Der Kern dieser Arbeit ist ein Urteil, das im Mund und in der Nase entsteht, nicht auf einem Display. Riechen, schmecken, vergleichen – und daraus eine Klasse ableiten, die über den Wert des Produkts mitentscheidet.
Riechen, schmecken, einordnen: Nahrungsmittel- und Getränkekoster und -klassierer entscheiden, welche Qualitätsklasse ein Produkt bekommt.
Nahrungsmittel- und Getränkekoster und -klassierer inspizieren, verkosten und klassieren verschiedene Arten von landwirtschaftlichen Produkten, Lebensmitteln und Getränken. Zu den Aufgaben gehören - (a) Inspizieren, Prüfen, Verkosten und Riechen von landwirtschaftlichen Produkten, Lebensmitteln und Getränken in verschiedenen Verarbeitungsstadien; (b) Bestimmen der Qualität, der Akzeptanz beim Verbrauchergeschmack und des ungefähren Werts von Produkten sowie deren Einordnung in geeignete Klassen; (c) Aussondern minderwertiger Produkte; (d) Aufzeichnen der Klasse und/oder Identifikationsnummern auf Etiketten, Wareneingangs- oder Verkaufsbelegen; (e) Wiegen und Messen von Produkten. Beispiele für die hier eingeordneten Berufe: - Lebensmittelklassierer - Lebensmittelkoster - Spirituosenverkoster - Teeverkoster - Weinverkoster
Fachagrarwirt Leistungs- und Qualitätsprüfungen in der Tierproduktion · Fachagrarwirtin für Leistungs- und Qualitätsprüfungen in der Tierproduktion · Kaffeebrennmeister · Kaffeebrennmeisterin · Kaffeekoster · Kaffeekoster/Kaffeekosterin · Kaffeekosterin · Kaffeeröstmeister · Kaffeeröstmeister/Kaffeeröstmeisterin · Kaffeeröstmeisterin · Kaffeetester · Kaffeetesterin · +32 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 7515.
Das sensorische Prüfen und Klassieren von Erzeugnissen bleibt in der Messung unverändert — verschieben dürfte sich vor allem die Verwaltung von Prüf- und Qualitätssystemen daneben.
Nahrungsmittel- und Getränkekoster und -klassierer 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 20 verglichenen Berufen sind 18 weniger betroffen als dieser. Gruppe: Lebensmittel, Holz & Bekleidung |
Ähnlich eingeordnet: Produkttester und -klassierer · Drucker · Elektroniker und Elektronik-Servicetechniker
Was die Studien zeigen, gilt allein für generative Sprach- und Textmodelle — und an der sinnlichen Prüfung von Lebensmitteln und Getränken verändert sich dort nichts. Offen bleibt, ob Kameratechnik, Spektroskopie oder lernende Fehlererkennung Teile dieser Prüfung künftig übernehmen; das hat bislang niemand untersucht. Nach heutigem Stand also wenig verändert — hier gilt aber Nichtwissen, keine Entwarnung.
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 Kosten, Prüfen und Einstufen von Lebensmitteln mit Sinnen und Messgerät gehört zu den Tätigkeiten, an denen sich durch KI nichts Grundlegendes ändert — hier kann es Berührung mit KI geben, ohne dass sich die Arbeit in ihrem Wesen verschiebt. Der Grund ist die körperlich-sensorische Natur dieser Arbeit, die sich schlecht automatisieren lässt. Betroffen ist eher die Schicht daneben: Wer neben dem Prüfen auch Qualitätskontroll- und Produktionsverfolgungs-Systeme verantwortet, muss dort mit deutlich weniger Nachfrage rechnen — beim blossen Sammeln und Auswerten von Proben dagegen kaum. Über die Rolle von Bildverarbeitung und Prüfsensorik sagt allerdings keine der Untersuchungen etwas.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Die handwerkliche Arbeit am Lebensmittel bleibt, weil die heutige KI hier nicht zugreifen kann.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Das Verarbeiten und Veredeln von Lebensmitteln von Hand lebt vom körperlichen Tun — vom Zerlegen, Kneten, Prüfen und Abschmecken. Genau hier stößt die heutige KI an ihre Grenze: Sie ist stark im Verarbeiten von Sprache und Daten, hat aber auf die eigentliche physische Arbeit keinen Zugriff, weshalb Fachleute den manuellen Tätigkeiten durchweg ein niedriges Automatisierungspotenzial zuordnen. Mehrere unabhängige Messungen reihen diese Lebensmittelberufe übereinstimmend unter die am wenigsten betroffenen ein.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Nahrungsmittel- und Getränkekoster und -klassierer · 7515
Minimal Exposure 7543 Product Graders and Testers (except Foods and Beverages) 0.31 0.11
we introduce a more granular distinction of Minimal Exposure, where some interaction with GenAI may occur, but without significantly altering the nature of these roles, and the lowest category of Not Exposed occupations, where GenAI currently has no observable potential to automate tasks.
Not Exposed 3115 Mechanical Engineering Technicians 0.26 0.08 Not Exposed 3119 Physical and Engineering Science Technicians Not Elsewhere Classified 0.26 0.05 Not Exposed 7222 Toolmakers and Related Workers 0.2 0.1 Not Exposed 7223 Metal Working Machine Tool Setters and Operators 0.18 0.05 Not Exposed 7311 Precision-instrument Makers and Repairers 0.21 0.08
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.
Not Exposed 7511 Butchers, Fishmongers and Related Food Preparers 0.13 0.03 / Not Exposed 7512 Bakers, Pastry-cooks and Confectionery Makers 0.17 0.08 / Not Exposed 7513 Dairy Products Makers 0.22 0.17 / Not Exposed 7514 Fruit, Vegetable and Related Preservers 0.15 0.04 / Not Exposed 7516 Tobacco Preparers and Tobacco Products Makers 0.14 0.06 / Minimal Exposure 7515 Food and Beverage Tasters and Graders 0.31 0.16 / 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.
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.
Food Preparation Workers / Cooks, Private Household / Cooks, Restaurant / This table details the top and bottom 25 occupations ranked by average AI exposure, as determined by the measurement process described in Section 2.2. These rankings are based on the computed AI exposure scores, which leverage task-level similarities between AI applications and occupational descriptions.
Das sensorische und messende Prüfen von Erzeugnissen ist rollenspezifisch gemessen und zeigt keine Verschiebung durch generative KI — bei allerdings vergleichsweise ungleicher Verteilung über die Teilaufgaben und ohne jede Aussage über Bildverarbeitung oder Prüfsensorik.
Die ILO führt „Food and Beverage Tasters and Graders" mit μ 0,31 (SD 0,16) unter „Minimal Exposure", laut eigener Definition also ein Bereich, in dem „some interaction with GenAI may occur, but without significantly altering the nature of these roles"; die Streuung ist dabei höher als beim benachbarten Kernberuf der Prüftätigkeit (7543, SD 0,11), bleibt mit μ + σ = 0,47 aber unter der Expositionsschwelle von 0,5, sodass auch die exponierteste Teilaufgabe sie nicht erreicht. Unabhängig davon findet die OECD, „roles reliant on physical or manual tasks … show minimal exposure" — als Beispiele nennt sie jedoch Reinigung und Anlagenbedienung, nicht Qualitätsprüfung, und sie stützt sich auf ihre eigene Vorarbeit, sodass ILO und OECD zusammen zwei Stimmen ergeben, nicht mehr. Betroffen ist die Schicht daneben: Für Industrial Production Managers misst NBER bei der Aufgabe „develop or implement production tracking or quality control systems" einen Nachfragerückgang von 26,6, bei „collect and analyze production samples to evaluate quality" dagegen nur 5,9 — wer neben dem Kosten und Klassieren auch Prüfsysteme und Auswertung verantwortet, ist an diesem Teil betroffen, wobei die Werte innerhalb des Berufs residualisiert sind und relative Umschichtung messen, keine absolute Verdrängung.
Der Nullbefund bezieht sich ausschließlich auf generative Sprach- und Textmodelle; ob und wie weit die sensorische Prüfung an Bildverarbeitung, Spektroskopie oder ML-gestützte Fehlerklassifikation übergeht, misst keine der zehn Korpusquellen — hier gilt Nichtwissen, nicht Entwarnung.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Nahrungsmittel- und Getränkekoster und -klassierer allgemein — mit Tätigkeiten wie „Lebensmittel und Naturprodukte auf Qualität prüfen“ oder „Lebensmittel von Hand verarbeiten und veredeln“.
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): Nahrungsmittel- und Getränkekoster und -klassierer — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/nahrungsmittel-und-getraenkekoster-und-klassierer
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0