Der Kern dieser Arbeit ist die genaue Übertragung: eine Zahl auf einem Beleg muss exakt so im System landen. Ein falsch getippter Betrag oder ein vertauschter Code fällt oft erst später auf – deshalb wird jede Eingabe noch einmal geprüft. Wie diese Übertragung von Papier zu System heute noch abläuft, ist nicht mehr so einheitlich wie früher.
Datenerfasser tippen Zahlen, Codes und Text aus Belegen und Formularen sorgfältig in digitale Systeme ein.
Datenerfasser geben codierte, statistische, finanzielle und andere numerische Daten in elektronische Geräte, computergestützte Datenbanken, Tabellenkalkulationen oder andere Datenspeicher ein, unter Verwendung von Tastatur, Maus, optischem Scanner, Spracherkennungssoftware oder anderen Werkzeugen zur Dateneingabe. Sie geben Daten in mechanische und elektronische Geräte ein, um mathematische Berechnungen durchzuführen. Zu den Aufgaben gehören - (a) Rechnungen, Formulare, Aufzeichnungen und andere Dokumente zur Datenerfassung entgegennehmen und registrieren; (b) numerische Daten, Codes und Text aus Ausgangsmaterial in computerkompatible Speicher- und Verarbeitungsgeräte eingeben; (c) die Genauigkeit und Vollständigkeit der Daten prüfen und erfasste Daten bei Bedarf korrigieren; (d) Buchhaltungs- und Rechenmaschinen bedienen; (e) Daten zwischen verschiedenen Datenbanksystemen und Softwareprogrammen importieren und exportieren. Beispiele für die hier eingeordneten Berufe: - Dateneingabe-Operator - Datenerfasser - Zahlungserfasser
Datenerfasserin · Datentypist · Datentypist/Datentypistin · Datentypistin · data entry clerk · data entry clerks · data entry inspector · data entry officer · data entry operator · data steward · data-entry clerk · data-entry clerks · +3 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 4132.
Das Erfassen von Daten gehört zu den am durchgängigsten von KI berührten Tätigkeiten überhaupt — die Nachfrage nach reinen Erfassungsfähigkeiten sinkt bereits messbar.
Datenerfasser liegt nahe am oberen Rand — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| oberstes Fünftel von 411 Berufen | unter den am stärksten von generativer KI berührten Berufen | Von 4 verglichenen Berufen ist keiner stärker betroffen als dieser. Gruppe: Büro & Sekretariat |
Ähnlich eingeordnet: Schreibkräfte und Bediener von Textverarbeitungsanlagen · Bürokräfte im Finanz- und Versicherungswesen · Bürokräfte im Rechnungswesen und in der Buchhaltung
Offen bleibt, wie stark KI die prüfende Seite dieser Arbeit trifft — das Kontrollieren, Plausibel-Machen und Klären von Ausnahmefällen wurde nie getrennt von der reinen Eingabe betrachtet. Ein tatsächlicher Stellenabbau ist bislang nicht belegt; sichtbar sind nur eine gesunkene Nachfrage nach der Fähigkeit und die Erwartung einzelner Arbeitgeber. Nach heutigem Stand ist das eher ein frühes Signal als ein gesicherter Befund — beobachten lohnt sich.
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
Anders als in den meisten Berufen gibt es beim Erfassen von Daten keinen ruhigen Rückzugsbereich: Die Aufgaben sind durchgängig gleich stark betroffen, und die Studienlage ordnet diese Arbeit klar dem Ersetzen und nicht dem Unterstützen zu. Passend dazu zeigt eine unabhängige Untersuchung, dass Betriebe mit höherem KI-Einsatz spürbar seltener kaufmännisch-administrative Fähigkeiten suchen — gleichgerichtet in allen zehn untersuchten Ländern, mit der Datenpflege als meistgefragter Fähigkeit dieses Bereichs. Dem steht allerdings ein wichtiger Vorbehalt gegenüber: Nach zwei Jahren Praxiserfahrung hat die ILO ihre ursprünglich sehr hohen Schätzungen ausdrücklich nach unten korrigiert, weil viele dieser Aufgaben weiterhin erheblichen menschlichen Aufwand erfordern. Die Richtung ist also deutlich, das Tempo geringer als zunächst angenommen.
Das reine Abwickeln von Zahlungen wandert in die Automatik, das Beraten rund um die Transaktion gewinnt.
Das Verbuchen und Abwickeln von Finanztransaktionen zählt zu den am stärksten betroffenen Bürotätigkeiten, und Arbeitgeber erwarten für Buchhaltungs- und Kassenrollen einen deutlichen Rückgang. Der Bankschalter nach Einführung der Geldautomaten zeigt aber, dass sich Arbeit dabei eher verlagert als verschwindet: Die reine Transaktion wurde automatisiert, gefragt war danach mehr Kundenberatung und komplexerer Service. Der abwickelnde Kern verschiebt sich also in Richtung Automatik, während das Beraten und Klären rund um die Zahlung menschlich bleibt.
Das Auffinden von Information verschiebt sich zur KI, das Einordnen und Bewerten bleibt beim Menschen.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Recherche gehört zu den Tätigkeiten, die KI schon heute spürbar durchdringt — in der Wissensarbeit ist sie die am stärksten genutzte Funktion überhaupt. In Betrieben, die stärker auf KI setzen, sinkt die Nachfrage nach kognitiven Fähigkeiten messbar, und gerade das Aufspüren übersehener Informationen übernimmt zunehmend die Maschine. Was bleibt, ist das Einordnen, Gewichten und Verantworten dessen, was zusammengetragen wurde.
Das reine Erfassen läuft zunehmend automatisch, das Prüfen und Nachbearbeiten bleibt menschlich.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Das Erfassen und Prüfen von Daten zählt zu den am stärksten betroffenen Tätigkeiten: In Betrieben mit mehr KI geht die Nachfrage nach solchen Bürofähigkeiten messbar zurück, und Arbeitgeber rechnen reine Erfassungsrollen zu den am schnellsten schrumpfenden. Zugleich hat die Forschung ihre frühere Einschätzung nach unten korrigiert — der Prüf- und Nachbearbeitungsanteil erfordert in der Praxis weiterhin erhebliche menschliche Arbeit. Der reine Verbuchungsteil läuft zunehmend automatisch, das Prüfen und Korrigieren am Einzelfall bleibt.
Das Dokumentieren des Verbrauchs verschiebt sich, das Ablesen vor Ort bleibt vorerst menschlich.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Beim Ablesen und Dokumentieren von Zählerständen verschiebt sich vor allem der erfassende, dokumentierende Teil: In KI-nahen Betrieben ist die Nachfrage nach Erfassungs- und Ablagefertigkeiten messbar zurückgegangen. Das eigentliche Ablesen vor Ort bleibt dagegen stärker an den Menschen gebunden. Die Untersuchungen ordnen die Tätigkeit auf der untersten Stufe der Betroffenheit ein — mit erhöhtem Automatisierungspotenzial nur in einzelnen Teilschritten, nicht im Ganzen.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Datenerfasser (ISCO 4132) · 4132
Gradient 4 4311 Accounting and Bookkeeping Clerks 0.64 0.07 Gradient 4 4312 Statistical, Finance and Insurance Clerks 0.64 0.02 Gradient 4 3311 Securities and Finance Dealers and Brokers 0.63 0.04 […] Gradient 4 3312 Credit and Loans Officers 0.6 0.04
Additionally, some occupations – such as financial analysts, and web and multimedia developers (gradient 4), as well as bank tellers, translators, applications programmers, investment advisers (gradient 3) – have increased their levels of exposure, highlighting the expanding abilities of GenAI technology to potentially automate more specialized tasks in professional and technical roles.
In previous technological transitions, this type of adaptation was exemplified by the well-known case of bank tellers following the diffusion of automatic teller machines (ATMs) in the 1990s (Bessen, 2016). As ATMs automated routine cash withdrawals, they also lowered operational costs, enabling banks to open more branches and, in turn, increasing the demand for bank tellers in roles that required more complex customer service and advisory tasks.
Gradient 1 5230 Cashiers and Ticket Clerks 0.39 0.14
By contrast, respondents expect the fastest-declining roles to include various clerical roles, such as Cashiers and Ticket Clerks, alongside Administrative Assistants and Executive Secretaries, Printing Workers, and Accountants and Auditors. Broadening digital access, AI and information processing technologies, and robots and autonomous systems are the primary drivers for this decline. Aging and declining working-age populations and slower economic growth also contribute to the decline in clerical roles.
Gradient 3 captures occupations where a significant portion of tasks are consistently exposed to GenAI, signaling growing automation risks and requiring adaptation strategies for workers (Significant exposure, high task variability).
Gradient 4 4132 Data Entry Clerks 0.7 0.03 […] Gradient 4 2413 Financial Analysts 0.62 0.06
AI exposure is associated with a decline in demand for c ognitive skills at the establishment level. On average across countries in the sample demand for cognitive skills declined by a little over 3 percentage points for a one standard deviation increase in AI exposure (Figure 4.4, Panel A).
It may seem surprising that originality or creativity would be less demanded with greater exposure to AI. These are skills that are not at first glance associated with AI's capabilities. However, many new discoveries rely on finding a new piece of information or missing element that had been previously overlooked […]. Machine learning may already be replacing humans in finding these overlooked elements
The highest reported AI usage was in knowledge management for business, legal, and professional services (58%) and in software engineering and IT in the technology sector (58% and 56%, respectively). […] More broadly, functions tied to information processing, software, customer engagement, and internal knowledge work reported higher adoption than areas such as strategy and corporate finance and risk and compliance, where uptake remains low across most sectors.
„Gradient 4 4132 Data Entry Clerks 0.7 0.03" „Gradient 4 highlights occupations with the highest share of tasks exposed to potential GenAI-driven automation, and with a high consistency of this exposure across tasks (Highest exposure, low task variability). This gradient aligns closely with the notion of automation risk in our earlier classification system (Gmyrek et al., 2023)."
„Among the 13 occupations classified in gradient 4, the majority represent clerical roles, including data entry clerks, typists and word processing operators, accounting and bookkeeping clerks, and general office clerks." „Clerical occupations continue to have the highest exposure levels, albeit with some important downward revisions to individual tasks scores. Such occupations include data entry clerks, typists, accounting, bookkeeping clerks and administrative secretaries."
„Skills and tasks that can be roughly described as clerical tasks were the sub-group of skills that saw the largest reduction in demand. Demand for clerical skills declined by slightly more than 2 percentage points for a one standard deviation increase in establishment-level AI exposure (Figure 4.3, Panel B). Just as with the business process group, all countries saw a decline in demand for clerical skills […]" „The most frequently demanded skills in clerical tasks are administrative support and record keeping, and this subgrouping includes the use of general office tools as well." „This report finds that AI may now be putting these same clerical and administrative skills under direct threat of automation leading to diminishing demand for these skills."
„Similarly, businesses expect the fastest-declining roles to include Postal Service Clerks, Bank Tellers and Data Entry Clerks." „By contrast, respondents expect the fastest-declining roles to include various clerical roles, such as Cashiers and Ticket Clerks, alongside Administrative Assistants and Executive Secretaries, Printing Workers, and Accountants and Auditors. Broadening digital access, AI and information processing technologies, and robots and autonomous systems are the primary drivers for this decline. Aging and declining working-age populations and slower economic growth also contribute to the decline in clerical roles."
„This decrease highlights the distinction between the theoretical automation potential of a task and the practical insights gained from two years of experimentation with GenAI tools. While tasks such as taking meeting notes or scheduling appointments can significantly benefit from GenAI support, our 2023 scores for such tasks, which reached 0.9 in some cases, reflected an overly optimistic assessment of full automation potential. In reality, many of these tasks still require substantial human effort." „Notwithstanding these findings, we stress that such exposure does not imply the immediate automation of an entire occupation, but rather the potential for a large share of its current tasks to be performed using this technology. Whether this leads to the disappearance of an occupation or workforce replacement is a more complex question — one that will depend on the initial decision to adopt the technology, but also the extent to which individuals in these occupations are given opportunities to learn to work with these technologies […]"
Gradient 1 9623 Meter Readers and Vending-machine Collectors 0.38 0.21
Low overall GenAI exposure at the occupational level, but high variability across tasks. Some tasks within these occu pations have an elevated automation potential, even if the occupation as a whole remains strongly reliant on tasks that have a low potential of automation. While some tasks within these roles may have high automation potential, the occupation has many tasks that continue requiring human roles, aligning closely with the notion of augmentation in the old framework.
Demand for clerical skills declined by slightly more than 2 percentage points for a one standard deviation increase in establishment-level AI exposure (Figure 4.3, Panel B). […] The most frequently demanded skills in clerical tasks are administrative suppo rt and record keeping, and this subgrouping includes the use of general office tools as well.
Not Exposed 3131 Power Production Plant Operators 0.28 0.11 Exposure 5153 Building Caretakers 0.27 0.16
Das Erfassen von Daten ist die am durchgängigsten exponierte Tätigkeit der gesamten ILO-Erhebung, die Nachfrage nach Erfassungsfähigkeiten sinkt bereits messbar
Datenerfasser:innen tragen mit einem Expositionswert von 0,70 den höchsten Mittelwert der gesamten ILO-Tabelle, und die außergewöhnlich niedrige Streuung von 0,03 ist dabei der eigentliche Befund: Es handelt sich nicht um einen Beruf mit einzelnen stark exponierten Teilaufgaben, sondern um einen, dessen Aufgaben durchgängig gleich hoch exponiert sind — einen erkennbaren unexponierten Rückzugsbereich gibt es in diesem Berufsbild nicht, und auch der zahlungsverarbeitende Anteil der Arbeit liegt mit 0,64 bei einer Streuung von 0,02 im selben höchsten Gradienten, den die ILO ausdrücklich dem Automatisierungs- und nicht dem Augmentierungsbegriff zuordnet. Ein methodisch unabhängiger Befund zeigt in dieselbe Richtung, misst aber etwas anderes: Betriebe mit höherer KI-Exposition schreiben messbar seltener kaufmännisch-administrative Fähigkeiten aus — gut zwei Prozentpunkte weniger je Standardabweichung Exposition, gleichgerichtet in allen zehn untersuchten OECD-Ländern, wobei „record keeping" als meistgefragte Fähigkeit dieses Clusters wörtlich benannt wird und die OECD die Ursachenzuschreibung an KI selbst vorsichtig formuliert („may now be putting … under direct threat"). Dem steht ein deutlicher Gegenbefund gegenüber: Die ILO hat ihre eigenen Schätzungen aus 2023 nach zwei Jahren Praxiserfahrung nach unten korrigiert und nennt frühere Werte von bis zu 0,9 „eine zu optimistische Einschätzung des vollen Automatisierungspotenzials", da viele dieser Aufgaben „weiterhin erheblichen menschlichen Aufwand erfordern".
Die Prüf-Hälfte dieser Tätigkeit — Validierung, Plausibilitätskontrolle, Ausnahmebehandlung — ist von keiner Quelle getrennt von der reinen Eingabe gemessen worden; ein realisierter Arbeitsplatzabbau ist im Korpus nicht nachgewiesen, sondern nur eine gesunkene Fähigkeitsnachfrage und eine Arbeitgebererwartung.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Datenerfasser allgemein — mit Tätigkeiten wie „Finanztransaktionen und Zahlungen abwickeln“ oder „Recherchieren und Informationen zusammentragen“.
Für diesen Beruf sprechen die Daten für deutliche 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): Datenerfasser — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/datenerfasser-4132
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0