Der Kern dieser Arbeit ist, Glasflächen makellos sauber zu bekommen – oft in beträchtlicher Höhe und mit wechselndem Gerät, um überhaupt heranzukommen. Welches Hilfsmittel zum Einsatz kommt, Leiter, Gerüst oder Hubwagen, hängt vom Gebäude ab.
Damit Glasflächen wieder klar sind, waschen und polieren Fensterputzer Fenster – auch hoch oben an mehrstöckigen Gebäuden.
Fensterputzer waschen und polieren Fenster und andere Glaseinrichtungen. Zu den Aufgaben gehören - (a) Waschen von Fenstern oder anderen Glasflächen mit Wasser oder verschiedenen Lösungen sowie Trocknen und Polieren derselben; (b) Verwenden von Leitern, Hängegerüsten, Bootsmannsstühlen, hydraulischen Hubwagen und anderen Geräten, um Fenster in mehrgeschossigen Gebäuden zu erreichen und zu reinigen; (c) Auswählen geeigneter Reinigungs- oder Polierwerkzeuge. Beispiele für die hier eingeordneten Berufe: - Fensterputzer/in
Fensterputzer/Fensterputzerin · Fensterputzerin · Fensterreiniger · Fensterreinigerin · building maintenance and cleaning worker · janitress · window cleaner · window washer
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 9123.
Die Glas- und Flächenreinigung ist einzeln vermessen und bleibt unverändert — auch keine einzelne Teilaufgabe fällt heraus.
Fensterputzer 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 5 verglichenen Berufen sind 2 weniger betroffen als dieser. Gruppe: Reinigung & Hilfskräfte |
Ähnlich eingeordnet: Hilfsarbeiter im Bergbau · Hilfsarbeiter in Ackerbau und Tierhaltung · Hilfsarbeiter in der Fischerei und Aquakultur
Fassaden- und Glasreinigungsroboter sowie Höhenzugangstechnik sind nicht gemessen — „wenig berührt" heißt hier nur, dass ein Sprachmodell diese Arbeit nicht ausführt, und ist keine generelle Automatisierungs-Entwarnung. Nach heutigem Stand wenig berührt, mit dieser Technik als offener 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
Die Glas- und Flächenreinigung ist einzeln vermessen und zeigt keine Verschiebung durch KI — die niedrige Streuung sagt hier mehr als der Mittelwert allein: Es gibt keine versteckte, stärker berührte Teilaufgabe. Der Grund ist ausdrücklich benannt und nicht nur unterstellt: Die Technik kann körperliche Arbeit nicht ausführen, und zwei weitere Untersuchungen mit anderer Methode ordnen die Reinigungsberufe unabhängig davon ans untere Ende ein. Der einzige Befund, der nach einem Rückgang klingt, nennt als Grund schwächeres Wachstum und steigende Lebenshaltungskosten, nicht die Technik — diese Rolle zählt sogar zu den nur zwei rückläufigen, bei denen die Technologietrends nicht unter den Haupttreibern stehen.
Die körperliche Reinigungsarbeit bleibt, die Rolle der Robotik ist noch offen.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Das Reinigen von Räumen, Flächen und Fahrzeugen lebt vom körperlichen Tun, und genau daran stößt die heutige KI an ihre Grenze: Systeme für Text und Bild haben auf diese physische Arbeit keinen Zugriff. Gleich drei unabhängige Untersuchungen ordnen die Reinigungsberufe übereinstimmend ganz unten bei der KI-Betroffenheit ein. Ob Robotik großflächige Bodenreinigung künftig übernimmt und sich die Tätigkeit stärker zu Nacharbeit, Kontrolle und Gerätebetreuung verschiebt, ist eine begründete Vermutung, aber noch nicht belegt.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Fensterputzer · 9123
Not Exposed 9112 Cleaners and Helpers in Offices, Hotels and Other Establishments 0.12 0.02 / Not Exposed 9123 Window Cleaners 0.11 0.03 / Not Exposed 9129 Other Cleaning Workers 0.1 0.01 / Not Exposed 7133 Building Structure Cleaners 0.09 0.01 / Not Exposed 9122 Vehicle Cleaners 0.09 0.01 / Not Exposed 9111 Domestic Cleaners and Helpers 0.14 0.08 / Not Exposed 9613 Sweepers and Related Labourers 0.09 0.03 / Minimal Exposure 5153 Building Caretakers 0.27 0.16 / Not Exposed 5151 Cleaning and Housekeeping Supervisors in Offices, Hotels and Other Establishments 0.22 0.1
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.
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. / These technologies excel in tasks involving data processing, language understanding, and information generation but do not possess capabilities for physical task execution / the highest exposure to GenAI is typically observed among groups with the largest share of tasks of cognitive nature and it declines with tasks of physical nature, which are more prominent among occupational groups 4-9
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. Therefore, high-skill, white collar occupations are the ones most exposed to recent progress in AI.
Table A.2: Top and bottom 25 occupations by average AI exposure — 25 Most Exposed Occupations | 25 Least Exposed Occupations […] Maids and Housekeeping Cleaners […] Janitors and Cleaners / These rankings are based on the computed AI exposure scores, which leverage task-level similarities between AI applications and occupational descriptions.
Die Glas- und Flächenreinigung ist einzeln gemessen worden und zeigt keine Verschiebung durch generative KI, auch nicht in Teilaufgaben.
Für diese Rolle liegt ein eigener Wert vor: 9123 Window Cleaners steht bei 0,11 mit einer Streuung von 0,03 in der niedrigsten von sechs Kategorien, und die ILO definiert diese Kategorie ausdrücklich als Messergebnis — Berufe, „where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score" —, wobei die niedrige Streuung hier mehr sagt als der Mittelwert allein: Es gibt keine versteckte exponierte Teilaufgabe. Der Grund dafür wird von der Quelle selbst benannt und nicht nur unterstellt: Die ILO-Expertenrunde bewertete manuell-physische Berufe durchweg niedriger als die befragten Laien, weil diese Technologien „do not possess capabilities for physical task execution", und zwei weitere Messungen mit anderer Methode ordnen Reinigungsberufe unabhängig davon ans untere Ende — die OECD im Fließtext, Hampole et al. in einer Tabelle ohne Fließtextentsprechung, weshalb das Dossier diese Stimme nachrangig führt. Der einzige Befund im Korpus, der nach einem Rückgang von Reinigungsarbeit klingt, ist bei genauem Lesen ein Gegenbeleg: Der WEF nennt als Treiber des erwarteten Rückgangs bei Reinigungs- und Hausmeisterrollen schwächeres Wirtschaftswachstum und steigende Lebenshaltungskosten und rechnet diese Rolle sogar zu den nur zwei rückläufigen Rollen, bei denen die Technologietrends nicht unter den drei Haupttreibern stehen.
Fassaden- und Glasreinigungsroboter sowie Höhenzugangs- und Fördertechnik misst keine der zehn Korpusquellen auf Tätigkeitsebene — „Not Exposed" bedeutet hier ausschließlich, dass ein Sprachmodell diese Arbeit nicht ausführen kann, und ist keine generelle Automatisierungs-Entwarnung.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Fensterputzer allgemein — mit Tätigkeiten wie „Räume, Flächen und Fahrzeuge reinigen“.
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): Fensterputzer — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/fensterputzer
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0