Der Kern dieser Arbeit ist, Unsicherheit in Zahlen zu fassen. Aus Fragen wie „Wie wahrscheinlich ist ein Ereignis?" oder „Wie zuverlässig ist ein Befund?" werden Modelle und Berechnungen, auf die sich andere verlassen können. Welche Mittel dabei zum Einsatz kommen, verschiebt sich zusehends.
Mathematiker, Versicherungsmathematiker und Statistiker übersetzen komplexe Fragestellungen in Zahlen und Modelle – von Risikoberechnungen bis zu großen Datenmengen.
Mathematiker, Versicherungsmathematiker und Statistiker betreiben Forschung und verbessern oder entwickeln mathematische, versicherungsmathematische und statistische Konzepte, Theorien, Arbeitsmethoden und -techniken und beraten zu deren praktischer Anwendung oder wenden diese selbst an, etwa in den Bereichen Ingenieurwesen, Wirtschaft sowie Sozial- und andere Wissenschaften. Zu den Aufgaben gehören - (a) Untersuchung, Verbesserung und Entwicklung mathematischer, versicherungsmathematischer und statistischer Theorien und Techniken; (b) Beratung zu oder Anwendung von mathematischen Prinzipien, Modellen und Techniken auf ein breites Spektrum von Aufgaben in den Bereichen Ingenieurwesen, Natur-, Sozial- oder Lebenswissenschaften; (c) Durchführung logischer Analysen von Managementproblemen, insbesondere im Hinblick auf die Input-Output-Effizienz, und Formulierung mathematischer Modelle für jedes Problem, in der Regel zur Programmierung und Lösung mittels Computer; (d) Gestaltung und Inbetriebnahme von Rentensystemen sowie Lebens-, Kranken-, Sozial- und anderen Versicherungssystemen; (e) Anwendung von Mathematik, Statistik, Wahrscheinlichkeits- und Risikotheorie zur Bewertung potenzieller finanzieller Auswirkungen zukünftiger Ereignisse; (f) Planung und Organisation von Erhebungen und anderen statistischen Sammlungen sowie Gestaltung von Fragebögen; (g) Auswertung, Verarbeitung, Analyse und Interpretation statistischer Daten sowie deren Aufbereitung zur Veröffentlichung; (h) Beratung zu oder Anwendung verschiedener Datenerhebungsmethoden und statistischer Methoden und Techniken sowie Bestimmung der Zuverlässigkeit von Befunden, insbesondere in Bereichen wie Wirtschaft oder Medizin sowie in anderen Bereichen der Natur-, Sozial- oder Lebenswissenschaften; (i) Erstellung wissenschaftlicher Abhandlungen und Berichte; (j) Beaufsichtigung der Arbeit von mathematischen, versicherungsmathematischen und statistischen Assistenten sowie statistischen Bürokräften. Beispiele für die hier eingeordneten Berufe: - Versicherungsmathematiker - Demograf - Mathematiker - Operations-Research-Analyst - Statistiker Einige verwandte, anderswo eingeordnete Berufe: - Informationssystemanalytiker - 2511 - Versicherungsmathematische Assistenzkraft - 3314 - Mathematische Assistenzkraft - 3314 - Statistische Assistenzkraft - 3314 - Versicherungsmathematische Bürokraft - 4312 - Statistische Bürokraft - 4312
Aktuar · Aktuar im Bankwesen · Aktuar im Versicherungswesen · Aktuar Versicherungs- und Finanzwirtschaft · Aktuar/Aktuarin · Aktuarin · Aktuarin im Bankwesen · Aktuarin im Versicherungswesen · Aktuarin Versicherungs- und Finanzwirtschaft · Berater Versicherungsmathematik · Beraterin Versicherungsmathematik · Bevölkerungsstatistiker · +156 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 2120.
Das Aufspüren von Mustern in Daten übernimmt zunehmend die Maschine — das Interpretieren und Einordnen der Ergebnisse gewinnt dadurch an Gewicht.
Mathematiker, Versicherungsmathematiker und Statistiker 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 oberen Bereich der von generativer KI berührten Berufe | Von 24 verglichenen Berufen ist keiner stärker betroffen als dieser. Gruppe: Naturwissenschaft & Ingenieurwesen |
Ähnlich eingeordnet: Anwendungsprogrammierer · Autoren und verwandte schriftstellerische Berufe · Bibliotheks- und Informationswissenschaftler
Die vorliegenden Zahlen zeigen, was KI grundsätzlich könnte — nicht, was bei dieser Tätigkeit tatsächlich schon geschieht. Für Datenanalyse, Modellentwicklung und Befragung fehlt bislang eine belastbare Messung, und bei den Erhebungsberufen liegen die Einschätzungen weit auseinander, ohne dass klar ist, welche Teilaufgabe das treibt. Nach heutigem Stand also eher ein Möglichkeitsraum als ein gesicherter Befund — die konkrete Entwicklung lohnt den weiteren Blick.
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
Dieser Beruf zählt zu den stärker betroffenen: Programme, die Datenbanken und Dashboards selbstständig nach Mustern und Ursachen durchsuchen, sind inzwischen die am breitesten verbreitete KI-Anwendung überhaupt und nehmen gerade Mathematik- und Statistikberufen das manuelle Suchen ab. Doch das Deuten der Ergebnisse wird dadurch nicht weniger, sondern mehr wert — Betriebe stufen Analyse- und Interpretationsfähigkeit ausdrücklich als wichtiger ein, und keine Untersuchung zeigt, dass die KI die Interpretation selbst übernimmt. Auch die Erhebung von Daten verschiebt sich in ähnliche Richtung. Bemerkenswert ist, dass die zugrundeliegende Studie ihre eigenen früheren Werte zuletzt nach unten korrigiert hat, weil viele dieser Aufgaben weiterhin erhebliche menschliche Arbeit erfordern.
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.
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 maschinelle Auswerten von Daten übernimmt zunehmend die KI, das Deuten der Ergebnisse wird wichtiger.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
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.
Beim Entwickeln von Modellen und Methoden übernimmt KI zunehmend die strukturiert-analytischen Anteile, das Durchdenken und Verantworten bleibt.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Das Entwickeln von Modellen, Theorien und Methoden gehört zu den Tätigkeiten, bei denen sich viel bewegt: Ein erheblicher Teil der Aufgaben ist durchgängig KI-nah, und Fachleute haben gerade die strukturiert-analytischen, daten- und kommunikationsbezogenen Anteile nach oben korrigiert — nicht nur Routinearbeit, sondern spezialisierte fachliche Aufgaben. Betroffenheit heißt dabei aber nicht Ersetzung: Ein großer Teil der heutigen Arbeit lässt sich mit KI erledigen, während dieselben Tätigkeiten sich zugleich weiterentwickeln und neue Aufgaben hervorbringen können.
Das Erheben und Auswerten verschiebt sich Richtung KI, doch der Aufwand am Menschen bleibt größer als zunächst gedacht.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Das Durchführen von Umfragen und Interviews zählt zu den stärker betroffenen Tätigkeiten: Sowohl die Feldarbeit selbst als auch die Auswertungsseite sind durchgängig betroffen, und stärker exponierte Aufgaben verlieren in den Daten anschließend an Arbeitsnachfrage. Zugleich haben die Forschenden ihre frühere Einschätzung nach unten korrigiert — Aufgaben wie das reine Erfassen galten einmal als fast vollständig automatisierbar, erfordern in der Praxis aber weiterhin erheblichen menschlichen Aufwand. Der Trend zeigt klar Richtung KI, fällt im Tempo aber nüchterner aus als anfangs angenommen.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Mathematiker, Versicherungsmathematiker und Statistiker · 2120
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.
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.
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.
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.
some occupations – such as financial analysts, and web and multimedia developers (gradient 4), as well as bank tellers, translators, applications programmers, investment advisers (gradient 3) – have increased their levels of exposure, highlighting the expanding abilities of GenAI technology to potentially automate more specialized tasks in professional and technical roles.
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. / experts highlighted the limitations of generative AI in handling physical and manual components, leading to significantly reduced adjusted scores compared to the survey.
we stress that such exposure does not imply the immediate automation of an entire occupation, but rather the potential for a large share of its current tasks to be performed using this technology. / The scores reflect the high potential of automation among their current tasks, but these occupations also possess a strong capacity to evolve and develop new tasks through innovative application of GenAI and related digital tools.
Gradient 3 4227 Survey and Market Research Interviewers 0.55 0.16
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.
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 2431 Advertising and Marketing Professionals 0.55 0.09 | Gradient 3 2631 Economists 0.55 0.08 | Gradient 3 2642 Journalists 0.54 0.1 | Gradient 2 2632 Sociologists, Anthropologists and Related Professionals 0.48 0.12
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 | 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.
Tasks with higher AI exposure subsequently experience reduced labor demand. | Table A.2: Top and bottom 25 occupations by average AI exposure 25 Most Exposed Occupations … Market Research Analysts and Marketing Specialists
Der Beruf ist rollenspezifisch in Gradient 3 gemessen, die Auswertung verschiebt sich vom Auffinden zum Prüfen — die Interpretationsleistung gewinnt dabei an Gewicht
Für diesen Beruf liegt ein eigener Wert vor, und er ist der höchste dieses Rollenschnitts: Die ILO führt 2120 Mathematicians, Actuaries and Statisticians mit 0,56 bei einer Streuung von 0,09 in Gradient 3, definiert als „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“ — die mittlere Streuung sagt dabei, dass die Exposition über die Teilaufgaben hinweg relativ gleichmäßig verteilt ist und nicht auf eine Einzelaufgabe zusammengedrängt. Beim Analysieren und Interpretieren von Daten ist das der einzige Task der Rolle, für den eine zweite, methodisch unabhängige Quelle etwas beiträgt: „Business Intelligence Insights“ ist laut NBER die über nahezu alle Branchen verbreitetste KI-Anwendungsklasse und trifft besonders Computer- und Mathematikberufe, sie „scan dashboards and databases to find trends and root causes without manual digging“ und machen Ergebnisse per „natural-language summaries readable for non-analysts“ — gegenläufig berichtet die OECD, GenAI habe „data analysis and interpretation skills more important“ gemacht, und keine Quelle belegt eine Übernahme der Interpretationsleistung selbst. Für die Erhebungsseite gilt derselbe Gradient 3 bei durchweg niedriger Streuung (3314 bei 0,57, 2631 bei 0,55, 2431 bei 0,55), während der Feld-Kernberuf 4227 Survey and Market Research Interviewers mit 0,55 eine auffällig hohe Streuung von 0,16 trägt, die Tätigkeit dort also ungleich exponiert ist; zugleich hat die ILO ihre eigenen Werte für diese Berufsgruppe gegenüber 2023 ausdrücklich abgesenkt, weil sie „an overly optimistic assessment of full automation potential“ waren und „many of these tasks still require substantial human effort“.
Alle Werte sind Automatisierungspotenziale, keine beobachteten Veränderungen: Der Korpus enthält keinen Zeitanteils- oder Qualitätsmesswert für Datenanalyse, Modellentwicklung oder Befragung, und welche Teilaufgabe die hohe Streuung bei den Erhebungsberufen trägt, benennt keine Quelle.
Diese Seite beschreibt Mathematiker, Versicherungsmathematiker und Statistiker allgemein — mit Tätigkeiten wie „Personal führen, einstellen und schulen“ oder „Sach- und Verwaltungstexte sowie Berichte verfassen“.
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): Mathematiker, Versicherungsmathematiker und Statistiker — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/mathematiker-versicherungsmathematiker-und-statistiker
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0