Der Kern dieser Arbeit ist Überwachung eines Prozesses, der größtenteils im Verborgenen abläuft – in geschlossenen Kammern und Behältern. Temperatur, Druck und Lösung müssen über den ganzen Zyklus stimmen, sonst zieht das Holz die Konservierung nicht richtig auf.
Damit Holz nicht verzieht oder fault, überwachen Holztrockner und -konservierer Trockenkammern und Behandlungsanlagen, in denen Schnittholz getrocknet und imprägniert wird.
Holztrockner und -konservierer trocknen, konservieren und behandeln Holz und Schnittholz manuell oder mithilfe von Holzbehandlungsanlagen wie Trockenkammern und Behältern. Zu den Aufgaben gehören - (a) Bedienen und Überwachen von Trockenkammern, Behandlungsbehältern und anderer Ausrüstung zum Trocknen von Schnittholz, zum Vorbereiten und Ablagern von Holz und anderen Holzprodukten sowie zum Imprägnieren von Holzprodukten mit Konservierungsmitteln; (b) Überwachen des Anlagenbetriebs, der Messgeräte und Kontrollleuchten, um Abweichungen von Normen zu erkennen und sicherzustellen, dass die Prozesse den Spezifikationen entsprechend ablaufen; (c) Bedienen von Ventilen, um Behandlungslösung in Behandlungsbehälter einzulassen und die vorgegebene Temperatur, den Unterdruck und hydraulischen Druck sowie den Lösungsstand während jeder Phase des Behandlungszyklus aufrechtzuerhalten; (d) Aktivieren von Vakuum- und Hydraulikdruckpumpen, die Luft und Dampf aus Retorten entfernen und Behandlungslösung in die Poren des Holzes pressen, um den Behandlungsprozess zu beschleunigen; (e) Unterstützen bei der Wartung von Verarbeitungsanlagen und Maschinen nach Bedarf; (f) Reinigen, Schmieren und Justieren von Ausrüstung; (g) Transportieren von Materialien und Produkten zu und von Arbeitsbereichen manuell oder mit Karren, Handwagen oder Hebezeugen; (h) Ausfüllen und Führen von Produktionsberichten. Beispiele für die hier eingeordneten Berufe: - Bediener von Trockenkammern - Bediener von Holztrockenkammern - Bediener von Holzbehandlungsbehältern - Furniertrockner-Bediener - Holztrockner - Holzkonservierer Einige verwandte, anderswo eingeordnete Berufe: - Bediener von Holzverarbeitungsanlagen - 8172
Bediener von Holztrocknungsanlagen · Bediener von Holztrocknungsanlagen/Bedienerin von Holztrocknungsanlagen · Bedienerin von Holztrocknungsanlagen · Fachkraft für Holzbearbeitung · dry kiln operator · dry kiln specialist · dry kiln technician · drying kiln operator · drying kiln specialist · drying kiln technician · wood drying kiln operative · wood drying kiln operator · +16 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 7521.
Anlagen fahren, warten und Material umschlagen bleibt in der Messung unverändert — verschieben dürfte sich nur der schreibende Teil der Arbeit, weg vom Entwerfen hin zum Prüfen.
Holztrockner und -konservierer liegt im mittleren Bereich — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| unteres Mittelfeld von 411 Berufen | nicht von generativer KI berührt | Von 20 verglichenen Berufen sind 15 weniger betroffen als dieser. Gruppe: Lebensmittel, Holz & Bekleidung |
Ähnlich eingeordnet: Berufe in der Druckweiterverarbeitung und Buchbinder · Einrichter und Bediener von Holzbearbeitungsmaschinen · Molkerei- und Käsereifachkräfte
Für diesen Beruf gibt es keine eigene Messung — die Einordnung ist nur über die Tätigkeit gebildet, und erhoben wurde allein generative KI, nicht die Sensorik und Regelungstechnik der Trocknungssteuerung. Nach heutigem Stand wenig berührt, mit der Anlagentechnik 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 Bedienen der Trocknungs- und Imprägnieranlagen, Wartung und Instandsetzung sowie der Materialumschlag liegen so niedrig, dass nicht einmal einzelne Teilaufgaben als betroffen gemessen wurden — physisch-manuelle Arbeit stuften Fachleute durchgehend herab, im dokumentierten Fall des Schweißens von hoch auf nahezu null. In Betrieben mit stärkerem KI-Einsatz findet eine Untersuchung sogar eine leicht steigende Nachfrage nach Produktions-, Umschlag- und körperlichen Fähigkeiten, ordnet sie selbst aber als bescheiden und regional sehr unterschiedlich ein. Belegt verändert hat sich nur der schreibende Anteil der Arbeit: In einem kontrollierten Versuch fiel die Zeit fürs Entwerfen von rund der Hälfte auf deutlich weniger, während die Zeit fürs Redigieren sich mehr als verdoppelte — bei schnellerer Bearbeitung und besserer Qualität. Das wurde allerdings an Büro- und Beratungstätigkeiten gemessen, nicht an Trocknungsprotokollen oder Chargennachweisen.
Die Arbeit an der Maschine bleibt körperlich, offene Fragen stellen sich erst bei der selbststeuernden Anlage.
Das Bedienen und Steuern von Maschinen lebt vom körperlichen Tun, und genau hier stößt die heutige KI an ihre Grenze: Fachleute haben die Automatisierbarkeit dieser Aufgabe deutlich nach unten korrigiert, weil Systeme für Text und Sprache keinen Zugriff auf die physische Ausführung haben — unabhängige Untersuchungen kommen für manuelle Tätigkeiten zum selben Ergebnis. Wohin sich der Anteil unmittelbarer Bedienung verschiebt, wenn selbstlernende Steuerungssoftware die routinemäßige Prozessführung übernimmt und der Mensch stärker überwacht und bei Abweichungen eingreift, ist damit aber noch nicht beantwortet.
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 Formen und Verzieren von Hand bleibt der KI weitgehend entzogen, weil es an der handwerklichen Geschicklichkeit selbst hängt.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Material von Hand zuzuschneiden, zu formen und zu verzieren lebt von handwerklicher Geschicklichkeit — und daran geht die heutige KI weitgehend vorbei: Alle einschlägigen Handwerksberufe fallen in die niedrigste Betroffenheitsstufe, und Fachleute haben die ursprünglichen Einschätzungen für diese Aufgaben sogar noch nach unten korrigiert. Eine unabhängige Quelle kommt für körperlich-manuelle Arbeit zum selben Ergebnis. Denkbar ist, dass die vorgelagerte Zuschnittplanung eher digital wird als die eigentliche Formgebung und sich die Tätigkeit stärker auf Vorlagenarbeit und Feinkorrektur verlagert — das ist aber eine Vermutung, kein gemessener Befund.
Das Verfassen der Berichte wird schneller, das Prüfen und Verantworten der Inhalte rückt in den Vordergrund.
Beim Schreiben von Sach- und Verwaltungstexten übernimmt KI zunehmend den ersten Rohentwurf: In kontrollierten Versuchen halbiert sich die Zeit fürs Draften, während das Überarbeiten sich mehr als verdoppelt — Tempo und Qualität steigen dabei zugleich. Diese Bürotätigkeiten gehören zu den am stärksten betroffenen, und in echten Stellenanzeigen sinkt bei KI-nahen Betrieben die Nachfrage nach reinen Schreib- und Verwaltungsfertigkeiten. Was bleibt, ist das Redigieren und das Einstehen für den Inhalt.
Das Bedienen der Umschlagmaschinen bleibt körperliche Arbeit — und wird eher mehr gebraucht als weniger.
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.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Holztrockner und -konservierer · 7521
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.
Applying various welding methods and using different types of welding machines and equipment, in accordance with training or qualifications. 0.43 0.05 0.05 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.
Occupations involving cognitive, non-routine tasks – such as programming, translating, interpreting and other highly skilled professional work – tend to exhibit higher exposure. […] By contrast, roles reliant on physical or manual tasks, such as cleaning or equipment operation, show minimal exposure.
Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score.
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.
Not Exposed 7317 Handicraft Workers in Wood, Basketry and Related Materials 0.14 0.01 | Not Exposed 7318 Handicraft Workers in Textile, Leather and Related Materials 0.13 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.
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.
By contrast, roles reliant on physical or manual tasks, such as cleaning or equipment operation, show minimal exposure.
Similar to our 2023 study, clerical occupations exhibit the highest levels of exposure, though with a decline in their mean scores due to a reassessment of certain task-level evaluations […] Among the 13 occupations classified in gradient 4, the majority represent clerical roles, including data entry clerks, typists and word processing operators, accounting and bookkeeping clerks, and general office clerks.
In contrast, occupations involving more cognitive or knowledge-intensive tasks, such as Clerical Support Workers and Professionals, show a much more mixed picture. While some tasks in these groups received lower scores, many others were revised upwards by the expert group, reflecting the greater adaptability of generative AI for structured, data-driven, or communication-focused tasks.
ChatGPT substantially changes the structure of writing tasks. Figure 3 Panel A shows that prior to the treatment, participants spend about 25% of their time brainstorming, 50% writing a rough draft, and 25% editing. Post-treatment, the share of time spent writing a rough draft falls by more than half and the share of time spent editing more than doubles.
Our results show that ChatGPT substantially raises average productivity: time taken decreases by 0.8 SDs and output quality rises by 0.4 SDs. Inequality between workers decreases, as ChatGPT compresses the productivity distribution by benefiting low-ability workers more.
At the establishment level, AI exposure is associated with declining demand for general skills commonly used in office settings. […] Digging further into these categories, the results point to drops in demand for general office skills such word processing and spreadsheet software, basic computer programming skills, as well as administrative and clerical tasks and basic project management skills.
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.
Anlagen fahren, warten und Material umschlagen bleibt in der Messung unverändert, das Protokollieren und Berichten verschiebt sich vom Entwerfen zum Prüfen
Für 7521 führt die ILO keine eigene Zeile; der nächstverwandte in Table A1 gemessene Beruf, Wood Processing Plant Operators (8172), liegt mit 0,14 bei einer Streuung von 0,05 in „Not Exposed" — bei so geringer Streuung ist nicht einmal eine einzelne Teilaufgabe exponiert. Auf Tätigkeitsebene gilt das gleichermaßen für das Bedienen der Trocknungs- und Imprägnieranlagen, für Wartung und Instandsetzung und für den Materialumschlag, dessen Berufe zwischen 0,12 und 0,20 liegen; Fachexperten korrigierten physisch-manuelle Tasks systematisch nach unten — im dokumentierten Fall des Schweißens von 0,43 auf 0,05 —, und die OECD findet in Betrieben mit höherer KI-Exposition sogar eine leicht steigende Nachfrage nach Produktions-, Umschlag- und körperlichen Fertigkeiten, die sie selbst als „modest" mit „substantial cross-country heterogeneity" einordnet. Verändert hat sich belegt nur der schreibende Anteil der Arbeit: Im kontrollierten Versuch fiel der Zeitanteil für den Rohentwurf von rund 50 Prozent auf weniger als die Hälfte und der fürs Redigieren stieg von rund 25 Prozent auf über das Doppelte, bei −0,8 Standardabweichungen Bearbeitungszeit und +0,4 Qualität — allerdings an Marketing-, Beratungs- und Personalbeschäftigten in 20- bis 30-Minuten-Aufgaben gemessen, nicht an Trocknungsprotokollen oder Chargennachweisen.
Für ISCO 7521 existiert in keiner Quelle eine eigene Zeile — die Einordnung ist ausschließlich auf Tätigkeitsebene gebildet, und gemessen wurde allein generative KI, nicht die Sensorik und Regelungstechnik der Trocknungssteuerung.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Holztrockner und -konservierer allgemein — mit Tätigkeiten wie „Maschinen und Anlagen bedienen und steuern“ oder „Anlagen und Geräte installieren, warten und reparieren“.
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): Holztrockner und -konservierer — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/holztrockner-und-konservierer
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0