Der Kern dieser Arbeit ist Vermittlung: zwei Seiten zusammenbringen, die sich sonst nicht gefunden hätten. Das gelingt nur mit einem genauen Gespür dafür, wie sich Angebot und Nachfrage gerade bewegen.
Handelsmakler bringen Käufer und Verkäufer großer Warenmengen zusammen – von Rohstoffen bis zu Frachtraum auf Schiffen.
Handelsmakler kaufen und verkaufen Waren und Schifffahrtsdienstleistungen, üblicherweise in großen Mengen, im Auftrag des eigenen Unternehmens oder für Kunden auf Provisionsbasis. Zu den Aufgaben gehören - (a) Herstellen von Kontakten zwischen Käufern und Verkäufern von Waren; (b) Besprechen von Kauf- oder Verkaufsanforderungen der Kunden und entsprechende Beratung; (c) Kauf und Verkauf von Frachtraum auf Schiffen; (d) Aushandeln von Kauf oder Verkauf von Waren und Warentermingeschäften; (e) Finden von Fracht- und/oder Lagerraum für Waren sowie Aushandeln von Fracht-, Versand- und Lagerkosten; (f) Beobachten und Analysieren von Markttrends und anderen Faktoren, die Angebot und Nachfrage bei Waren und Schifffahrtsdienstleistungen beeinflussen. Beispiele für die hier eingeordneten Berufe: - Warenhändler (Commodities Broker) - Warenterminhändler - Schiffsmakler Einige verwandte, anderswo eingeordnete Berufe: - Finanzmakler - 3311 - Finanzhändler - 3311 - Wertpapiermakler - 3311 - Wertpapierhändler - 3311 - Versicherungsvermittler - 3321
Frachtführer ohne eigenen Schiffsbetrieb · Frachtführer ohne eigenen Schiffsbetrieb/Frachtführerin ohne eigenen Schiffsbetrieb · Frachtführerin ohne eigenen Schiffsbetrieb · Großhandelkaufmann · Großhandelskauffrau · Großhändler · Großhändler/Großhändlerin · Großhändlerin · Grossist · Grossistin · Kursmakler · Kursmaklerin · +47 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 3324.
Das Aufspüren von Mustern in Zahlen übernimmt zunehmend die Maschine, und auch die Fracht- und Abfertigungspapiere sind breit von KI berührt — der Umschlag am Produkt selbst kaum.
Handelsmakler liegt nahe am oberen Rand — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| oberstes Fünftel von 411 Berufen | im unteren Bereich der von generativer KI berührten Berufe | Von 24 verglichenen Berufen sind 8 weniger betroffen als dieser. Gruppe: Kaufmännische Fachkräfte |
Ähnlich eingeordnet: Weitere unternehmensbezogene Fachkräfte · Fachkräfte in Pass- und Genehmigungsstellen · Fachkräfte in Sozialverwaltung und -versicherung
Für diese Rolle liegt bislang kein eigener Messwert vor, und keine Quelle beziffert, welcher Anteil der Auswertungs- oder Abwicklungsarbeit tatsächlich auf KI übergeht. Die vorhandenen Zahlen zeigen nur ein Potenzial, keine bereits eingetretene Wirkung. Nach heutigem Stand lässt sich die Richtung ahnen, das reale Ausmaß aber noch nicht belegen.
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 auswertende Seite dieser Arbeit gehört zu den stärker von KI berührten Tätigkeiten: Werkzeuge zur Datenauswertung sind qür durch fast alle Branchen die verbreitetste KI-Anwendung, sie finden Trends und Ursachen, ohne dass jemand von Hand danach graben muss, und fassen die Befunde so zusammen, dass auch Nicht-Fachleute sie lesen können. Im Gegenzug gewinnt das Beurteilen und Einordnen an Bedeutung — die eigentliche Bewertung nimmt keine Untersuchung der Maschine ab. Auch die vermittelnde und abwickelnde Seite, etwa Speditions- und Abfertigungspapiere, ist deutlich berührt, was als wachsender Anpassungsbedarf gilt, nicht als Wegfall. Der körperliche Frachtumschlag am Produkt selbst bleibt dagegen fast unberührt — das sagt allerdings nur etwas über Software aus und nichts über Lagerrobotik oder automatisierte Umschlagsanlagen, die keine Quelle gemessen hat.
Der telefonische und digitale Verkauf verschiebt sich stark, das persönliche Vorführen am Produkt weniger.
Beim Verkaufen trennt sich die Aufgabe deutlich: Der telefonisch und digital vermittelte Verkauf gehört zu den am stärksten von KI erfassten Tätigkeiten, während das persönliche Vorführen am Produkt nur teilweise berührt wird. KI-Anwendungen rund um die Kundeninteraktion konzentrieren sich messbar auf Verkaufsberufe, und Betriebe mit höherer KI-Nutzung fragen bereits weniger Verkaufs- und Kundenservice-Fähigkeiten nach. Die unmittelbare Präsenz am Produkt bleibt dabei der Teil, der am ehesten menschlich bleibt.
Das maschinelle Auswerten von Daten übernimmt zunehmend die KI, das Deuten der Ergebnisse wird wichtiger.
Das Analysieren und Deuten von Daten verändert sich spürbar: Das Aufspüren von Trends und Zusammenhängen ist die verbreitetste KI-Anwendung überhaupt und trifft genau die Berufe, die diese Aufgabe ausführen — Werkzeuge durchsuchen Kennzahlen und Datenbanken und fassen Auffälligkeiten in verständlicher Sprache zusammen. Die eigentliche Interpretationskompetenz wird dadurch aber nicht ersetzt, sondern gerade wichtiger; Fachleute berichten, dass Datenauswertung und -deutung an Bedeutung gewinnen. Wie stark sich die Aufgabe verschiebt, hängt davon ab, wie breit sie im jeweiligen Beruf ausgefüllt wird — mal verlagert sie sich nur, mal fällt sie stärker weg.
Die planende und preisoptimierende Seite der Beschaffung gerät durch KI in Bewegung, das Aushandeln und Pflegen von Lieferantenbeziehungen bleibt menschliche Arbeit.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Beim Optimieren von Preisen, Mengen und Lieferketten zählt der Einkauf zu den am stärksten von KI berührten Bereichen: Wo Aufgaben besonders KI-fähig sind, sinkt anschliessend die Nachfrage nach den zugehörigen Fähigkeiten, und die Arbeit verlagert sich innerhalb des Berufs zu weniger berührten Teilaufgaben. Zugleich stuft eine andere Untersuchung genau die Kern-Einkaufsberufe als kaum berührt ein, sodass das Bild uneinheitlich bleibt. Absehbar ist vor allem eine Verschiebung: Die datengetriebene Analyse übernimmt zunehmend KI, das Aushandeln und Pflegen der Lieferantenbeziehungen bleibt eine menschliche Aufgabe.
Das Zusammenführen und Verbuchen der Abläufe verschiebt sich spürbar Richtung Automatisierung, die Abstimmung an den Schnittstellen weniger.
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: Handelsmakler · 3324
Gradient 4 5244 Contact Centre Salespersons 0.61 0.1 / Exposed: Gradient 4 (Highest exposure, low task variability) μ ≥ 0.6 and μ - σ >= 0.5 High and consistent GenAI exposure across tasks within the occupation. Most current tasks in these jobs have a high potential of automation, with little variability in task-level exposure.
Gradient 2 5242 Sales Demonstrators 0.42 0.11 / Exposed: Gradient 2 (Moderate exposure, high task variability) 0.4 ≤ μ < 0.5 and μ + σ ≥ 0.5 Moderate occupational AI exposure, with high task-level variability. These occupations include a mix of some tasks that are exposed to GenAI and others not at risk, making the impact uneven.
Customer experience automation and marketing optimization are concentrated in Sales occupations, while task and workflow optimization AI applications are most relevant for Production and Office & Administrative occupations.
Under 'Customer Experience Automation', Sales Managers and Telemarketers show similar mean exposure, but the more concentrated exposure of Sales Managers suggests smaller employment losses relative to Telemarketers. / Sales and Related 41 1.69 -0.95 -2.48 -1.74 13.5
Business process skills have also seen a reduction in demand from establishments more exposed to AI. On average across countries in the sample, demand for business process skills declined by 3.5 percentage points for a one standard deviation increase in AI exposure (Figure 4.3, Panel A). All countries in the sample have seen a decline in business process skills […]. Business Process skills include clerical and administrative tasks along with sales and customer service. / Skills and tasks that can be roughly described as clerical tasks were the sub-group of skills that saw the largest reduction in demand.
Gradient 4 2413 Financial Analysts 0.62 0.06 […] Gradient 3 3314 Statistical, Mathematical and Related Associate Professionals 0.57 0.1 […] Gradient 3 2120 Mathematicians, Actuaries and Statisticians 0.56 0.09 […] Gradient 3 2631 Economists 0.55 0.08 / 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.
SMEs indicate that GenAI has made data analysis and interpretation skills more important, along with other skills (OECD, 2025 [11]). / growing use of algorithmic management tools in the workplace is increasing the need for certain skills, such as those related to general management and analysis (e.g. ability to use or interpret data) (Milanez, Lemmens and Ruggiu, 2025 [34])
The most common cluster across nearly all sectors is 'Business Intelligence Insights,' reflecting the broad applicability of predictive analytics. / Applications in the Business Intelligence Insights category affect a wide range of workers, especially those in Management, Business and Financial, and Computer and Math occupations. / Business-intelligence tools here scan dashboards and databases to find trends and root causes without manual digging. They alert users when a key metric shifts and explain the main drivers by region, channel, or customer type. Natural-language summaries make insights readable for non-analysts.
Management Analysts and Financial Risk Specialists show similar mean exposure to 'Business Intelligence Insights' applications, but exposure is more concentrated for Management Analysts, making them less likely to be displaced according to our model. / 'Operational Data Analytics' affects tasks more narrowly than 'Customer Experience Automation' despite similar mean exposure, leading to very different implications for labor demand.
Technology-related roles are the fastest-growing jobs in percentage terms, including Big Data Specialists, Fintech Engineers, AI and Machine Learning Specialists and Software and Application Developers.
In pricing and supply chain optimization, Purchasing Managers and Wholesale and Retail Buyers emerge as the most exposed, while in process automation and operational efficiency the most exposed tasks are linked to Sales Engineers and Other Engineering Technologists.
Across all specifications, coefficients on task-level AI exposure are negative and of similar magnitude: greater exposure reduces the intensity with which firms demand skills linked to those tasks. […] a one–standard deviation increase in task-level AI exposure lowers demand for the associated skills by about 2 percent over five years. Because the dependent variable is a share, this implies reallocation of labor effort away from exposed tasks and toward less-exposed tasks within the same occupation.
Purchasing Agents (13-1023) 1.51 / High-skill, high-wage occupations are the most exposed to artificial intelligence. […] These are occupations that require cognitive skills that cannot be automated with a discrete set of instructions, but for which artificial intelligence excels
One-third of organizations expect AI to reduce their workforce in the coming year, even though large-scale job losses have not yet shown up in overall employment data. […] Anticipated reductions are highest in service operations, supply chain, and software engineering. Across nearly all functions, anticipated decreases outpaces those already observed. / 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.
Minimal Exposure 3323 Buyers 0.39 0.08 / Minimal Exposure 1324 Supply, Distribution and Related Managers 0.38 0.05 / Minimal Exposure (Low exposure, moderate task variability) μ < 0.5 and μ + σ > 0.4 — Occupations with low GenAI exposure, where some tasks show moderate automation potential, but overall occupational exposure remains limited. / a more granular distinction of Minimal Exposure, where some interaction with GenAI may occur, but without significantly altering the nature of these roles / Moderate occupational AI exposure, with high task-level variability. These occupations include a mix of some tasks that are exposed to GenAI and others not at risk, making the impact uneven.
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.
Das Auffinden von Trends in Daten wandert zur Maschine, die Abwicklung von Fracht- und Abfertigungspapieren ist breit exponiert
Für ISCO 3324 selbst führt keine Korpusquelle einen eigenen Wert; auf Tätigkeitsebene liegen die auswertenden Berufe jedoch im oberen Bereich der Skala — 4312 Statistical, Finance and Insurance Clerks bei 0,64 mit einer außergewöhnlich niedrigen Streuung von 0,02 und 2413 Financial Analysts bei 0,62 / 0,06, beide in Gradient 4, wo laut ILO „most current tasks in these jobs have a high potential of automation, with little variability in task-level exposure" —, während der Verkaufsvorgang selbst sich nach Trägermedium spaltet: 0,61 beim telefonisch und bildschirmvermittelten Verkauf gegenüber 0,22 beim Verkauf am physischen Produkt. Was sich beim Auswerten verschiebt, ist konkret benannt: Business-Intelligence-Anwendungen sind laut NBER WP 33509 die über nahezu alle Branchen hinweg verbreitetste KI-Anwendungsklasse, sie „find trends and root causes without manual digging" und machen Befunde durch Zusammenfassungen in natürlicher Sprache auch für Nicht-Analysten lesbar — die OECD berichtet im Gegenzug, dass Analyse- und Interpretationsfähigkeit dadurch an Bedeutung gewinnt, und keine Quelle belegt eine Übernahme der Beurteilung selbst. Die vermittelnde und abwickelnde Seite folgt demselben Muster: Speditions- und Abfertigungsagenten (0,57 / 0,09) sowie Transportsachbearbeiter (0,50 / 0,10) liegen in Gradient 3, den die ILO nicht als Wegfall, sondern als „growing automation risks and requiring adaptation strategies for workers" beschreibt, während der physische Frachtumschlag bei 0,14 mit einer Streuung von 0,03 liegt — dort ist nicht einmal eine einzelne Teilaufgabe gegenüber generativer KI exponiert, was allerdings nur über Software etwas aussagt und nichts über Lagerrobotik oder automatisierte Umschlagsanlagen.
Für ISCO 3324 liegt kein rollenspezifischer Messwert vor, und keine Quelle beziffert, welcher Anteil der Auswertungs- oder Abwicklungszeit tatsächlich auf KI übergeht — sämtliche Werte sind Expositionspotenziale und Adoptionsindikatoren, keine realisierten Effekte.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Handelsmakler allgemein — mit Tätigkeiten wie „Produkte verkaufen und vorführen“ oder „Daten, Trends und Ergebnisse analysieren und interpretieren“.
Für diesen Beruf sprechen die Daten für deutliche 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): Handelsmakler — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/handelsmakler
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0