Der Kern dieser Arbeit ist Präsenz: Jemand ist da, kennt das Haus und kümmert sich, wenn andere längst weg sind. Kleine Reparatur hier, ein Rundgang dort, eine Nachricht für abwesende Mieter – ein Gebäude läuft nur, weil jemand es im Blick behält.
Hauswarte halten Gebäude und deren Umgebung instand und sind für Mieter und Besucher oft die erste Anlaufstelle im Haus.
Hauswarte kümmern sich um Mehrfamilienhäuser, Hotels, Büros, Kirchen und andere Gebäude und halten diese sowie die zugehörigen Außenanlagen sauber und ordentlich instand. Je nach Größe und Art des betreffenden Gebäudes können sie andere Arbeitskräfte und Auftragnehmer beaufsichtigen. Zu den Aufgaben gehören - (a) Beaufsichtigen der Arbeit von Reinigungs-, Hauswirtschafts- und Gebäudeinstandhaltungspersonal sowie von Auftragnehmern; (b) Mitwirken bei Reinigung, einfachen Reparaturen und Instandhaltung von Gebäudeinnenräumen; (c) Betreuen von Heizkesseln und Boilern zur Sicherstellung der Wärme- und Warmwasserversorgung; (d) Regeln des Verhaltens von Mietern und Besuchern in Angelegenheiten wie Lärmschutz oder missbräuchlicher Nutzung von Eigentum; (e) Erbringen kleinerer Dienstleistungen für abwesende Mieter, etwa Annehmen von Lieferungen in deren Namen oder Erteilen gewünschter Auskünfte an Anrufer; (f) Benachrichtigen von Verwaltung und Gebäudeeigentümern über die Notwendigkeit größerer Reparaturen; (g) Patrouillieren durch Gebäude zur Aufrechterhaltung der Sicherheit; (h) Ausfüllen von Anmeldeformularen und Aushändigen von Regelwerkskopien an Mieter. Beispiele für die hier eingeordneten Berufe: - Hauswart - Concierge (Gebäude) - Hausmeister - Küster
Facility-Manager · Facility-Managerin · Hausbesorger · Hausbesorgerin · Hausbetreuer · Hausbetreuerin · Haushandwerker · Haushandwerkerin · Hausmeister · Hausmeisterin · Haustechniker · Haustechnikerin · +11 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 5153.
Das Warten der Anlagen und die Reaktion auf Notfälle bleiben gemessen unverändert — verschieben tun sich das Entgegennehmen von Anfragen und das Auswerten von Instandhaltungsberichten.
Hauswarte liegt im mittleren Bereich — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| Mittelfeld von 411 Berufen | nur am Rand von generativer KI berührt | Von 17 verglichenen Berufen sind 13 weniger betroffen als dieser. Gruppe: Personenbezogene Dienstleistungen |
Ähnlich eingeordnet: Barkeeper · Kellner · Haus- und Familienpfleger
Für diese Rolle selbst liegt kein eigener Messwert vor — alle genannten Zahlen stammen aus verwandten Berufen und lassen sich nur näherungsweise übertragen. Der Compliance- und Verwaltungsteil ist zudem bislang nur für den Finanzbereich untersucht; ausserhalb davon gilt „noch nicht untersucht", nicht „unverändert". Belastbare Aussagen speziell für diese Tätigkeit stehen also noch aus.
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 Herzstück dieser Arbeit — die Anlagen warten, reparieren, im Notfall sofort reagieren — ist ausdrücklich geprüft und als kaum betroffen eingestuft, weil die eigentliche Installation und Konfiguration weiterhin menschliches Können verlangt. Bewegung gibt es dagegen am Schreibtisch: Wo Anfragen telefonisch oder schriftlich eingehen, muss seltener an eine höhere Stelle weitergereicht werden und mehr lässt sich in gleicher Zeit erledigen — vor allem Neulinge profitieren, während Erfahrene kaum einen Unterschied merken. Auch die berichtsgestützte Instandhaltungssteuerung verschiebt sich, hier sinkt die Nachfrage nach den zugehörigen Fähigkeiten deutlich, allerdings innerhalb des Aufgabenmixes und nicht als Stellenabbau. Was gemessen wurde, betrifft ausdrücklich nur die generative KI — nicht Sensorik, Videoanalyse oder Wachtechnik.
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 Einarbeiten und Verwalten verschiebt sich, das Führen selbst bleibt menschlich.
Die administrative Seite der Personalarbeit gehört zu den am stärksten betroffenen Bürotätigkeiten, und beim Einarbeiten zeigt sich das konkret: Mit KI-Unterstützung sind neue Mitarbeitende schon nach zwei Monaten so weit wie sonst erst nach einem halben Jahr, und deutlich weniger von ihnen kündigen früh. Das Führen selbst — das Urteilen über Menschen und das Entscheiden in offenen Situationen — wird dagegen kaum an KI abgegeben und bleibt menschliche Aufgabe.
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.
Das Beantworten von Anfragen wird schneller und das Weiterleiten seltener, ein voller Ersatz ist es aber nicht.
Das Empfangen und Weiterleiten von Anrufen und Anfragen zählt zu den deutlich von KI erfassten Tätigkeiten. Mit KI-Unterstützung werden Anliegen schneller bearbeitet — im Schnitt rund 14 % mehr gelöste Fälle pro Stunde, bei Berufsanfängern sogar etwa ein Drittel mehr — und der Weiterleitungsanteil sinkt spürbar: Bitten, mit einer vorgesetzten Person zu sprechen, gehen um fast 25 % zurück. Ein voller Ersatz ist es aber nicht, denn viele dieser Aufgaben brauchen weiterhin merklichen menschlichen Einsatz.
Das Prüfen von Regeln an Daten und Dokumenten verschiebt sich, die Kontrolle vor Ort bleibt.
Das Auswerten von Daten und Vorschriften auf Verstöße gehört zu den Aufgaben, die KI heute am deutlichsten mitübernimmt — vor allem in Finanzdienstleistungen, wo der Einsatz bereits hoch ist, während er in anderen Branchen noch niedrig bleibt. Wo die Aufgabe stärker von KI berührt wird, geht die Arbeitsnachfrage etwas zurück, im Ganzen bleibt der Beschäftigungseffekt aber moderat, weil die Produktivität an anderer Stelle wieder Nachfrage schafft. Die Prüfung der Sicherheit direkt vor Ort dagegen bleibt Sache der Menschen.
Das Reagieren auf Vorfälle und Notfälle bleibt unberührt — KI berührt allenfalls das Erkennen, nicht das Handeln.
Sicherheits-, Rettungs- und Einsatzberufe zählen durchgängig zu den nicht betroffenen Tätigkeiten, gemessen und stabil niedrig: Die Reaktion vor Ort lebt vom körperlichen Handeln in der Situation, und zwei methodisch unabhängige Quellen bestätigen die geringe Berührung. Wo KI überhaupt ansetzt, geht es um das Erkennen von Auffälligkeiten — etwa in der Betrugs- und Cyberabwehr —, nicht um die Reaktion selbst.
Das planungs- und berichtsgestützte Steuern der Instandhaltung verschiebt sich, das Anleiten der Arbeit vor Ort bleibt.
Beim Organisieren und Leiten von Instandhaltung trennen sich zwei Teile. Der planungs- und berichtsnahe Anteil — Abläufe auswerten, Produktion verfolgen, die Instandhaltung darüber steuern — verliert deutlich an Nachfrage; in Stellenanzeigen gehen genau diese Aufgaben um rund 26 % zurück. Die praktische Reparatur- und Wartungsarbeit dagegen bleibt der heutigen KI weitgehend entzogen, und in KI-nahen Betrieben wird sie sogar etwas stärker gesucht — sie ergänzt die Technik, statt von ihr ersetzt zu werden.
Das Dokumentieren des Verbrauchs verschiebt sich, das Ablesen vor Ort bleibt vorerst menschlich.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Beim Ablesen und Dokumentieren von Zählerständen verschiebt sich vor allem der erfassende, dokumentierende Teil: In KI-nahen Betrieben ist die Nachfrage nach Erfassungs- und Ablagefertigkeiten messbar zurückgegangen. Das eigentliche Ablesen vor Ort bleibt dagegen stärker an den Menschen gebunden. Die Untersuchungen ordnen die Tätigkeit auf der untersten Stufe der Betroffenheit ein — mit erhöhtem Automatisierungspotenzial nur in einzelnen Teilschritten, nicht im Ganzen.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Hauswarte · 5153
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.
Gradient 4 4416 Personnel Clerks 0.6 0.09
Establishment-level AI exposure is associated with decreased demand for management skills. On average across countries in the sample demand for management skills declined by under 4 percentage points for a one standard deviation increase in AI exposure (Figure 4.2, Panel A). All countries in the sample are associated with a decline in management skills, and all are statistically significant from zero. Resource management includes human resource management, financial management, among others.
Access to the AI tool helps newer agents move more quickly down the experience curve: treated agents with two months of tenure perform just as well as untreated agents with more than six months of tenure. In contrast, we find minimal impacts on the productivity of more-experienced or more-skilled workers.
Panel A shows that access to AI assistance is associated with the strongest reductions in attrition among newer agents, those with less than 6 months of experience. The magnitude of this coefficient, around 10 percentage points, translates into a 40% decrease relative to a baseline attrition rate in this group of 25%.
Management, at 23% of respondents, is also heavily over-represented relative to its 7% employment share, even though it accounts for only 4% of sessions. This gap is consistent with managers using Claude for tasks other than management itself: in the survey, judgment and management are named by many respondents (especially those with more experience) as capabilities AI lacks.
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.
Gradient 3 4222 Contact Centre Information Clerks 0.58 0.06 / Gradient 3 4226 Receptionists (general) 0.57 0.17 / Gradient 3 4223 Telephone Switchboard Operators 0.54 0.15 / Gradient 3 4224 Hotel Receptionists 0.51 0.07 / Gradient 3 4225 Inquiry Clerks 0.57 0.09 / Gradient 2 4229 Client Information Workers Not Elsewhere Classified 0.42 0.13 / 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).
In most customer service settings, front-line agents attempt to resolve customer problems but can seek the help of supervisors when they are unsure of how to proceed. Customers, knowing this, will sometimes attempt to escalate a conversation by asking to speak to a manager. […] Following the introduction of AI assistance, we see a gradual decline in requests for escalation. Relative to a baseline rate of approximately 6 percentage points, these coefficients suggest that AI assistance generates an almost 25% decline in customer requests to speak to a manager.
Access to the tool increases productivity, as measured by issues resolved per hour, by 14% on average, including a 34% improvement for novice and low-skilled workers but with minimal impact on experienced and highly skilled workers.
Skills and tasks that can be roughly described as clerical tasks were the sub-group of skills that saw the largest reduction in demand. Demand for clerical skills declined by slightly more than 2 percentage points for a one standard deviation increase in establishment-level AI exposure […]. Business Process skills include clerical and administrative tasks along with sales and customer service.
While tasks such as taking meeting notes or scheduling appointments can significantly benefit from GenAI support, our 2023 scores for such tasks, which reached 0.9 in some cases, reflected an overly optimistic assessment of full automation potential. In reality, many of these tasks still require substantial human effort.
Collect and analyze data to detect deficient controls, duplicated effort, extravagance, fraud, or non-compliance with laws, regulations, and management policies. / Assess credit risk and provide regulatory compliance across different lines of business.
Tasks with higher AI exposure subsequently experience reduced labor demand. […] Despite strong substitution at the task level, overall employment effects are modest, as reduced demand in exposed occupations is offset by productivity-driven increases in labor demand at AI-adopting firms.
More broadly, functions tied to information processing, software, customer engagement, and internal knowledge work reported higher adoption than areas such as strategy and corporate finance and risk and compliance, where uptake remains low across most sectors. Financial services were an exception; they reported high use in risk and compliance functions, which are more central to their core operations.
Not Exposed 3257 Environmental and Occupational Health Inspectors and Associates 0.24 0.04 / Not Exposed 2263 Environmental and Occupational Health and Hygiene Professionals 0.28 0.05
Not Exposed 5414 Security Guards 0.2 0.09 / Not Exposed 5419 Protective Services Workers Not Elsewhere Classified 0.2 0.05 / Not Exposed 5411 Fire Fighters 0.18 0.1 / Not Exposed 5412 Police Officers 0.14 0.03 / Not Exposed 5413 Prison Guards 0.14 0.04 / Not Exposed 3355 Police Inspectors and Detectives 0.23 0.07 / Not Exposed 3258 Ambulance Workers 0.22 0.17
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.
By contrast, 'Cybersecurity and Fraud Detection' primarily affects Protective Services, which otherwise show little AI exposure.
By contrast, 'Cybersecurity and Fraud Detection' primarily affects Protective Services, which otherwise show little AI exposure.
Minimal Exposure 1321 Manufacturing Managers 0.38 0.11 | Minimal Exposure 3122 Manufacturing Supervisors 0.35 0.13 | Minimal Exposure 1323 Construction Managers 0.34 0.06
Not Exposed 7231 Motor Vehicle Mechanics and Repairers 0.18 0.04 | Not Exposed 7233 Agricultural and Industrial Machinery Mechanics and Repairers 0.17 0.04 | Not Exposed 3123 Construction Supervisors 0.28 0.06 | Not Exposed 3115 Mechanical Engineering Technicians 0.26 0.08
Industrial Production Managers • Develop or implement production tracking or quality control systems, analyzing production, quality control, maintenance, or other operational reports to detect production problems. −26.6 | applications, Industrial Production Managers experience large declines in skills related to planning and tracking operational decisions. | these exposed tasks experience significant declines in demand relative to other tasks in the same firm–occupation cell
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.
Gradient 1 9623 Meter Readers and Vending-machine Collectors 0.38 0.21
Low overall GenAI exposure at the occupational level, but high variability across tasks. Some tasks within these occu pations have an elevated automation potential, even if the occupation as a whole remains strongly reliant on tasks that have a low potential of automation. While some tasks within these roles may have high automation potential, the occupation has many tasks that continue requiring human roles, aligning closely with the notion of augmentation in the old framework.
Demand for clerical skills declined by slightly more than 2 percentage points for a one standard deviation increase in establishment-level AI exposure (Figure 4.3, Panel B). […] The most frequently demanded skills in clerical tasks are administrative suppo rt and record keeping, and this subgrouping includes the use of general office tools as well.
Not Exposed 3131 Power Production Plant Operators 0.28 0.11 Exposure 5153 Building Caretakers 0.27 0.16
Anfragen entgegennehmen und Instandhaltungsberichte auswerten verschieben sich, das Warten der Anlagen und die Reaktion auf Notfälle bleiben gemessen unverändert.
Am stärksten bewegt sich der Schreibtischteil der Rolle: Wo Kontakte telefonisch oder schriftlich eingehen, sinkt die Weiterleitung an eine höhere Instanz um rund 25 Prozent und der Durchsatz steigt um 14 Prozent — allerdings mit +34 Prozent bei Neulingen und „minimal impact" bei Erfahrenen, und gemessen an Contact-Center-Personal, nicht am persönlichen Empfang von Besuchern; für die berichtsgestützte Instandhaltungssteuerung misst NBER 33509 einen Rückgang der Skill-Nachfrage um 26,6 Prozent, allerdings relativ zwischen den Aufgaben derselben Firma-Beruf-Zelle, nicht als Stellenabbau. Das Warten und Reparieren der Anlagen selbst ist dagegen ausdrücklich gemessen und niedrig eingestuft: Die ILO hat genau diese Tätigkeit einer Expertenprüfung unterzogen und den Umfragewert von 0,55 auf 0,25 abgewertet, weil „the physical installation and configuration still require human expertise" — belegt verschiebt sich nur der informationelle Rand („planning, documentation, and troubleshooting guides"). Auch die Reaktion auf Sicherheitsvorfälle und Notfälle ist von zwei unabhängigen Quellen gemessen und ohne relevante Exposition (Security Guards 0,20/SD 0,09, Protective Services n.e.c. 0,20/SD 0,05), und die Vor-Ort-Sicherheitsprüfung liegt mit SD 0,04–0,05 so eng, dass nicht einmal einzelne Teilaufgaben auffallen — was ausdrücklich eine Aussage über generative KI ist und keine über Sensorik, Videoanalyse oder Wachtechnik.
Für ISCO 5153 selbst liegt in keinem der Dossiers ein eigener ILO-Wert vor — alle genannten Werte gelten auf Tätigkeitsebene für benachbarte Berufe, und der Compliance-Teil der Rolle ist inhaltlich nur für den Finanzsektor belegt, außerhalb davon gilt „nicht untersucht", nicht „unverändert".
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Hauswarte allgemein — mit Tätigkeiten wie „Anlagen und Geräte installieren, warten und reparieren“ oder „Personal führen, einstellen und schulen“.
Für diesen Beruf liegt die gemessene Betroffenheit im Mittelfeld.
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): Hauswarte — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/hauswarte
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0