Der Kern dieser Arbeit ist die Grenze selbst: der Punkt, an dem jede Person und jede Ladung einzeln geprüft wird, bevor sie weiter darf. Ein Dokument, ein Koffer, eine Frachtpapier-Zeile – jedes Detail kann darüber entscheiden, ob etwas erlaubt ist oder nicht.
Fachkräfte im Zolldienst und Grenzschutz kontrollieren an Grenzen, wer und was ins Land kommt oder es verlässt, und sorgen dafür, dass staatliche Regeln eingehalten werden.
Fachkräfte im Zolldienst und Grenzschutz kontrollieren Personen und Fahrzeuge, die nationale Grenzen überqueren, um einschlägige staatliche Vorschriften und Bestimmungen zu verwalten und durchzusetzen. Zu den Aufgaben gehören - (a) Patrouillieren an nationalen Grenzen und Küstengewässern, um Personen daran zu hindern, illegal in das Land einzureisen oder es zu verlassen sowie illegal Währungen oder Waren ein- oder auszuführen; (b) Prüfen der Reisedokumente von Personen, die nationale Grenzen überqueren, um sicherzustellen, dass sie über die erforderlichen Genehmigungen und Bescheinigungen verfügen; (c) Untersuchen des Gepäcks von Personen, die nationale Grenzen überqueren, um sicherzustellen, dass es den staatlichen Vorschriften und Bestimmungen zur Ein- oder Ausfuhr von Waren und Währungen entspricht; (d) Prüfen von Transportdokumenten und Fracht von Fahrzeugen, die nationale Grenzen überqueren, um die Übereinstimmung mit staatlichen Vorschriften und Bestimmungen zu Transitgütern und zur Ein- und Ausfuhr von Waren sicherzustellen sowie zu überprüfen, dass die erforderlichen Zahlungen geleistet wurden; (e) Festhalten von Personen und Beschlagnahmen verbotener und nicht deklarierter Waren, die gegen Einwanderungs- und Zollgesetze verstoßen; (f) Koordinieren und Zusammenarbeiten mit anderen an Strafverfolgung, Abschiebung und Strafverfolgung beteiligten Behörden; (g) Ausführen verwandter Verwaltungsaufgaben zur Dokumentation von Feststellungen, Vorgängen, Verstößen und Entscheidungen; (h) bei Bedarf Aussagen vor Gericht über die Umstände und Ergebnisse durchgeführter Ermittlungen machen. Beispiele für die hier eingeordneten Berufe: - Grenzschutzbeamter - Zollprüfer - Zollbeamter - Einwanderungsbeamter - Passkontrollbeamter
Einreisebeamter · Einreisebeamtin · Einwanderungsbeamter · Einwanderungsbeamtin · Grenzpolizist · Grenzpolizistin · Grenzschutzbeamter · Grenzschutzbeamter/Grenzschutzbeamtin · Grenzschutzbeamtin · Grenzschutzfachkraft · Handgepäckkontrolleur · Handgepäckkontrolleur/Handgepäckkontrolleurin · +48 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 3351.
Beim schriftlichen Vorbereiten und Dokumentieren von Vorgängen verschiebt sich die Arbeit vom Entwerfen zum Prüfen — Abfertigung und Ausweiskontrolle bleiben unberührt, gemessen ist dabei aber nur die generative KI.
Fachkräfte im Zolldienst und Grenzschutz liegt im mittleren Bereich — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| Mittelfeld von 411 Berufen | nur am Rand von generativer KI berührt | Von 24 verglichenen Berufen ist nur einer weniger betroffen als dieser. Gruppe: Kaufmännische Fachkräfte |
Ähnlich eingeordnet: Chemiebetriebs- und Verfahrenstechniker · Flugverkehrslotsen · Medizintechniker im Bereich Labor und Pathologie
Gerade die Technik, die diese Rolle im Alltag am ehesten berührt — die automatisierte Kontrolle von Dokumenten, Kennzeichen und Personen, das Bewerten von Risiken, das Erkennen von Betrug — ist von keiner Studie bisher untersucht worden. Was fehlt, ist also Wissen, nicht Betroffenheit: dass wenig gemessen wurde, heißt nicht, dass wenig geschieht. Hier lohnt der Blick auf die weitere Entwicklung besonders.
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 eigentliche Kontrollarbeit — über Abfertigung entscheiden, Ausweise prüfen — liegt unterhalb der Schwelle, ab der KI spürbar eingreift; nicht einmal einzelne Teilaufgaben erreichen hier erhöhte Werte. Wo sich etwas bewegt, ist die schriftliche Seite: Beim Verfassen von Sach- und Verwaltungstexten wandert der Schwerpunkt vom ersten Aufsetzen zum Überarbeiten und Prüfen — belegt allerdings an Marketing- und Beratungsberufen, nicht an der Zoll- und Grenzverwaltung selbst, und die früheren Automatisierungswerte dafür wurden als zu optimistisch abgesenkt. Wichtig ist der Vorbehalt: Gemessen wurde nur die generative KI, nicht die klassische Technik, die diesen Beruf prägt. Über biometrische Schleusen, Dokumentenscanner oder Videoanalyse sagt die Studienlage schlicht nichts — die niedrigen Werte sind also keine Entwarnung.
Das Verfassen der Berichte wird schneller, das Prüfen und Verantworten der Inhalte rückt in den Vordergrund.
Beim Schreiben von Sach- und Verwaltungstexten übernimmt KI zunehmend den ersten Rohentwurf: In kontrollierten Versuchen halbiert sich die Zeit fürs Draften, während das Überarbeiten sich mehr als verdoppelt — Tempo und Qualität steigen dabei zugleich. Diese Bürotätigkeiten gehören zu den am stärksten betroffenen, und in echten Stellenanzeigen sinkt bei KI-nahen Betrieben die Nachfrage nach reinen Schreib- und Verwaltungsfertigkeiten. Was bleibt, ist das Redigieren und das Einstehen für den Inhalt.
Das Bearbeiten der Fälle verschiebt sich, das hoheitliche Entscheiden bleibt in menschlicher Hand.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Die vorbereitende, sachbearbeitende Seite dieser Tätigkeit ist von KI berührt — allerdings ungleich verteilt: Manche Teilschritte lassen sich unterstützen, andere bleiben unangetastet. Der eigentliche hoheitliche Kern, das Prüfen und Entscheiden mit Verantwortung, gilt als wenig betroffen; hinzu kommt, dass Institutionen zögern, solche Entscheidungen überhaupt an Maschinen zu delegieren. Wo Routineschritte automatisiert werden, kann die Nachfrage dennoch sinken, ohne dass die Tätigkeit selbst ersetzt wird.
Zugang und Ausweise zu kontrollieren bleibt eine Aufgabe der Präsenz vor Ort, die die aktuelle KI weitgehend unberührt lässt.
Den Zugang zu sichern und Ausweise zu prüfen verlangt Anwesenheit, Aufmerksamkeit und das Einschätzen von Situationen im Moment — Untersuchungen sehen hier keine beobachtbare Automatisierungsmöglichkeit. Dass diese Tätigkeit unberührt bleibt, ist dabei ein gemessenes Ergebnis und keine Datenlücke. Auch die angrenzenden Schutz- und Ordnungsberufe fallen durchgehend in dieselbe wenig betroffene Gruppe.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Fachkräfte im Zolldienst und Grenzschutz · 3351
Similar to our 2023 study, clerical occupations exhibit the highest levels of exposure, though with a decline in their mean scores due to a reassessment of certain task-level evaluations […] 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.
In contrast, occupations involving more cognitive or knowledge-intensive tasks, such as Clerical Support Workers and Professionals, show a much more mixed picture. While some tasks in these groups received lower scores, many others were revised upwards by the expert group, reflecting the greater adaptability of generative AI for structured, data-driven, or communication-focused tasks.
ChatGPT substantially changes the structure of writing tasks. Figure 3 Panel A shows that prior to the treatment, participants spend about 25% of their time brainstorming, 50% writing a rough draft, and 25% editing. Post-treatment, the share of time spent writing a rough draft falls by more than half and the share of time spent editing more than doubles.
Our results show that ChatGPT substantially raises average productivity: time taken decreases by 0.8 SDs and output quality rises by 0.4 SDs. Inequality between workers decreases, as ChatGPT compresses the productivity distribution by benefiting low-ability workers more.
At the establishment level, AI exposure is associated with declining demand for general skills commonly used in office settings. […] Digging further into these categories, the results point to drops in demand for general office skills such word processing and spreadsheet software, basic computer programming skills, as well as administrative and clerical tasks and basic project management skills.
Exposed: Gradient 2 (Moderate exposure, high task variability) · 0.4 ≤ μ < 0.5 and μ + σ ≥ 0.5 · 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. / Gradient 2 3352 Government Tax and Excise Officials 0.49 0.12 / Gradient 2 3353 Government Social Benefits Officials 0.45 0.07 / Gradient 2 3354 Government Licensing Officials 0.43 0.07
Not Exposed 2612 Judges 0.31 0.08 / Not Exposed 3355 Police Inspectors and Detectives 0.23 0.07 / Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score.
Gradients 1-3 comprise occupations where the automation of specific tasks is limited, and some degree of task variability exists. As such, the ‚bundle of tasks' that constitutes occupations acts as a buffer against full automation. However, this does not mean that demand for these occupations will remain stable, as the efficiencies gained from introducing technology may mean that fewer workers are needed. If efforts are not made to help such jobs evolve with GenAI and integrate new tasks, even partial automation of existing tasks could lead to a decline in overall job demand in occupations found in higher exposure gradients.
An important aspect also concerns the institutional and societal acceptance of automating tasks and occupations – even when technically feasible. […] Similarly, financial institutions might hesitate to fully delegate decisions such as mortgage approvals or business plan evaluations to AI systems, preferring to retain human judgement, oversight and accountability.
Business process skills have also seen a reduction in demand from establishments more exposed to AI. On average across countries in the sample, demand for business process skills declined by 3.5 percentage points for a one standard deviation increase in AI exposure […] Business Process skills include clerical and administrative tasks along with sales and customer service. / 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 […] The most frequently demanded skills in clerical tasks are administrative support and record keeping.
Not Exposed 5414 Security Guards 0.2 0.09
Not Exposed 5419 Protective Services Workers Not Elsewhere Classified 0.2 0.05 Not Exposed 5412 Police Officers 0.14 0.03 Not Exposed 5413 Prison Guards 0.14 0.04
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.
Die schriftliche Vorbereitung und Dokumentation von Vorgängen verschiebt sich vom Entwerfen zum Prüfen, während Abfertigungsentscheidung und Ausweiskontrolle unterhalb der gemessenen Expositionsschwelle liegen — gemessen wurde dabei nur generative KI.
Die ILO führt „Customs and Border Inspectors" mit μ 0,32 (SD 0,14) unter „Minimal Exposure" und damit unterhalb der Steuer-, Sozialleistungs- und Genehmigungsberufe (0,43 bis 0,49, Gradient 2); für die Zugangs- und Ausweiskontrolle als eigene Tätigkeit sind die ausführenden Berufe durchweg „Not Exposed" — Police Officers 0,14 (SD 0,03), Security Guards 0,20 (SD 0,09) —, was nach ILO-Lesart heißt, dass nicht einmal einzelne Teilaufgaben erhöhte Werte erreichen. Für das Verfassen von Sach- und Verwaltungstexten liegt kein rollenspezifischer Wert vor; auf Tätigkeitsebene halbiert sich im kontrollierten Experiment der Rohentwurf von rund 50 % auf unter 25 % Zeitanteil und das Redigieren steigt von 25 % auf über 50 %, allerdings gemessen an 444 Marketern, Consultants und HR-Fachleuten, nicht an Zoll- oder Grenzverwaltung, und die ILO senkte ihre eigenen 2023er-Werte für diese Textaufgaben ausdrücklich ab, weil „many of these tasks still require substantial human effort". Der niedrige Kontrollbefund ist keine Automatisierungs-Entwarnung: Die ILO grenzt selbst ab, dass sie nur GenAI misst und nicht etwa Kennzeichenerkennung — „recognizing license plates at parking lot entrances, and raising the barrier" nennt sie als Beispiel klassischer, hier nicht bewerteter KI —, und über biometrische Schleusen, Dokumentenscanner oder Videoanalyse sagt keine der Korpusquellen etwas.
Genau die Technik, die diese Rolle im Alltag am ehesten berührt — automatisierte Dokumenten-, Kennzeichen- und Personenkontrolle, Risikoscoring, Betrugserkennung — ist von keiner Korpusquelle auf Tätigkeitsebene gemessen; hier gilt Nichtwissen, nicht Unbetroffenheit.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Fachkräfte im Zolldienst und Grenzschutz allgemein — mit Tätigkeiten wie „Sach- und Verwaltungstexte sowie Berichte verfassen“ oder „Anträge und Fälle hoheitlich prüfen und entscheiden“.
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): Fachkräfte im Zolldienst und Grenzschutz — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/fachkraefte-im-zolldienst-und-grenzschutz
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0