Der Kern dieser Arbeit liegt im Unsichtbaren vor dem Ergebnis: Die Form entscheidet über jedes Detail des späteren Gussstücks, wird selbst aber nie das fertige Produkt. Jeder Fehler in der Form zeigt sich später am Metall.
Bevor Metall gegossen werden kann, braucht es eine passende Form: Former und Kernmacher baün genau diese Negativform aus Sand oder ähnlichem Material.
Former und Kernmacher stellen Formen und Kerne für den Metallguss her. Zu den Aufgaben gehören - (a) Herstellen von Formen von Hand oder mithilfe von Hilfsmaschinen auf einer Werkbank für kleine Metallgussstücke, auf dem Gießereiboden oder in einer Grube für große Gussstücke; (b) Herstellen von Kernen zur Verwendung in Metallformen; (c) Reinigen und Glätten von Formen und Kernkästen sowie Reparieren von Oberflächenfehlern; (d) Bewegen und Positionieren von Werkstücken wie Formteilen, Modellen und Bodenplatten mithilfe von Kranen oder Anweisen anderer zum Bewegen von Werkstücken; (e) Positionieren von Modellen innerhalb von Formteilen und Zusammenspannen der Teile; (f) Schneiden von Eingusstrichtern, Angusskanälen und Steigerlöchern in Formen; (g) Abheben der oberen Formteile von den unteren Teilen und Entnehmen der geformten Modelle. Beispiele für die hier eingeordneten Berufe: - Kernmacher - Metallgussformer
Gießereimechaniker · Gießereimechaniker/Gießereimechanikerin · Gießereimechanikerin · Gießereitechniker · Gießereitechnikerin · caster · casting operator · casting worker · Central control caster · foundry operative · foundry operator · foundry process operator · +12 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 7211.
Formen und Kernmachen bleibt unverändert — Bewegung zeigt allein die Dokumentations- und Planungsarbeit am Rand, nicht die Fertigung selbst.
Former und Kernmacher (für Metallguss) 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 12 verglichenen Berufen ist nur einer weniger betroffen als dieser. Gruppe: Metallberufe & Mechanik |
Ähnlich eingeordnet: Dachdecker · Fahrradmechaniker und verwandte Berufe · Fleischer und Fischhändler
Gemessen wurde ausschließlich generative KI — Giess-, Form- und Umschlagautomatisierung durch Roboter fällt nicht darunter und wurde bislang nicht einzeln untersucht. Der unauffällige Befund darf deshalb nicht als generelle Entwarnung gegenüber der Automatisierung insgesamt gelesen werden. Nach heutigem Stand also wenig betroffen durch sprachbasierte KI — die Robotik in Giesserei und Umschlag bleibt aber die offene 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
Formen und Kernmachen ist eigens gemessen und zählt zu den am wenigsten betroffenen Tätigkeiten überhaupt — mit der niedrigsten Streuung des gesamten Fertigungsbereichs, also nicht einmal einzelnen Aufgaben, die aus dem Rahmen fielen. Der niedrige Wert entstand aus einer bewussten Abwertung durch Fachleute: Für das vergleichbare Schweißen wurde der ursprüngliche Wert von 0,43 auf 0,05 gesenkt, weil generative KI keine körperliche Ausführung leistet; unter mehr als 2.800 geprüften Fähigkeiten fand sich keine einzige mit hoher Ersetzbarkeit. Was sich verschiebt, ist allein der informationelle Rand der Rolle — Planung, Dokumentation und Anleitungen zur Fehlersuche —, für den ein leichter Anstieg beziffert ist. Die eigentliche Fertigung, das Warten der Anlagen und das Bedienen der Umschlagmaschinen bleiben davon 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.
Das Fertigen und Montieren bleibt körperliche Präzisionsarbeit — was Robotik in der Serie übernimmt, ist die eigentliche offene Frage.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Bauteile zu fertigen und zu montieren heißt, mit Geschick und Präzision am Werkstück zu arbeiten — und genau das kann die heutige KI nicht ausführen: Sprach- und Bildsysteme haben keinen Zugriff auf die physische Handhabung, weshalb Fachleute diese Aufgabe durchweg niedrig bewerten und keine der geprüften manuellen Fähigkeiten derzeit als ersetzbar gilt. Es gibt sogar Hinweise, dass die Nachfrage nach Produktions- und körperlichen Fähigkeiten in KI-nahen Betrieben eher leicht steigt. Offen bleibt allein, wie sich die Serienmontage aufteilt, wenn Robotik repetitive Füge- und Zuführschritte übernimmt und der menschliche Anteil auf Varianten, Nacharbeit und Prüfung wandert — das ist eine begründete Vermutung, kein Befund.
Das Bedienen der Umschlagmaschinen bleibt körperliche Arbeit — und wird eher mehr gebraucht als weniger.
Materialumschlag mit Stapler, Kran oder beim Verladen ist körperliche Arbeit an wechselnden Orten — genau das automatisiert die heutige KI nicht, und Fachleute haben die Automatisierungswerte für diese Berufe eigens nach unten korrigiert. Unabhängige Auswertungen von Stellenanzeigen zeigen die Nachfrage nach solchen Fähigkeiten sogar leicht steigend, weil sie sich mit KI-gestützter Logistik ergänzen. Ob der innerbetriebliche Transport künftig stärker automatisiert wird als der Umschlag an wechselnden Außenorten und sich die Aufgabe mehr zu Disposition und Ausnahmefällen verschiebt, ist eine begründete Vermutung — belegt ist es nicht.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Former und Kernmacher (für Metallguss) · 7211
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.
Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score. | Occupations with low GenAI exposure, where some tasks show moderate automation potential, but overall occupational exposure remains limited. | Not Exposed 7212 Welders and Flame Cutters 0.13 0.05 | Not Exposed 7214 Structural Metal Preparers and Erectors 0.11 0.02 | Not Exposed 7211 Metal Moulders and Coremakers 0.13 0.01 | Minimal Exposure 8211 Mechanical Machinery Assemblers 0.27 0.17 | Minimal Exposure 8212 Electrical and Electronic Equipment Assemblers 0.28 0.19
The task involves hands-on physical work requiring skill and precision, such as welding using various machines, which is not currently automatable by generative AI technologies like ChatGPT. These technologies excel in tasks involving data processing, language understanding, and information generation but do not possess capabilities for physical task execution, hence aligning closer with the revised score.
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. | the limitations of generative AI in handling physical and manual components | leading to significantly reduced adjusted scores compared to the survey.
Zero of the more than 2,800 skills assessed were determined to exhibit „very high capacity" to be replaced by the current generation of GenAI tools, with the majority of examined skills (69%) determined to have either „very low capacity" or „low capacity" to be substituted, indicating that GenAI currently remains limited in performing tasks that require physical execution, nuanced judgment or hands-on application. | Skills rooted in human interaction – including empathy and active listening, and sensory processing abilities – and manual dexterity, endurance and precision, currently show no substitution potential due to their physical and deeply human components. These findings underscore the practical limitations of current GenAI models, which lack the physicality to perform tasks that require hands-on interaction
The report also provides some evidence that AI adoption may increase the demand for some blue-collar skills, possibly through a productivity effect that results in higher demand and spills over to other workers at the establishment. For example, the report finds that higher establishment AI exposure is associated with increased establishment demand for skills related to production and technology, and physical skills. | Demand increased slightly for some skill groupings, such as production and technology and physical skills. These skill groupings are found disproportionately in low-exposure occupations and include skills such as maintenance, repair, forklift driving and more fundamental skills such as dexterity, heavy lifting and range of motion. This provides some suggestive evidence of the types of skills that may see increased demand due to complementarities with AI in production. However, these increasing skill demands were quite modest with substantial cross-country heterogeneity.
Not Exposed 8344 Lifting Truck Operators 0.2 0.1 / Not Exposed 8343 Crane, hoist and related plant operators 0.18 0.03 / Not Exposed 9333 Freight Handlers 0.14 0.03 / Not Exposed 8342 Earthmoving and Related Plant Operators 0.13 0.02 / Not Exposed 8341 Mobile Farm and Forestry Plant Operators 0.12 0.03
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. / and 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.
There were some skill groupings that experienced modest increases in demand, including: production and technology and physical skills. These skills can be summarised as typically indicative of blue-collar occupations and include maintenance, repair, forklift driving and more fundamental skills such as dexterity, heavy lifting and range of motion. These are the types of skills that are possibly complementary in production to AI. For example, if a logistics warehouse can use AI to reduce the costs of routing shipments, they may be able to lower their costs and see increased demand – possibly necessitating greater demand for forklift drivers in the warehouse. However, these increasing skill demands were more modest with substantial cross-country heterogeneity. [norm.]
Finally, in addition to the displacement effect, the automation channel can give rise to a productivity effect. This can result in increases in labour demand for tasks or jobs not automated by AI, such as packers and forklift operators.
Formen und Kernmachen ist einzeln gemessen und bleibt unverändert; Bewegung zeigt nur die Papierseite von Wartung und Materialumschlag.
Für Former und Kernmacher weist die ILO einen eigenen Wert aus: 7211 Metal Moulders and Coremakers liegt mit einem Mittelwert von 0,13 und einer Standardabweichung von 0,01 in der untersten von sechs Kategorien — die niedrigste Streuung des gesamten Fertigungsclusters, also nicht einmal einzelne Teilaufgaben, die aus dem Rahmen fielen. Der niedrige Wert entstand nicht aus Unkenntnis, sondern aus einer bewussten Abwertung: Für eine vergleichbare handwerkliche Fertigungstätigkeit — Schweißen — korrigierte das Expertenpanel den Laien-Umfragewert von 0,43 auf 0,05, weil generative Modelle „do not possess capabilities for physical task execution", und das WEF findet unter mehr als 2.800 bewerteten Fähigkeiten keine einzige mit „very high capacity" zur Ersetzung durch die aktuelle GenAI-Generation. Für die begleitenden Tätigkeiten dieser Rolle — Anlagen warten und Umschlagmaschinen bedienen — gilt auf Tätigkeitsebene dasselbe Bild; belegt verschiebt sich allein der informationelle Rand, den die ILO eng als „planning, documentation, and troubleshooting guides" benennt und mit einer Aufwertung des Task-Scores von 0,1925 auf 0,25 beziffert.
Gieß-, Form- und Umschlagautomatisierung durch Robotik ist von keiner Korpusquelle auf Tätigkeitsebene gemessen — der Befund gilt ausschließlich für generative KI und ist kein „unverändert" gegenüber Automatisierung insgesamt.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Former und Kernmacher (für Metallguss) allgemein — mit Tätigkeiten wie „Anlagen und Geräte installieren, warten und reparieren“ oder „Bauteile und Konstruktionen fertigen und montieren“.
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): Former und Kernmacher (für Metallguss) — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/former-und-kernmacher-fuer-metallguss
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0