührt.
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.
Zu dieser Aufgabe liegt noch keine belastbare Untersuchung vor.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
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 maschinelle Auswerten von Daten übernimmt zunehmend die KI, das Deuten der Ergebnisse wird wichtiger.
Das Analysieren und Deuten von Daten verändert sich spürbar: Das Aufspüren von Trends und Zusammenhängen ist die verbreitetste KI-Anwendung überhaupt und trifft genau die Berufe, die diese Aufgabe ausführen — Werkzeuge durchsuchen Kennzahlen und Datenbanken und fassen Auffälligkeiten in verständlicher Sprache zusammen. Die eigentliche Interpretationskompetenz wird dadurch aber nicht ersetzt, sondern gerade wichtiger; Fachleute berichten, dass Datenauswertung und -deutung an Bedeutung gewinnen. Wie stark sich die Aufgabe verschiebt, hängt davon ab, wie breit sie im jeweiligen Beruf ausgefüllt wird — mal verlagert sie sich nur, mal fällt sie stärker weg.
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.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Biotechniker (ohne medizinische Fachberufe) · 3141
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.
Minimal Exposure 7543 Product Graders and Testers (except Foods and Beverages) 0.31 0.11
we introduce a more granular distinction of Minimal Exposure, where some interaction with GenAI may occur, but without significantly altering the nature of these roles, and the lowest category of Not Exposed occupations, where GenAI currently has no observable potential to automate tasks.
Not Exposed 3115 Mechanical Engineering Technicians 0.26 0.08 Not Exposed 3119 Physical and Engineering Science Technicians Not Elsewhere Classified 0.26 0.05 Not Exposed 7222 Toolmakers and Related Workers 0.2 0.1 Not Exposed 7223 Metal Working Machine Tool Setters and Operators 0.18 0.05 Not Exposed 7311 Precision-instrument Makers and Repairers 0.21 0.08
By contrast, roles reliant on physical or manual tasks, such as cleaning or equipment operation, show minimal exposure.
Physical occupation categories like Transportation & Material Moving, Food Preparation & Serving Related, and Construction & Extraction are all under-represented in the survey, as they are in Claude sessions as well.
Kein Einzelbeleg — als „nicht untersucht" eingestuft.
Gradient 4 2413 Financial Analysts 0.62 0.06 […] Gradient 3 3314 Statistical, Mathematical and Related Associate Professionals 0.57 0.1 […] Gradient 3 2120 Mathematicians, Actuaries and Statisticians 0.56 0.09 […] Gradient 3 2631 Economists 0.55 0.08 / 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.
SMEs indicate that GenAI has made data analysis and interpretation skills more important, along with other skills (OECD, 2025 [11]). / growing use of algorithmic management tools in the workplace is increasing the need for certain skills, such as those related to general management and analysis (e.g. ability to use or interpret data) (Milanez, Lemmens and Ruggiu, 2025 [34])
The most common cluster across nearly all sectors is 'Business Intelligence Insights,' reflecting the broad applicability of predictive analytics. / Applications in the Business Intelligence Insights category affect a wide range of workers, especially those in Management, Business and Financial, and Computer and Math occupations. / Business-intelligence tools here scan dashboards and databases to find trends and root causes without manual digging. They alert users when a key metric shifts and explain the main drivers by region, channel, or customer type. Natural-language summaries make insights readable for non-analysts.
Management Analysts and Financial Risk Specialists show similar mean exposure to 'Business Intelligence Insights' applications, but exposure is more concentrated for Management Analysts, making them less likely to be displaced according to our model. / 'Operational Data Analytics' affects tasks more narrowly than 'Customer Experience Automation' despite similar mean exposure, leading to very different implications for labor demand.
Technology-related roles are the fastest-growing jobs in percentage terms, including Big Data Specialists, Fintech Engineers, AI and Machine Learning Specialists and Software and Application Developers.
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.
Das Auswerten von Daten und Ergebnissen verschiebt sich belegt, während die eigentliche Versuchs- und Feldarbeit von keiner Quelle des Korpus untersucht wurde.
Für diese Rolle liegt ein eigener Messwert vor, und er ist zweideutig: Die ILO führt 3141 Life Science Technicians in Gradient 1 mit 0,38 bei einer ungewöhnlich hohen Streuung von 0,18 — nach der Definition der Quelle heißt das, dass einzelne Teilaufgaben durchaus erhöhtes Automatisierungspotenzial haben, während der Beruf als Ganzes stark auf wenig automatisierbaren Aufgaben ruht; welche Teilaufgaben das sind, sagt keine Quelle, und für die Tätigkeit „Experimente, Tests und Feldanalysen durchführen" macht keine der zehn Korpusquellen überhaupt eine inhaltliche Aussage, woraus weder Betroffenheit noch Unbetroffenheit folgt. Belegt ist die Verschiebung dagegen beim Analysieren und Interpretieren von Daten: Die verbreitetste KI-Anwendungsklasse überhaupt durchsucht Dashboards und Datenbanken „to find trends and root causes without manual digging", verlagert also den explorativen Teil, während die OECD in Betriebsbefragungen findet, dass Analyse- und Interpretationskompetenz dadurch wichtiger wird — eine Übernahme der Interpretationsleistung selbst belegt keine Quelle, und ob KI-gestützte Dateninterpretation besser oder schlechter ist, misst niemand. Das Prüfen von Material auf Qualität und das Warten der Geräte bleiben unbewegt, und in der Beschaffung widersprechen sich die Quellen offen: Die ILO stuft Buyers mit 0,39 als kaum exponiert ein, während OECD/Felten Purchasing Agents unter den fünf am stärksten exponierten Berufen überhaupt führt.
Der Kern dieser Rolle — Versuche durchführen, Proben nehmen, Feldanalysen machen — ist im Korpus der größte einzelne blinde Fleck; hinzu kommt, dass Laborautomation, Messrobotik und Feldsensorik systematisch gar nicht gemessen werden.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Biotechniker (ohne medizinische Fachberufe) allgemein — mit Tätigkeiten wie „Anlagen und Geräte installieren, warten und reparieren“ oder „Werkstücke und Bauteile auf Qualität und Maßhaltigkeit prüfen (Fertigung/Industrie)“.
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): Biotechniker (ohne medizinische Fachberufe) — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/biotechniker-ohne-medizinische-fachberufe
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0