Der Kern dieser Arbeit ist, aus einzelnen Spuren, Aussagen und Dokumenten ein stimmiges Bild zusammenzusetzen. Was am Anfang nur Bruchstücke sind – ein Zeugenbericht hier, eine Spur dort – muss am Ende vor Gericht Bestand haben.
Wenn eine Straftat aufgeklärt werden soll, sammeln Polizeikommissare und Kriminalbeamte die Spuren, befragen Zeugen und bringen die Beweise zusammen.
Polizeikommissare und Kriminalbeamte untersuchen Tatsachen und Umstände im Zusammenhang mit begangenen Straftaten, um mutmaßliche Täter zu identifizieren und nicht ohne Weiteres verfügbare oder offensichtliche Informationen über Einrichtungen oder die Umstände und das Verhalten von Personen zu erlangen, meist mit dem Ziel, Straftaten zu verhindern. Zu den Aufgaben gehören - (a) Herstellen von Kontakten und Informationsquellen über geplante oder begangene Straftaten, um Straftaten zu verhindern oder mutmaßliche Täter zu identifizieren; (b) Einholen und Überprüfen von Beweismitteln durch Untersuchung von Tat- und Unfallorten auf Spuren und materielle Beweise, Befragen von Zeugen und Verdächtigen sowie Analysieren von Dokumenten und Computerdateien; (c) Analysieren von Beweismitteln zur Aufklärung von Straftaten, Identifizierung krimineller Aktivitäten und Sammeln von Informationen für Gerichtsverfahren; (d) Herstellen von Kontakten und Informationsquellen, die nicht ohne Weiteres verfügbar oder offensichtlich sind, über Einrichtungen oder die Umstände und das Verhalten von Personen, üblicherweise mit dem Ziel, eine Straftat zu verhindern; (e) Vornehmen von Festnahmen; (f) Aussagen vor Gericht machen oder Vorgesetzten über Umstände und Ergebnisse von Ermittlungen berichten. Beispiele für die hier eingeordneten Berufe: - Kriminalbeamter - Ermittlungsbeamter der Polizei - Polizeikommissar Einige verwandte, anderswo eingeordnete Berufe: - Polizeipräsident - 1112 - Generalinspekteur der Polizei - 1112 - Polizeihauptkommissar - 1349 - Privatdetektiv - 3411 - Polizeibeamter - 5412
Ermittlungsbeamter im Polizeidienst · Ermittlungsbeamtin im Polizeidienst · Kriminalbeamter · Kriminalbeamter/Kriminalbeamtin · Kriminalbeamtin · Kriminalkommissar · Kriminalkommissarin · Polizeibeamter im Ermittlungsdienst · Polizeibeamter im Ermittlungsdienst/Polizeibeamtin im Ermittlungsdienst · Polizeibeamtin im Ermittlungsdienst · Polizeiinspektor · Polizeiinspektorin · +19 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 3355.
Das Ermitteln und Entscheiden über Fälle zählt zu den am wenigsten betroffenen Tätigkeiten überhaupt — nur die schriftliche Fallbearbeitung verlagert sich vom Entwerfen zum Prüfen.
Polizeikommissare und Kriminalbeamte 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 24 verglichenen Berufen ist keiner weniger betroffen als dieser. Gruppe: Kaufmännische Fachkräfte |
Ähnlich eingeordnet: Athleten und Berufssportler · Technische Schiffsoffiziere · Augenoptiker
Der niedrige Wert gilt allein für generative KI. Über Biometrie, Videoanalyse, Risikoscoring oder forensische Mustererkennung — für diese Arbeit die eigentlich relevanten Techniken — sagt bisher keine Untersuchung etwas, und auch die interne Veränderung der Ermittlungsarbeit ist nicht gemessen. Nach heutigem Stand also wenig sichtbar betroffen, doch der entscheidende Teil des Bildes fehlt noch.
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
Die eigentliche Ermittlungs- und Entscheidungsarbeit gehört zu den am wenigsten von KI berührten Tätigkeiten überhaupt — nicht einmal einzelne Teilaufgaben erreichen ein hohes Betroffenheitsniveau. Das angrenzende Rechtssystem bestätigt das Bild: Anwälte und Richter stehen ganz unten auf der Skala, und juristische Berufe verzeichneten sogar ein Beschäftigungsplus von 7,6 %, das ausdrücklich auf die geringe direkte Betroffenheit durch die erste KI-Welle zurückgeführt wird. Anders liegt der schreibende Teil der Arbeit — Vermerke, Berichte, Vorlagen: Hier verschiebt sich der Schwerpunkt vom eigenen Entwurf hin zum Prüfen und Überarbeiten des maschinellen Vorschlags. Belastbar für diesen Beruf ist das aber nur begrenzt: Getestet wurden Marketing- und HR-Fachleute in kurzen Aufgaben, bewertet wurde Schreibqualität, nicht Regelkonformität oder Aktenfähigkeit.
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 Bearbeiten der Fälle verschiebt sich, das hoheitliche Entscheiden bleibt in menschlicher Hand.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Die vorbereitende, sachbearbeitende Seite dieser Tätigkeit ist von KI berührt — allerdings ungleich verteilt: Manche Teilschritte lassen sich unterstützen, andere bleiben unangetastet. Der eigentliche hoheitliche Kern, das Prüfen und Entscheiden mit Verantwortung, gilt als wenig betroffen; hinzu kommt, dass Institutionen zögern, solche Entscheidungen überhaupt an Maschinen zu delegieren. Wo Routineschritte automatisiert werden, kann die Nachfrage dennoch sinken, ohne dass die Tätigkeit selbst ersetzt wird.
Das Reagieren auf Vorfälle und Notfälle bleibt unberührt — KI berührt allenfalls das Erkennen, nicht das Handeln.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Sicherheits-, Rettungs- und Einsatzberufe zählen durchgängig zu den nicht betroffenen Tätigkeiten, gemessen und stabil niedrig: Die Reaktion vor Ort lebt vom körperlichen Handeln in der Situation, und zwei methodisch unabhängige Quellen bestätigen die geringe Berührung. Wo KI überhaupt ansetzt, geht es um das Erkennen von Auffälligkeiten — etwa in der Betrugs- und Cyberabwehr —, nicht um die Reaktion selbst.
Das Bearbeiten von Rechtsfällen und das Vertreten von Mandanten bleibt menschliche Arbeit, einzelne Zuarbeiten ausgenommen.
Rechtsfälle zu bearbeiten und Mandanten zu vertreten zählt übereinstimmend zu den kaum betroffenen Tätigkeiten — für Anwältinnen und Anwälte, sonstige Rechtsberufe und besonders für Richterinnen und Richter fällt die direkte Betroffenheit gering aus. Eine unabhängige Untersuchung erwartet für Rechtsberufe sogar einen Zuwachs von gut sieben Prozent, getragen von Produktivitätsgewinnen im Betrieb bei geringer direkter Betroffenheit. Anders liegt es bei den juristischen Zuarbeiten: Dort haben einzelne Teilaufgaben durchaus erhöhtes Automatisierungspotenzial, während der Kern der Rechtsvertretung auf menschlichem Urteil beruht.
Das Durchsetzen von Ordnung im Straßenraum bleibt, denn es geschieht vor Ort und im unmittelbaren Handeln.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Öffentliche Ordnung und Verkehr im Straßenraum durchzusetzen lebt von der Präsenz vor Ort und vom Handeln in der konkreten Situation. Gleich zwei Untersuchungen mit ganz unterschiedlichem Ansatz kommen hier zum selben Ergebnis: Die aktuelle KI hat auf diese Arbeit kaum Zugriff. Wo KI das Berufsfeld überhaupt berührt, sind es eher Bereiche wie die Betrugserkennung — nicht die Tätigkeit auf der Straße selbst.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Polizeikommissare und Kriminalbeamte · 3355
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.
Exposed: Gradient 2 (Moderate exposure, high task variability) · 0.4 ≤ μ < 0.5 and μ + σ ≥ 0.5 · Moderate occupational AI exposure, with high task-level variability. These occupations include a mix of some tasks that are exposed to GenAI and others not at risk, making the impact uneven. / Gradient 2 3352 Government Tax and Excise Officials 0.49 0.12 / Gradient 2 3353 Government Social Benefits Officials 0.45 0.07 / Gradient 2 3354 Government Licensing Officials 0.43 0.07
Not Exposed 2612 Judges 0.31 0.08 / Not Exposed 3355 Police Inspectors and Detectives 0.23 0.07 / Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score.
Gradients 1-3 comprise occupations where the automation of specific tasks is limited, and some degree of task variability exists. As such, the ‚bundle of tasks' that constitutes occupations acts as a buffer against full automation. However, this does not mean that demand for these occupations will remain stable, as the efficiencies gained from introducing technology may mean that fewer workers are needed. If efforts are not made to help such jobs evolve with GenAI and integrate new tasks, even partial automation of existing tasks could lead to a decline in overall job demand in occupations found in higher exposure gradients.
An important aspect also concerns the institutional and societal acceptance of automating tasks and occupations – even when technically feasible. […] Similarly, financial institutions might hesitate to fully delegate decisions such as mortgage approvals or business plan evaluations to AI systems, preferring to retain human judgement, oversight and accountability.
Business process skills have also seen a reduction in demand from establishments more exposed to AI. On average across countries in the sample, demand for business process skills declined by 3.5 percentage points for a one standard deviation increase in AI exposure […] Business Process skills include clerical and administrative tasks along with sales and customer service. / Skills and tasks that can be roughly described as clerical tasks were the sub-group of skills that saw the largest reduction in demand. Demand for clerical skills declined by slightly more than 2 percentage points for a one standard deviation increase in establishment-level AI exposure […] The most frequently demanded skills in clerical tasks are administrative support and record keeping.
Not Exposed 5414 Security Guards 0.2 0.09 / Not Exposed 5419 Protective Services Workers Not Elsewhere Classified 0.2 0.05 / Not Exposed 5411 Fire Fighters 0.18 0.1 / Not Exposed 5412 Police Officers 0.14 0.03 / Not Exposed 5413 Prison Guards 0.14 0.04 / Not Exposed 3355 Police Inspectors and Detectives 0.23 0.07 / Not Exposed 3258 Ambulance Workers 0.22 0.17
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. / the lowest category of Not Exposed occupations, where GenAI currently has no observable potential to automate tasks.
By contrast, 'Cybersecurity and Fraud Detection' primarily affects Protective Services, which otherwise show little AI exposure.
By contrast, 'Cybersecurity and Fraud Detection' primarily affects Protective Services, which otherwise show little AI exposure.
Minimal Exposure 2611 Lawyers 0.36 0.09 / Minimal Exposure (Low exposure, moderate task variability) … Occupations with low GenAI exposure, where some tasks show moderate automation potential, but overall occupational exposure remains limited.
Not Exposed 2612 Judges 0.31 0.08 / Not Exposed … Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score.
Minimal Exposure 2619 Legal Professionals Not Elsewhere Classified 0.37 0.09
Gradient 1 3411 Legal and Related Associate Professionals 0.39 0.14 / 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.
By contrast, legal occupations expand by 7.6%, reflecting low direct exposure to the first wave of AI technologies in our sample coupled with sizable firm-level productivity gains. / Legal 23 10.9 -6.29 2.93 7.58 0.73
Not Exposed 5412 Police Officers 0.14 0.03 Not Exposed 5419 Protective Services Workers Not Elsewhere Classified 0.2 0.05 Not Exposed 5414 Security Guards 0.2 0.09 Not Exposed 3355 Police Inspectors and Detectives 0.23 0.07
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. the lowest category of Not Exposed occupations, where GenAI currently has no observable potential to automate tasks.
By contrast, 'Cybersecurity and Fraud Detection' primarily affects Protective Services, which otherwise show little AI exposure.
Ermittlung und Fallentscheidung sind gemessen und liegen in der niedrigsten Expositionskategorie, während die schriftliche Fallbearbeitung — Vermerke, Berichte, Vorlagen — auf Tätigkeitsebene ihren Schwerpunkt vom Entwerfen zum Prüfen verlagert.
Die ILO führt „Police Inspectors and Detectives" mit μ 0,23 (SD 0,07) unter „Not Exposed" — der niedrigste Wert aller Berufe, die hoheitlich prüfen und entscheiden, und wegen der geringen Streuung heißt das nach ILO-Lesart, dass nicht einmal einzelne Teilaufgaben ein hohes Expositionsniveau erreichen; für die angrenzende Fallbearbeitung im Rechtssystem bestätigen zwei methodisch unabhängige Messungen das Bild, die ILO mit Lawyers 0,36 und Judges 0,31 und Hampole et al. mit einem Beschäftigungswachstum juristischer Berufe von 7,6 %, das sie ausdrücklich auf „low direct exposure to the first wave of AI technologies" zurückführen. Anders liegt der schreibende Teil der Arbeit: für ihn existiert kein rollenspezifischer Wert, auf Tätigkeitsebene halbiert sich im Experiment der Zeitanteil des Rohentwurfs von rund 50 % auf unter 25 %, das Redigieren steigt von 25 % auf über 50 %, bei 0,8 SD kürzerer Bearbeitungszeit und 0,4 SD höherer bewerteter Qualität. Diese Zahlen tragen für diese Rolle nur begrenzt: gemessen wurden 444 Marketer, Consultants und HR-Fachleute in 20- bis 30-Minuten-Aufgaben, die Qualitätsbewertung galt „writing quality, content quality, and originality" und nicht Regelkonformität oder Aktenfähigkeit, und die ILO senkte ihre eigenen 2023er-Werte für genau diese Aufgaben ab, weil „many of these tasks still require substantial human effort".
Der niedrige Expositionswert bezieht sich ausschließlich auf generative KI — über Biometrie, Videoanalyse, Risikoscoring oder forensische Mustererkennung sagt keine der Korpusquellen auf Tätigkeitsebene etwas, und wie sich Ermittlungsarbeit intern verändert, misst ebenfalls niemand.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Polizeikommissare und Kriminalbeamte allgemein — mit Tätigkeiten wie „Sach- und Verwaltungstexte sowie Berichte verfassen“ oder „Anträge und Fälle hoheitlich prüfen und entscheiden“.
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): Polizeikommissare und Kriminalbeamte — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/polizeikommissare-und-kriminalbeamte
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0