Der Kern dieser Arbeit ist, unsichtbare Phänomene messbar zu machen – Kräfte, Strahlung, Himmelskörper, die sich nicht einfach beobachten lassen. Experimente auswerten, Modelle baün, Schlussfolgerungen mit Zahlen absichern – Erkenntnis entsteht hier über den Umweg der Messung.
Physiker und Astronomen erforschen, wie Materie, Raum, Zeit und Energie zusammenhängen – und wenden das in Medizin, Industrie oder Weltraumforschung an.
Physiker und Astronomen betreiben Forschung und verbessern oder entwickeln Konzepte, Theorien und Arbeitsmethoden in Bezug auf Materie, Raum, Zeit, Energie, Kräfte und Felder sowie die Wechselbeziehungen zwischen diesen physikalischen Phänomenen. Sie wenden wissenschaftliche Erkenntnisse aus Physik und Astronomie in industriellen, medizinischen, militärischen oder anderen Bereichen an. Zu den Aufgaben gehören - (a) Betreiben von Forschung sowie Verbessern oder Entwickeln von Konzepten, Theorien, Instrumenten, Software und Arbeitsmethoden im Zusammenhang mit Physik und Astronomie; (b) Durchführen von Experimenten, Tests und Analysen zur Struktur und den Eigenschaften von Materie in Bereichen wie Mechanik, Thermodynamik, Elektronik, Kommunikation, Energieerzeugung und -verteilung, Aerodynamik, Optik und Lasern, Fernerkundung, Medizin, Akustik, Magnetismus und Kernphysik; (c) Bewerten der Ergebnisse von Untersuchungen und Experimenten sowie Formulieren von Schlussfolgerungen, hauptsächlich unter Verwendung mathematischer Verfahren und Modelle; (d) Anwenden von Prinzipien, Techniken und Verfahren zur Entwicklung oder Verbesserung industrieller, medizinischer, militärischer und anderer praktischer Anwendungen der Prinzipien und Techniken der Physik oder Astronomie; (e) Sicherstellen der sicheren und wirksamen Verabreichung von Strahlung (ionisierend und nicht-ionisierend) an Patienten, um ein diagnostisches oder therapeutisches Ergebnis gemäß der Verordnung eines Arztes zu erzielen; (f) Sicherstellen der genauen Messung und Charakterisierung physikalischer Größen, die in medizinischen Anwendungen verwendet werden; (g) Testen, Inbetriebnehmen und Bewerten von Geräten, die in Anwendungen wie Bildgebung, medizinischer Behandlung und Dosimetrie eingesetzt werden; (h) Beraten und Konsultieren von Ärzten und anderem medizinischem Fachpersonal zur Optimierung des Gleichgewichts zwischen den nützlichen und schädlichen Wirkungen von Strahlung; (i) Beobachten, Analysieren und Interpretieren von Himmelsphänomenen sowie Entwickeln von Methoden, numerischen Modellen und Techniken zur Erweiterung der Erkenntnisse in Bereichen wie Navigation, Satellitenkommunikation, Weltraumerkundung, Himmelskörper und kosmische Strahlung; (j) Entwickeln, Umsetzen und Pflegen von Standards und Protokollen für die Messung physikalischer Phänomene und für die Nutzung von Kerntechnologie in industriellen und medizinischen Anwendungen; (k) Erstellen wissenschaftlicher Arbeiten und Berichte. Beispiele für die hier eingeordneten Berufe: - Astronom - Medizinphysiker - Kernphysiker - Physiker Einige verwandte, anderswo eingeordnete Berufe: - Strahlentherapeut (Onkologie) - 2212 - Radiologe - 2212 - Facharzt (Nuklearmedizin) - 2212 - Radiographer/in - 3211 Anmerkung Es ist zu beachten, dass Medizinphysiker zwar zutreffend gemeinsam mit anderen Physikern in dieser Berufsgattung eingeordnet sind, jedoch als integraler Bestandteil des Gesundheitspersonals gelten, zusammen mit den Berufen der Berufsuntergruppe 22: Fachkräfte im Gesundheitswesen und weiteren Berufen in verschiedenen anderen Berufsgattungen der Hauptgruppe 2: Fachkräfte.
Astronom · Astronom/Astronomin · Astronomin · Astrophysiker · Astrophysikerin · Atomphysiker · Atomphysikerin · Biophysiker · Biophysikerin · Experimentalphysiker · Experimentalphysikerin · Festkörperphysiker · +65 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 2111.
Die rechnerische Modellbildung, die Datenauswertung und die Berichtsarbeit verschieben sich — die Anlagenprüfung bleibt unberührt, und über das Experimentieren selbst schweigt die Studienlage.
Physiker und Astronomen liegt im mittleren Bereich — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| oberes Mittelfeld von 411 Berufen | am unteren Rand der von generativer KI berührten Berufe | Von 24 verglichenen Berufen sind 12 weniger betroffen als dieser. Gruppe: Naturwissenschaft & Ingenieurwesen |
Ähnlich eingeordnet: Umweltschutzingenieure · Umweltwissenschaftler · Architekten
Laborautomatik, Messroboter und Sensorik im Feld hat keine der Studien betrachtet — die niedrigen Werte für den experimentellen Teil der Arbeit sind deshalb keine Entwarnung, sondern eine Wissenslücke. Auch die Beratung von Patienten und Angehörigen ist für diese Rolle nicht gesondert ausgewiesen; hier liegen nur allgemeine Befunde für Gesundheitsberufe vor. Belastbar lässt sich damit vor allem zum rechnerisch-theoretischen Teil der Arbeit etwas sagen.
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
Wo die Arbeit formal-rechnerisch ist — Modelle bilden, Daten auswerten, Ergebnisse aufschreiben —, zeichnet sich eine Verschiebung ab: Das Durchsuchen großer Datenbestände übernimmt zunehmend die Maschine, während das Deuten der Ergebnisse laut Studienlage sogar an Bedeutung gewinnt; beim Verfassen von Berichten verlagert sich die Zeit vom Rohentwurf zum Redigieren. Die experimentell-laborgebundene Seite der Physik bleibt davon weit stärker verschont als die rein rechnerischen Nachbarfächer, weil manuell-physische Anteile in den Einschätzungen ausdrücklich nach unten korrigiert wurden. Das Prüfen von Sicherheit und Funktionsfähigkeit von Anlagen ist gemessen und nicht betroffen. Und über das Durchführen von Experimenten, Tests und Feldanalysen selbst sagt bislang keine Untersuchung etwas — daraus folgt weder Betroffenheit noch das Gegenteil.
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.
Zu dieser Aufgabe liegt noch keine belastbare Untersuchung vor.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Wie sich das Durchführen von Experimenten, Tests und Feldanalysen entwickelt, lässt sich noch nicht belastbar sagen — es ist einer der größten blinden Flecken der verfügbaren Untersuchungen. Vermutlich verschieben sich vor allem das Auswerten und Dokumentieren der Versuche, während die praktische Durchführung und Probennahme am Objekt stärker menschlich bleiben; der wertbildende Kern könnte in Versuchsdesign und Ergebnisbeurteilung wandern. Das ist aber eine begründete Vermutung, kein Befund.
Das maschinelle Auswerten von Daten übernimmt zunehmend die KI, das Deuten der Ergebnisse wird wichtiger.
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.
Das persönliche Beraten zu Gesundheit bleibt menschliche Arbeit, auch wenn Privatpersonen einfache Fragen zunehmend an KI richten.
Die medizinischen und pflegerischen Kernberufe gelten in den vorliegenden Einschätzungen als kaum bis gar nicht von KI berührt; selbst dort, wo einzelne Teilaufgaben — etwa bei medizinischen Fachangestellten — durchaus erfassbar wären, ruht die Tätigkeit im Ganzen auf Aufgaben mit geringem Automatisierungspotenzial. Sichtbar ist zugleich, dass Privatpersonen ausserhalb der Arbeit zunehmend Gesundheitsfragen an KI-Assistenten stellen — das ersetzt aber nicht das ärztliche oder pflegerische Gespräch, in dem Einschätzung und Verantwortung zusammenkommen. Die Beratung von Patienten und Angehörigen bleibt damit eine menschliche Aufgabe.
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 Prüfen von Anlagen auf Sicherheit und Funktion bleibt eine Tätigkeit vor Ort, die die heutige KI kaum berührt — teils fragt sie sie sogar stärker nach.
Anlagen auf Sicherheit und Funktionsfähigkeit zu prüfen zählt zu den Tätigkeiten, die die aktuelle KI weitgehend unberührt lässt: Die prüfenden und instandhaltenden Berufe liegen durchweg in der niedrigsten Betroffenheitskategorie, und die geringe Streuung schliesst auch einzelne betroffene Teilaufgaben weitgehend aus. Bemerkenswert ist, dass Betriebe mit höherer KI-Nutzung Instandhaltungs- und Qualitätsprüfungs-Kompetenzen eher mehr nachfragen — diese praktische Arbeit an der Anlage wirkt zur KI eher ergänzend als ersetzend.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Physiker und Astronomen · 2111
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.
Kein Einzelbeleg — als „nicht untersucht" eingestuft.
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.
Not Exposed 2211 Generalist Medical Practitioners 0.29 0.1 / Not Exposed 2212 Specialist Medical Practitioners 0.27 0.12 / Not Exposed 2221 Nursing Professionals 0.25 0.13 / Not Exposed 2240 Paramedical Practitioners 0.23 0.13 / 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.
Minimal Exposure 2265 Dieticians and Nutritionists 0.41 0.07 / Minimal Exposure 2262 Pharmacists 0.33 0.09 / Minimal Exposure 2264 Physiotherapists 0.28 0.14 / Minimal Exposure 3221 Nursing Associate Professionals 0.22 0.21 / Minimal Exposure (Low exposure, moderate task variability) μ < 0.5 and μ + σ > 0.4 Occupations with low GenAI exposure, where some tasks show moderate automation potential, but overall occupational exposure remains limited. / 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
Gradient 1 3256 Medical Assistants 0.35 0.23 / 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.
Not Exposed 3253 Community Health Workers 0.22 0.08 / Not Exposed 5321 Health Care Assistants 0.14 0.06
Outside the workweek, users' conversations shift from business correspondence, marketing copy, and slide decks to emotional support, medical questions, and investment advice. This shift is biggest for high-income countries.
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.
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. / Not Exposed 7233 Agricultural and Industrial Machinery Mechanics and Repairers 0.17 0.04
with low task variability and a stable low mean exposure score. / Not Exposed 3257 Environmental and Occupational Health Inspectors and Associates 0.24 0.04 / Not Exposed 8182 Steam Engine and Boiler Operators 0.2 0.04
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.
Formal-rechnerische Modellbildung, Datenauswertung und Berichtsarbeit verschieben sich, die Anlagenprüfung nicht — und für das Experimentieren selbst liegt keine Untersuchung vor.
Für diese Rolle liegt ein eigener Wert vor: 2111 Physicists and Astronomers steht bei 0,38 mit einer für dieses Niveau hohen Streuung von 0,14 und damit in Gradient 1, was die ILO ausdrücklich als „low overall GenAI exposure at the occupational level, but high variability across tasks" definiert — einzelne Teilaufgaben *sind* also exponiert, welche das sind, sagt die Quelle nicht. Die Bruchlinie zeichnet sich in der Modell- und Methodenentwicklung ab: formal-mathematische Modellbildung liegt in Gradient 3 (2120 Mathematiker, Aktuare, Statistiker 0,56; 2631 Ökonomen 0,55), experimentell-laborgebundene Fächer nur bei Minimal Exposure (2113 Chemiker 0,39; 2114 Geologen 0,36), weil die ILO-Expertenrunde strukturiert-datengetriebene Aufgaben nach oben und physisch-manuelle Komponenten nach unten korrigiert hat; auf Tätigkeitsebene gilt dasselbe Muster für Datenauswertung (die verbreitetste KI-Anwendungsklasse durchsucht Datenbestände „without manual digging", während laut OECD die Interpretationsleistung an Bedeutung *gewinnt*) und für das Verfassen von Berichten (Rohentwurfsanteil halbiert, Redigieranteil verdoppelt). Für zwei weitere Aufgabenteile weist der Korpus in die Gegenrichtung oder gar nicht: das Prüfen von Sicherheit und Funktionsfähigkeit von Anlagen ist gemessen und nicht exponiert (die ausführenden Technikerberufe liegen bei 0,26–0,27 mit Streuungen von 0,04–0,08, also ohne einzelne auffällige Teilaufgabe), und zum Durchführen von Experimenten, Tests und Feldanalysen macht keine der zehn Quellen eine Aussage — daraus folgt weder Betroffenheit noch Unbetroffenheit.
Laborautomation, Messrobotik und Feldsensorik misst keine der zehn Quellen, weshalb die niedrigen Werte für den experimentellen Teil keine Automatisierungs-Entwarnung sind; die Beratung von Patienten und Angehörigen wird für diese Rolle nicht gesondert ausgewiesen, dort liegen nur Befunde für Gesundheitsberufe vor.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Physiker und Astronomen allgemein — mit Tätigkeiten wie „Sach- und Verwaltungstexte sowie Berichte verfassen“ oder „Experimente, Tests und Feldanalysen durchführen“.
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): Physiker und Astronomen — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/physiker-und-astronomen
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0