Der Kern dieser Arbeit ist der Umgang mit einem Material, das keine zweite Chance verzeiht: Ein falscher Schnitt, und die Scheibe ist unbrauchbar. Genauigkeit beim Maß entscheidet hier über das ganze Ergebnis.
Glaser messen, schneiden und setzen Glas dort ein, wo es durchsichtig sein oder glänzen soll – von der Fensterscheibe bis zum Kirchenfenster.
Glaser messen, schneiden, veredeln, passen ein und installieren Flachglas und Spiegel. Zu den Aufgaben gehören - (a) Auswählen der zu verwendenden Glasart, Zuschneiden auf die richtige Größe und Form und Einbauen in Fenster, Türen, Duschen und Trennwände von Gebäuden; (b) Einbauen von Glas und Spiegeln in Oberlichter, Vitrinen, Innenwände und Decken; (c) Einbauen oder Ersetzen von Windschutzscheiben in Fahrzeugen oder Booten; (d) Schaffen dekorativer Glaselemente wie Glaswände, Treppen, Geländer und Kirchenfenster. Beispiele für die hier eingeordneten Berufe: - Autoglaser - Glaser - Dachglaser - Fahrzeugglaser Einige verwandte, anderswo eingeordnete Berufe: - Glasschneider - 7315 - Glasveredler - 7315
Bauglaser · Bauglaser/Bauglaserin · Bauglaserin · Fahrzeugglaser · Fahrzeugglaser/Fahrzeugglaserin · Fahrzeugglaserin · Glaserin · auto glazier · autoglazier · automotive glazier · glass installer · glass pane installer · +23 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 7125.
Zuschnitt, Einbau und Instandsetzung von Verglasungen gelten als unverändert — der Grund ist die fehlende körperliche Fähigkeit der KI, nicht die Sicherheit des Berufs.
Glaser 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 16 verglichenen Berufen sind 12 weniger betroffen als dieser. Gruppe: Bau & Ausbau |
Ähnlich eingeordnet: Kunsthandwerk Holz und Korbwaren · Musikinstrumentenbauer und -stimmer · Rohbaufacharbeiter im Hochbau
Für diesen Beruf selbst liegt kein eigener Wert vor; die Einordnung ist aus benachbarten Bau-, Montage- und Installationsberufen abgeleitet. Gemessen wurde nur generative KI, während Zuschnittautomaten, CNC-Bearbeitung und Montagerobotik nicht betrachtet sind. Nach heutigem Stand wenig berührt — die Entwicklung bei diesen Maschinen lohnt aber den Blick.
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
Zuschnitt, Einbau und Instandsetzung von Verglasungen liegen in der niedrigsten Betroffenheitsstufe — die verwandten Bau- und Montageberufe durchweg so eng gemessen, dass nicht einmal einzelne Teilaufgaben die Schwelle erreichen. Der Grund ist ausdrücklich die fehlende körperliche Ausführungsfähigkeit der KI, nicht die grundsätzliche Sicherheit des Berufs: Für das Schweißen fiel der Wert von 0,43 auf 0,05, für das Installieren von Anlagen von 0,55 auf 0,19. Auch von über 2.800 geprüften Fähigkeiten zeigte keine ein hohes Ersetzungspotenzial, manuelle Geschicklichkeit derzeit gar keines. Die Fachleute halten aber im selben Atemzug fest, dass Fortschritte in der Robotik und ihre Verbindung mit KI das künftig verändern könnten.
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.
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.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Glaser · 7125
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.
Zuschnitt, Einbau und Instandsetzung von Verglasungen sind auf Tätigkeitsebene als unverändert gemessen — die Begründung ist die fehlende physische Ausführungsfähigkeit generativer KI, nicht die Sicherheit des Berufs
Ein eigener ILO-Wert für 7125 liegt in den ausgewerteten Dossiers nicht vor; auf Tätigkeitsebene liegen die einschlägigen Bau- und Fertigungsberufe jedoch durchgängig in der untersten Kategorie „Not Exposed“ — 7115 Carpenters and Joiners mit 0,13 bei SD 0,02, 7214 Structural Metal Preparers and Erectors mit 0,11 bei SD 0,02, im Installations- und Wartungsumfeld 7411 Building and Related Electricians mit 0,19 bei SD 0,06 und 7126 Plumbers and Pipe Fitters mit 0,18 (ILO Table A1, PDF-S. 56–63), wobei die durchweg sehr geringen Streuungen bedeuten, dass nicht einmal einzelne Teilaufgaben die Expositionsschwelle erreichen. Diese Einordnung ruht auf zwei einzeln bewerteten Tasks derselben Art: Für das Schweißen fiel der Wert vom Laien-Survey 0,43 auf den Expertenwert 0,05, für das Installieren und Inbetriebnehmen von Anlagen von 0,55 auf 0,19 und wurde nur wegen der Zuarbeitsrolle der KI auf 0,25 angehoben — beides mit derselben Begründung, generative KI besitze „no capabilities for physical task execution“ (ILO Table 4, PDF-S. 34–35). Der WEF bestätigt unabhängig, dass von über 2.800 geprüften Fähigkeiten keine eine „very high capacity“ zur Ersetzung zeigt und manuelle Geschicklichkeit und Präzision derzeit kein Substitutionspotenzial aufweisen (PDF-S. 44), verweist im selben Abschnitt aber ausdrücklich darauf, dass Fortschritte in der Robotik und die Integration von GenAI in Robotersysteme das künftig ändern könnten.
Für 7125 selbst liegt in den ausgewerteten Dossiers kein rollenspezifischer ILO-Wert vor — der Befund ist über die benachbarten Bau-, Montage- und Installationsberufe abgeleitet; zudem wurde ausschließlich generative KI gemessen, während Zuschnittautomaten, CNC-Bearbeitung und Montagerobotik auf Tätigkeitsebene von keiner Korpusquelle erfasst sind.
Diese Seite beschreibt Glaser 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): Glaser — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/glaser
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0