Der Kern dieser Arbeit ist der Übergang: der Moment, in dem eine Ladung von einem Transportmittel auf ein anderes wechselt. Verpacken, Tragen, Verladen, Stapeln – die immer gleichen Schritte, an ganz unterschiedlichen Gütern. Auch an dieser Schnittstelle verschiebt sich gerade etwas.
Wenn Möbel, Fracht oder Gepäck von A nach B müssen, sind Frachtarbeiter zur Stelle: verpacken, tragen, verladen, stapeln.
Frachtarbeiter führen Tätigkeiten wie Verpacken, Tragen, Be- und Entladen von Möbeln und anderen Haushaltsgegenständen aus, oder das Be- und Entladen von Schiffs- und Flugzeugfracht und anderer Fracht, oder das Tragen und Stapeln von Waren in verschiedenen Lagerhäusern. Zu den Aufgaben gehören - (a) Verpacken von Büro- oder Hausmöbeln, Maschinen, Geräten und verwandten Waren, die von einem Ort zu einem anderen transportiert werden sollen; (b) Tragen von Gütern, die auf Lieferwagen, Lastwagen, Waggons, Schiffe oder Flugzeuge verladen oder von diesen entladen werden; (c) Be- und Entladen von Getreide, Kohle, Sand, Gepäck und anderen Gegenständen durch Platzieren auf Förderbändern, Rohren und anderen Fördersystemen; (d) Verbinden von Schläuchen zwischen Anlagenrohren an Land und Tanks von Leichtern, Tankern und anderen Schiffen zum Laden und Löschen von Erdöl, verflüssigten Gasen und anderen Flüssigkeiten; (e) Tragen und Stapeln von Waren in Lagerhäusern und ähnlichen Einrichtungen; (f) Sortieren von Fracht vor dem Be- und Entladen. Beispiele für die hier eingeordneten Berufe: - Gepäckträger/in - Frachtarbeiter/in - Lagerhausträger/in Einige verwandte, anderswo eingeordnete Berufe: - Kranführer/in - 8343 - Gabelstaplerfahrer/in - 8344 - Hotelpage/Hotelpagin - 9621 - Gepäckträger/in (Hotel) - 9621
Ablader · Abladerin · Aufseher von Hafenarbeiten · Aufseher von Hafenarbeiten/Aufseherin von Hafenarbeiten · Aufseherin von Hafenarbeiten · Bediener intermodaler Einrichtungen im Schienenverkehr · Bediener intermodaler Einrichtungen im Schienenverkehr/Bedienerin intermodaler Einrichtungen im Schienenverkehr · Bedienerin intermodaler Einrichtungen im Schienenverkehr · Entlader · Entladerin · Frachtarbeiter im intermodalen Schienenverkehr · Frachtarbeiterin im intermodalen Schienenverkehr · +118 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 9333.
Frachtumschlag von Hand wie mit Maschine bleibt inhaltlich unverändert — verändert hat sich bislang höchstens die Menge der Arbeit, nicht ihr Inhalt.
Frachtarbeiter und verwandte Berufe 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 9 verglichenen Berufen sind 5 weniger betroffen als dieser. Gruppe: Hilfskräfte Bau, Bergbau & Transport |
Ähnlich eingeordnet: Reinigungspersonal und Hilfskräfte in Privathaushalten · Führer von Fahrzeugen und Maschinen mit Zugtierantrieb · Küchenhilfen
Gemessen wurde nur generative KI; ob autonome Flurförderzeuge, Kommissionier- oder Handhabungsrobotik diese Arbeit verschieben, hat keine Quelle untersucht — der Befund ist keine 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
Das Umschlagen von Fracht — von Hand wie mit der Maschine — gehört gemessen zu den am wenigsten betroffenen Tätigkeiten überhaupt; hier ist nicht einmal eine einzelne Teilaufgabe als betroffen ausgewiesen, und Fachleute haben diese Einschätzung gegenüber der ersten Befragung sogar noch nach unten korrigiert. Eine unabhängige Auswertung von über 2.800 Einzelfähigkeiten kommt zum selben Ergebnis: manuelle Geschicklichkeit, Ausdaür und Präzision zeigen kein Ersetzungspotenzial, und die Nachfrage nach Umschlags-Fähigkeiten steigt in Stellenanzeigen sogar leicht — wenn auch nur geringfügig und mit großen Unterschieden zwischen den Ländern. Dem steht ein Vorbehalt gegenüber: Arbeitgeber erwarten, dass manuelle Geschicklichkeit an Bedeutung verliert — allerdings ausdrücklich auch durch Robotik, nicht durch KI allein, und dabei handelt es sich um eine Erwartung, keine Messung.
Das Bedienen der Umschlagmaschinen bleibt körperliche Arbeit — und wird eher mehr gebraucht als weniger.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
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.
Der heutigen KI bleibt die einfache körperliche Arbeit verschlossen — andere Automatisierung könnte weiter reichen.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Einfache Handreichungen leben von Körper, Geschick und Anwesenheit vor Ort. In einer Bewertung von über 2.800 Fähigkeiten zeigte manuelle Geschicklichkeit keinerlei Ersetzbarkeit durch die heutige KI — den Sprach- und Bildmodellen fehlt schlicht der Zugriff auf das Körperliche, und Fachleute haben die Werte für solche Tätigkeiten eigens nach unten gesetzt. Offen bleibt allerdings, ob nicht-sprachliche Automatisierung wie computergesteuerte Maschinen weiter in diese Aufgaben hineinreicht, als der KI-Nullbefund vermuten lässt — das ist plausibel, aber nicht ursächlich belegt.
Das Zusammenführen und Verbuchen der Abläufe verschiebt sich spürbar Richtung Automatisierung, die Abstimmung an den Schnittstellen weniger.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Das Koordinieren und Dokumentieren von Transport- und Frachtabläufen gehört zu den stärker betroffenen Bürotätigkeiten: Ein wachsender Teil des heutigen Aufgabenbestands lässt sich automatisieren, und zwei methodisch unabhängige Messungen ordnen die Logistik-Koordination übereinstimmend weit oben ein. Betriebe erwarten gerade in der Lieferketten- und Bestandssteuerung überdurchschnittlich, dass Stellen zurückgehen. Das Zusammenführen und Verbuchen von Daten verschiebt sich damit deutlich, während einzelne Teile der Abstimmung an den Schnittstellen weniger betroffen bleiben.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Frachtarbeiter und verwandte Berufe · 9333
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.
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
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
By contrast, roles reliant on physical or manual tasks, such as cleaning or equipment operation, show minimal exposure.
Physical occupation categories like Transportation & Material Moving, Food Preparation & Serving Related, and Construction & Extraction are all under-represented in the survey, as they are in Claude sessions as well.
Gradient 3 3331 Clearing and Forwarding A[g]ents 0.57 0.09
Gradient 3 4323 Transport Clerks 0.5 0.1
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). | Above-moderate occupational exposure: even though some tasks remain less exposed, the overall potential of automation of the current tasks with GenAI is growing in these occupations.
25 Most Exposed Occupations […] Market Research Analysts and Marketing Specialists / Management Analysts / Logisticians / Computer Hardware Engineers / Financial Specialists / Computer and Information Systems Managers / Sales Engineers / Financial Risk Specialists / Transportation, Storage, and Distribution Managers […] | This table details the top and bottom 25 occupations ranked by average AI exposure […] These rankings are based on the computed AI exposure scores, which leverage task-level similarities between AI applications and occupational descriptions.
In nearly all functions, respondents anticipate a greater impact from AI on headcount next year than was observed in the past year, with expected decreases outpacing observed decreases. This trend is particularly pronounced in service operations, supply chain/inventory management, marketing and sales, and software engineering, where the expected decrease in employees for the next year significantly exceeds the actual decrease reported over the past year.
Frachtumschlag von Hand wie mit Maschine bleibt gemessen unverändert — verändert hat sich bislang allenfalls die Menge der Arbeit, nicht ihr Inhalt.
Beide Tätigkeiten dieser Rolle — Umschlagmaschinen bedienen und einfache körperliche Hilfstätigkeiten — führen zum selben rollenspezifischen Messwert: Die ILO stuft Freight Handlers mit 0,14 bei einer Streuung von 0,03 als „Not Exposed" ein, dem niedrigsten Streuungsbereich der Tabelle, in dem nicht einmal einzelne Teilaufgaben exponiert sind; das Expertenpanel hat diese Werte für manuelle Berufe gegenüber der Laienbefragung sogar aktiv gesenkt. Unabhängig davon kommt das WEF bei der Bewertung von über 2.800 einzelnen Skills zum Ergebnis, manuelle Geschicklichkeit, Ausdaür und Präzision zeigten „no substitution potential", und die OECD misst an Stellenanzeigen sogar eine leicht steigende Nachfrage nach Umschlags-Skills — allerdings ausdrücklich „modest" und mit großer Länderstreuung. Dem steht ein Gegenbefund derselben WEF-Studie gegenüber: Arbeitgeber erwarten, dass manuelle Geschicklichkeit an Relevanz verliert — dort ist der genannte Treiber jedoch ausdrücklich auch Robotik, nicht generative KI allein, und es handelt sich um eine Erwartung, keine Messung.
Gemessen wurde ausschließlich generative KI; ob autonome Flurförderzeuge, Kommissionier- oder Handhabungsrobotik diese Tätigkeit verschieben, hat keine der Korpusquellen untersucht — der Befund ist keine Automatisierungs-Entwarnung.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Frachtarbeiter und verwandte Berufe allgemein — mit Tätigkeiten wie „Maschinen und Fahrzeuge zum Materialumschlag bedienen“ oder „Einfache körperliche Hilfstätigkeiten ausführen“.
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): Frachtarbeiter und verwandte Berufe — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/frachtarbeiter-und-verwandte-berufe
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0