Der Kern dieser Arbeit ist, gefährliches, unübersichtliches Gelände wieder in einen sicheren, aufgeräumten Zustand zu bringen. Vorsprünge entfernen, Verschüttungen beseitigen, Maschinen und Wege sauber halten – Arbeiten, die anderen erst den nächsten Schritt ermöglichen.
Unter Tage und im Steinbruch übernehmen Hilfsarbeiter die Arbeiten drumherum: Maschinen warten helfen, aufräumen, Material sortieren und lagern.
Hilfsarbeiter im Bergbau und im Steinbruchbetrieb verrichten routinemäßige Tätigkeiten bei Bergbau- und Steinbrucharbeiten. Zu den Aufgaben gehören - (a) Unterstützen von Bergleuten und Steinbrucharbeitern bei der Wartung von Maschinen, Ausrüstung sowie Gruben- und Steinbruchanlagen; (b) Montieren und Demontieren von Bergbaugeräten; (c) Entfernen von Streckenausbauten aus stillgelegten Grubenbauen in Bergwerken und Steinbrüchen; (d) Entfernen gefährlicher Vorsprünge aus Grubenbauen in Bergwerken und Steinbrüchen; (e) Entfernen von Abfall sowie brauchbaren Materialien und Geräten aus Arbeitsbereichen nach Abschluss der Abbautätigkeiten sowie Beseitigen von Gesteins- und Mineralverschüttungen; (f) Reinigen von Maschinen, Geräten, Werkzeugen, Fahrwegen und Förderstrecken; (g) Sortieren, Beladen, Entladen, Stapeln und Lagern von Werkzeugen, Materialien und Vorräten, die von anderen Bergarbeitern verwendet werden. Beispiele für die hier eingeordneten Berufe: - Bergbauhilfsarbeiter/in - Steinbruchhilfsarbeiter/in Einige verwandte, anderswo eingeordnete Berufe: - Bohrer/in (Bergbau) - 8111 - Bergmann/Bergfrau - 8111 - Bergbauanlagenbediener/in - 8111 - Steinbrucharbeiter/in (Fachkraft) - 8111 - Bohrer/in (Erdöl- oder Erdgasbohrung) - 8113 - Bohranlagenbediener/in - 8113
Bergarbeiter · Bergarbeiterin · Bergbauhelfer · Bergbauhelfer/Bergbauhelferin · Bergbauhelferin · Bergwerkshilfsarbeiter · Bergwerkshilfsarbeiterin · mining assistant
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 9311.
Zuarbeiten, Montieren, Reinigen und Warten bleiben von der KI unberührt — nur am Informationsrand der Wartung zeigt sich eine leichte Bewegung.
Hilfsarbeiter im Bergbau 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 2 weniger betroffen als dieser. Gruppe: Hilfskräfte Bau, Bergbau & Transport |
Ähnlich eingeordnet: Fensterputzer · Hilfsarbeiter in Ackerbau und Tierhaltung · Hilfsarbeiter in der Fischerei und Aquakultur
Für diesen Beruf selbst gibt es keinen eigenen Wert, und gemessen wurde nur generative KI — Bergbau-, Reinigungs- und Umschlagrobotik ist nicht erfasst. 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
Anlagen montieren und warten, Flächen und Fahrzeuge reinigen, körperlich zupacken — für all das findet die Studienlage keine nennenswerte Berührung durch KI; die Berufe liegen in der untersten von sechs Kategorien. Beim Installieren von Anlagen haben Fachleute den ersten Schätzwert deutlich gesenkt und der KI ausdrücklich nur die Randbereiche zugeschrieben — Planung, Dokumentation, Anleitungen zur Fehlersuche —, also Zuarbeit statt Übernahme. Auf betrieblicher Ebene misst die OECD in KI-nahen Betrieben eine leicht steigende Nachfrage nach genau solchen praktischen Fähigkeiten. Sie nennt diesen Effekt allerdings selbst bescheiden und von Land zu Land sehr unterschiedlich.
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.
Die körperliche Reinigungsarbeit bleibt, die Rolle der Robotik ist noch offen.
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.
Der heutigen KI bleibt die einfache körperliche Arbeit verschlossen — andere Automatisierung könnte weiter reichen.
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.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Hilfsarbeiter im Bergbau und in der Gewinnung von Steinen und Erden · 9311
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 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.
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.
Zuarbeiten, Montieren, Reinigen und Warten bleiben in der GenAI-Messung unverändert; belegt bewegt sich nur der informationelle Rand der Wartung.
Für alle vier Tätigkeiten dieser Rolle — Anlagen installieren und warten, Bauteile montieren, Flächen und Fahrzeuge reinigen, einfache körperliche Hilfsarbeit — findet die ILO auf Tätigkeitsebene keine relevante Exposition gegenüber generativer KI: Die zugeordneten Helfer- und Handwerksberufe liegen mit Mittelwerten zwischen 0,09 und 0,21 in der untersten von sechs Kategorien, bei Standardabweichungen von 0,01 bis 0,03, die auch einzelne exponierte Teilaufgaben ausschließen. Das ist ein Messergebnis und keine Datenlücke: Für die benannte Aufgabe „Anlagen installieren" senkte ein Expertenpanel den Laien-Umfragewert von 0,55 auf 0,25 und ließ als KI-gestützten Rest ausdrücklich nur „planning, documentation, and troubleshooting guides" stehen — Zuarbeit, keine Übernahme. Gegenläufig, aber auf betrieblicher Ebene statt auf Tätigkeitsebene: Die OECD misst an Stellenanzeigen aus zehn Ländern eine leicht steigende Nachfrage nach Produktions-, Instandhaltungs- und körperlichen Fähigkeiten in Betrieben mit höherer KI-Exposition, qualifiziert sie aber selbst als „quite modest" mit „substantial cross-country heterogeneity".
Für ISCO 9311 selbst liegt kein eigener Messwert vor, und gemessen wurde ausschließlich generative KI — Bergbau-, Reinigungs- und Umschlagrobotik ist von keiner Korpusquelle auf Tätigkeitsebene erfasst, der Befund ist also keine Automatisierungs-Entwarnung.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Hilfsarbeiter im Bergbau 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): Hilfsarbeiter im Bergbau — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/hilfsarbeiter-im-bergbau
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0