# Verändert KI den Beruf Fahrzeugreiniger?

Die Fahrzeugreinigung liegt am äussersten unteren Rand des Gemessenen — keine einzelne Teilaufgabe fällt heraus, und der Befund ruht auf mehreren unabhängigen Quellen.

## Einordnung im Vergleich

Die Internationale Arbeitsorganisation stuft diesen Beruf als nicht von generativer KI berührt ein.

*Quelle: ILO, Generative AI and Jobs (Working Paper 140), 2025 — übernommene Einstufung*

In unserer eigenen Auswertung gehört dieser Beruf zum untersten Fünftel von 411 verglichenen Berufen.

*Eigene Auswertung von SapientShift (SapientShift-Tätigkeitsanalyse) auf Basis der ILO-Werte*

Ähnlich betroffen sind nach unserer Auswertung: [Arbeiter in der Abfall- und Wertstoffsammlung](https://sapientshift.com/berufe/arbeiter-in-der-abfall-und-wertstoffsammlung), [Hilfsarbeiter im Ackerbau](https://sapientshift.com/berufe/hilfsarbeiter-im-ackerbau), [Hilfsarbeiter im Hochbau](https://sapientshift.com/berufe/hilfsarbeiter-im-hochbau).

In der Gruppe Reinigung & Hilfskräfte haben wir 5 Berufe verglichen. Keiner ist weniger betroffen als dieser.

## Tätigkeiten und ihre Entwicklung

- **Räume, Flächen und Fahrzeuge reinigen** — unverändert — für diesen Beruf einzeln gemessen
  Die körperliche Reinigungsarbeit bleibt, die Rolle der Robotik ist noch offen.

## Was dieser Beruf heute macht

Damit Autos wieder glänzen, waschen, saugen und polieren Fahrzeugreiniger innen und außen bis ins Detail.

## Was KI verändert

Die Fahrzeugreinigung liegt am äussersten unteren Rand des gesamten gemessenen Feldes, und die sehr geringe Streuung schliesst aus, dass sich dahinter einzelne stärker berührte Handgriffe verbergen. Der Befund steht nicht auf einer einzelnen Quelle: Gleich mehrere unabhängige Untersuchungen reihen die Reinigungsberufe unter die am wenigsten berührten ein, begründet damit, dass die Technik körperliche Arbeit nicht ausführen kann. Der scheinbar gegenläufige Befund trägt nicht — der dort erwartete Rückgang wird schwächerem Wachstum und steigenden Lebenshaltungskosten zugeschrieben, nicht der KI. Und generell mahnt die Studienlage, solche Werte nicht mit einer Automatisierungswahrscheinlichkeit zu verwechseln.

## Wo diese Aussage endet

Waschanlagen und Waschstraßen sind für diese Rolle der offensichtliche Automatisierungspfad und nicht gemessen — der Befund gilt allein für Software-KI. Auch die dispositiven Umfeldtätigkeiten wie Auftragsannahme, Einsatzplanung und Abrechnung bleiben unbetrachtet. Nach heutigem Stand wenig berührt, mit dieser Technik als offener Frage.

## Was die Studien sagen

### Räume, Flächen und Fahrzeuge reinigen

- Alle Kern-Reinigungsberufe fallen in die niedrigste ILO-Expositionskategorie (Generative AI and Jobs: A Refined Global Index of Occupational Exposure (ILO Working Paper 140), 2025 — ILO WP 140, Table A1, PDF-S. 62 (gedruckt S. 57/59) [9111]; PDF-S. 63 (gedruckt S. 60) [9112, 9123, 9129]; PDF-S. 64 (gedruckt S. 61) [7133, 9122, 9613]; PDF-S. 58 (gedruckt S. 55) [5153, norm.: im Text über zwei Zeilen umbrochen]; PDF-S. 59 (gedruckt S. 56) [5151, norm.])
- „Not Exposed" heißt bei diesen Berufen: auch keine exponierten Teilaufgaben (Generative AI and Jobs: A Refined Global Index of Occupational Exposure (ILO Working Paper 140), 2025 — ILO WP 140, Table 5 „GenAI Exposure Gradients: Definition and Interpretation", PDF-S. 41 (gedruckt S. 38); ILO WP 140, Abschnitt zu Table 5, PDF-S. 41 (gedruckt S. 38))
- Der Mechanismus: GenAI hat keine Fähigkeit zur physischen Aufgabenausführung (Generative AI and Jobs: A Refined Global Index of Occupational Exposure (ILO Working Paper 140), 2025 — ILO WP 140, Abschnitt zu Figure 13, PDF-S. 32 (gedruckt S. 29); ILO WP 140, Beispiel-Justification Table, PDF-S. 34 (gedruckt S. 31); ILO WP 140, Abschnitt zu Figure 2, PDF-S. 17 (gedruckt S. 14))
- Unabhängige Zweitmessung (OECD / Lane 2024): Reinigungsberufe am unteren Ende (Skills in the AI Age (OECD AI Papers No. 60), 2026 — OECD AI Papers No. 60, Skills in the AI Age, PDF-S. 15/16 (gedruckt S. 15))
- Dritte Messung (Hampole et al.): Reinigungsberufe unter den 25 am wenigsten exponierten (Artificial Intelligence and the Labor Market (NBER Working Paper 33509), 2025 — Hampole et al., AI and the Labor Market, NBER WP 33509, Table A.2, PDF-S. 97 (gedruckt S. 95); NBER WP 33509, Note zu Table A.2, PDF-S. 97 (gedruckt S. 95))

## Provenienz und Zitierhinweis

- Stand der Prüfung: 2026-07-19
- Methode: SapientShift-Tätigkeitsanalyse
- ISCO-08: 9122
- Mittlere Exposition (ILO): 0.09
- Streuung (SD, ILO): 0.01
- ILO-Stufe: Not Exposed
- Band (eigene Auswertung): unteres Fuenftel
- Vergleichsbasis: 411 Berufe

### Quellen

- [Generative AI and Jobs: A Refined Global Index of Occupational Exposure (ILO Working Paper 140)](https://www.ilo.org/sites/default/files/2025-05/WP140_web.pdf) (2025), International Labour Office, Genf
- [Skills in the AI Age (OECD AI Papers No. 60)](https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/07/skills-in-the-ai-age_e8d8c1e6/972bd15e-en.pdf) (2026), OECD Publishing, Paris
- [Artificial Intelligence and the Labor Market (NBER Working Paper 33509)](https://www.nber.org/system/files/working_papers/w33509/w33509.pdf) (2025), National Bureau of Economic Research

### Diese Seite zitieren

```
SapientShift (2026): Fahrzeugreiniger — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/fahrzeugreiniger
```


https://sapientshift.com/employee-input?rolle=fahrzeugreiniger&from=beruf