Der Kern dieser Arbeit ist kontrolliertes Heben und Bewegen schwerer Lasten – oft in großer Höhe oder über Gefahrenstellen hinweg. Ein falscher Handgriff am Hebel wirkt sich sofort aus, deshalb zählt volle Konzentration auf Ausleger, Last und Umgebung. Auch an diesem Zusammenspiel von Auge, Hebel und Last verschiebt sich gerade etwas.
Wenn schwere Lasten in die Höhe oder über weite Strecken müssen, übernehmen Kranführer und Aufzugmaschinisten das Steuer: Sie heben, senken und bewegen Ausrüstung, Material – manchmal auch Menschen.
Kranführer, Aufzugmaschinisten und Bediener verwandter Hebeeinrichtungen überwachen und bedienen stationäre und mobile Kräne sowie andere Hebevorrichtungen. Zu den Aufgaben gehören - (a) Bedienen und Überwachen von stationären oder mobilen Kränen durch Heben und Senken von Auslegern, um Ausrüstung und Materialien zu heben, zu bewegen, zu positionieren oder abzusetzen; (b) Bedienen und Überwachen von Geräten zum Heben, Senken oder Fördern von Arbeitskräften und Materialien auf Baustellen oder in Bergwerken; (c) Bedienen und Überwachen von Skiliften und ähnlichen Anlagen; (d) Bedienen und Überwachen von Maschinen zum Ziehen von Fähren oder Lastkähnen mit Gütern, Fahrgästen und Fahrzeugen über kurze Wasserstrecken; (e) Bedienen und Überwachen von Maschinen zum Öffnen und Schließen von Brücken für den Straßen- und Wasserverkehr; (f) Bedienen und Überwachen von Kränen mit Baggeraufsätzen zum Ausbaggern von Wasserstraßen und anderen Bereichen; (g) Bedienen von auf Booten oder Lastkähnen montierten Kränen zum Heben, Bewegen und Absetzen von Ausrüstung und Materialien. Beispiele für die hier eingeordneten Berufe: - Seilbahnführer/in - Sesselliftführer/in - Kranführer/in - Standseilbahnführer/in - Aufzugmaschinist/in - Förderkorbführer/in (Bergwerk) - Skiliftführer/in
Autokranführer · Autokranführer/Autokranführerin · Autokranführerin · Baukranführer · Baukranführer/Baukranführerin · Baukranführerin · Baukranmaschinist · Baukranmaschinistin · Brückenkranführer · Brückenkranführerin · Containerbrücken-Fahrer · Containerbrücken-Fahrerin · +100 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 8343.
Das Bedienen von Kranen und Hebezeugen bleibt unverändert – verschoben hat sich bisher nur die Planung ringsherum.
Kranführer und Aufzugmaschinisten 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 11 verglichenen Berufen sind 4 weniger betroffen als dieser. Gruppe: Fahrzeugführung & mobile Anlagen |
Ähnlich eingeordnet: Bediener von Maschinen zur Herstellung von Gummiwaren · Bediener von Maschinen zur Herstellung von Papierwaren · Busfahrer und Straßenbahnführer
Gemessen wurde nur generative KI — autonome Flurförderzeuge und Hebetechnik werden zwar als KI-Anwendungsfeld benannt, aber nicht als Messung der Tätigkeit erfasst. Das 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
Krane und Hebezeuge zu bedienen zählt zu den unberührten Tätigkeiten – so einheitlich, dass auch keine einzelne Teilaufgabe herausragt; Fachleute haben die Einschätzung für maschinenbedienende Berufe sogar ausdrücklich nach unten korrigiert. Was sich überhaupt bewegt, liegt im Umfeld statt in der Arbeit selbst: In Betrieben, die KI einsetzen, deutet sich an Stellenanzeigen eine leicht steigende Nachfrage nach Umschlags- und Flurförder-Fertigkeiten an. Dieser Effekt bleibt jedoch vorsichtig formuliert und je nach Land sehr verschieden. Und die Datengrundlage ist hier dünner als bei Büroberufen, denn in diesem Bereich blieben spürbar mehr Einschätzungen offen.
Das Führen von Fahrzeugen bleibt — in KI-nahen Betrieben wird es teils sogar stärker gebraucht.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Ob Bus, Lok, Bagger oder Gabelstapler — das Führen selbst zählt zu den Aufgaben, die die heutige KI kaum berührt; die Systeme arbeiten mit Sprache und Daten, nicht am Steuer. In Betrieben, die KI einsetzen, steigt die Nachfrage nach solchen Fähigkeiten eher leicht an, weil sie sich mit der Technik ergänzen — etwa der Gabelstaplerfahrer im Lager, dessen Arbeit durch günstigere KI-gestützte Logistik zunimmt. Nur bei einzelnen Teilaufgaben im Straßenverkehr zeigt sich mehr Bewegung als beim Kern der Tätigkeit.
Das Bedienen der Umschlagmaschinen bleibt körperliche Arbeit — und wird eher mehr gebraucht als weniger.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
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: Kranführer, Aufzugmaschinisten und Bediener verwandter Hebeeinrichtungen · 8343
Not Exposed 8331 Bus and Tram Drivers 0.18 0.06 / Not Exposed 8311 Locomotive Engine Drivers 0.2 0.08 / 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 where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score.
Gradient 1 8322 Car, Taxi and Van Drivers 0.28 0.23 / Minimal Exposure 8332 Heavy Truck and Lorry Drivers 0.24 0.22 / Exposed: Gradient 1 (Low exposure, high task variability) μ < 0.4 and μ + σ ≥ 0.5 — Low overall GenAI exposure at the occupational level, but high variability across tasks. Some tasks within these occupations have an elevated automation potential, even if the occupation as a whole remains strongly reliant on tasks that have a low potential of automation.
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.]
The three technology-based trends stand out as expected growth drivers only for light truck and delivery services drivers, software and applications developers, and nursing professionals.
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.
Das Bedienen von Kranen und Hebezeugen bleibt gemessen unverändert — verschoben hat sich bisher nur die Planung ringsherum.
Die ILO hat diesen Beruf einzeln vermessen und stuft ihn mit einem Expositionswert von 0,18 bei einer Streuung von 0,03 als „Not Exposed" ein — die niedrigste von sechs Kategorien und einer der geringsten Streuungswerte der gesamten Tabelle, was heißt: auch keine einzelne Teilaufgabe ragt heraus; Fachexperten haben die Werte für maschinenbedienende Berufe gegenüber der Laienbefragung ausdrücklich nach unten korrigiert. Was der Korpus an Veränderung findet, liegt im Umfeld, nicht in der Tätigkeit: Die OECD misst an Stellenanzeigen eine leicht steigende Nachfrage nach Umschlags- und Flurförder-Skills, wenn Betriebe KI einsetzen — sie stuft diesen Effekt aber selbst als „modest" mit „substantial cross-country heterogeneity" ein. Gegen die Belastbarkeit spricht die ILO selbst: In den Berufsgruppen 8 und 9 kamen „weiß nicht"-Antworten doppelt so häufig vor wie sonst.
Gemessen wurde ausschließlich generative KI — autonome Flurförderzeuge und Hebetechnik führt der Korpus zwar namentlich als KI-Anwendungsfeld, hat sie aber nie auf Tätigkeitsebene vermessen; das ist keine Automatisierungs-Entwarnung.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Kranführer und Aufzugmaschinisten allgemein — mit Tätigkeiten wie „Fahrzeuge und Verkehrsmittel führen“ oder „Maschinen und Fahrzeuge zum Materialumschlag bedienen“.
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): Kranführer und Aufzugmaschinisten — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/kranfuehrer-und-aufzugmaschinisten
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0