Der Kern dieser Arbeit ist die kleinste Abweichung: Ein winziger Fehler im Gangregler oder in der Kalibrierung reicht, damit ein Instrument nicht mehr stimmt. Entsprechend genau muss jeder einzelne Schritt geprüft werden, bevor ein Gerät als fertig gilt.
Ob Uhr, Barometer oder Fernrohr: Präzisionsinstrumentenmacher bringen feinmechanische Geräte auf den Bruchteil eines Millimeters genau.
Präzisionsinstrumentenmacher und -instandsetzer stellen mechanische Uhren sowie nautische, meteorologische, optische und andere Präzisionsinstrumente und -geräte her, kalibrieren, reparieren, warten und installieren sie und stellen sie für die korrekte Funktion ein. Zu den Aufgaben gehören - (a) Reparieren, Reinigen und Justieren der Mechanismen von Zeitmessinstrumenten wie Uhren; (b) Justieren von Gangreglern mithilfe von Messschiebern, Uhrenprüfgeräten und Pinzetten; (c) Reinigen, Spülen und Trocknen von Uhrwerksteilen mithilfe von Lösungen sowie Ultraschall- oder mechanischen Uhrenreinigungsmaschinen; (d) Testen der Genauigkeit und Leistung von Zeitmessgeräten mithilfe von Messgeräten und anderen elektronischen Instrumenten; (e) Testen der Genauigkeit von Messgeräten, Anzeigen, Indikatoren oder anderen Aufzeichnungs- oder Steuerinstrumenten, um fehlerhafte Komponenten zu lokalisieren und die Übereinstimmung mit Normen zu prüfen; (f) Kalibrieren von Instrumenten oder Skalen mithilfe von Handwerkzeugen, Computer- oder elektronischen Geräten; (g) Inspizieren von Komponenten, Verbindungen und Antriebsmechanismen zur Feststellung von Mängeln; (h) Zusammenbauen von Instrumenten und Geräten wie Barometern, Regelventilen, Kreiselkompassen, Hygrometern, Tachometern, Drehzahlmessern und Thermostaten; (i) Testen, Kalibrieren und Justieren elektronischer, quecksilberhaltiger, aneroider und anderer Arten von meteorologischen Instrumenten auf Übereinstimmung mit gedruckten Spezifikationen und Schaltplänen mithilfe von Voltmetern, Oszilloskopen, Röhrenprüfgeräten und anderen Testinstrumenten; (j) Justieren und Reparieren von Masten, Trägerstrukturen, Positionsleuchten, Schalttafeln, Steuerverkabelung und -verdrahtung sowie anderen elektrischen und mechanischen Geräten; (k) Reparieren und Einstellen optischer Instrumente wie Mikroskope, Teleskope, Theodolite und Sextanten; (l) Prüfen, ob zusammengebaute Einheiten den Spezifikationen entsprechen, und Sicherstellen der vorgeschriebenen Leistung und Empfindlichkeit durch Standardtests. Beispiele für die hier eingeordneten Berufe: - Instrumenten-/Meteorologiegerätehersteller - Reparateur für fotografische Ausrüstung - Hersteller chirurgischer Instrumente - Uhrmacher Einige verwandte, anderswo eingeordnete Berufe: - Hersteller orthopädischer Hilfsmittel - 3214 - Schlosser - 7222 - Werkzeugmaschinenbediener - 7223 - Uhrenmonteur - 8212
Augenoptiker · Augenoptikerin · Chirurgieinstrumentenerzeuger · Chirurgieinstrumentenerzeugerin · Chirurgiemechaniker · Chirurgiemechaniker/Chirurgiemechanikerin · Chirurgiemechanikerin · Feinmechaniker · Feinmechanikerin · Feinoptiker · Feinoptiker/Feinoptikerin · Feinoptikerin · +97 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 7311.
Fertigung, Instandsetzung und Prüfung feinmechanischer Instrumente bleiben weitgehend unberührt — was sich verschiebt, ist die schriftliche Zuarbeit ringsum: Planung, Dokumentation und Fehlersuche.
Präzisionsinstrumentenmacher und -instandsetzer 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 7 weniger betroffen als dieser. Gruppe: Präzisionshandwerk & Druck |
Ähnlich eingeordnet: Blechkaltverformer · Klima- und Kälteanlagenbauer · Berufe in der Druckweiterverarbeitung und Buchbinder
Was heute gemessen wurde, betrifft die Sprach- und Textfähigkeiten der KI — das feinmechanische Messen und Justieren von Instrumenten fällt nicht darunter. Verfahren wie die automatische optische Prüfung oder messende Robotik, die hier eigentlich einschlägig wären, hat bisher keine Studie betrachtet; ebenso offen ist, ob KI die Auslegung von Toleranzen und Prüfvorschriften verändert. Nach heutigem Stand also wenig betroffen — die Entwicklung bei Mess- und Prüftechnik lohnt aber den 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
Fertigung, Instandsetzung und Prüfung feinmechanischer Instrumente zählen zu den am wenigsten betroffenen Tätigkeiten — der Grund ist körperlich: KI hat weder die Hand noch die Präzision dafür, und von über 2.800 geprüften Fähigkeiten erreichte keine ein hohes Ersetzungspotenzial. Verschoben ist allein der informationelle Rand: das Planen, Dokumentieren und die Fehlersuche-Anleitungen rund um die eigentliche Arbeit. Eine Ebene daneben schrumpft die auswertende Qualitätsarbeit stärker — die Nachfrage nach dem Konzipieren von Qualitätsregelsystemen geht um gut ein Viertel zurück, während das prüfnahe Auswerten von Proben mit knapp sechs Prozent den mit Abstand schwächsten Rückgang zeigt. Die Handarbeit am Instrument bleibt, die Papierarbeit darum herum verschiebt sich.
Das Installieren und Instandsetzen bleibt Handarbeit — die KI hilft beim Planen und Nachschlagen, nicht am Gerät selbst.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Installation, Wartung und Reparatur verlangen den Griff zum Gerät: Kalibrieren, Verkabeln und Prüfen am Objekt bleiben menschlich, während KI beim Planen, Dokumentieren und beim Nachschlagen in Störungsanleitungen unterstützt. Fachleute haben die Aufgabe deshalb ausdrücklich niedrig eingestuft, und Installations- und Wartungsfähigkeiten liegen auch am realen Arbeitsmarkt im wenig berührten Bereich. Dass der planbare Wartungsanteil zugunsten zustandsorientierter Eingriffe zurückgeht und sich die Tätigkeit stärker auf Befundinterpretation verlagert, ist eine begründete Vermutung — belastbar gemessen ist dieser Anteil bislang nicht.
Das Fertigen und Montieren bleibt körperliche Präzisionsarbeit — was Robotik in der Serie übernimmt, ist die eigentliche offene Frage.
Bauteile zu fertigen und zu montieren heißt, mit Geschick und Präzision am Werkstück zu arbeiten — und genau das kann die heutige KI nicht ausführen: Sprach- und Bildsysteme haben keinen Zugriff auf die physische Handhabung, weshalb Fachleute diese Aufgabe durchweg niedrig bewerten und keine der geprüften manuellen Fähigkeiten derzeit als ersetzbar gilt. Es gibt sogar Hinweise, dass die Nachfrage nach Produktions- und körperlichen Fähigkeiten in KI-nahen Betrieben eher leicht steigt. Offen bleibt allein, wie sich die Serienmontage aufteilt, wenn Robotik repetitive Füge- und Zuführschritte übernimmt und der menschliche Anteil auf Varianten, Nacharbeit und Prüfung wandert — das ist eine begründete Vermutung, kein Befund.
Das Formen und Verzieren von Hand bleibt der KI weitgehend entzogen, weil es an der handwerklichen Geschicklichkeit selbst hängt.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Material von Hand zuzuschneiden, zu formen und zu verzieren lebt von handwerklicher Geschicklichkeit — und daran geht die heutige KI weitgehend vorbei: Alle einschlägigen Handwerksberufe fallen in die niedrigste Betroffenheitsstufe, und Fachleute haben die ursprünglichen Einschätzungen für diese Aufgaben sogar noch nach unten korrigiert. Eine unabhängige Quelle kommt für körperlich-manuelle Arbeit zum selben Ergebnis. Denkbar ist, dass die vorgelagerte Zuschnittplanung eher digital wird als die eigentliche Formgebung und sich die Tätigkeit stärker auf Vorlagenarbeit und Feinkorrektur verlagert — das ist aber eine Vermutung, kein gemessener Befund.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Präzisionsinstrumentenmacher und -instandsetzer · 7311
Installing and initiating mechanical and electrical robots and peripheral equipment at new workstations requires hands-on skills, precise calibration, and the ability to interact with physical hardware. While generative AI can assist with planning, documentation, and troubleshooting guides, the physical installation and configuration still require human expertise. Therefore, the lower score of 0.1925 is more reflective of reality, though slightly adjusted upward to 0.25 to acknowledge AI's support role in providing information or instructions during the task.
For tasks such as 'operating injection molding machines' or 'performing mechanical processing of silicon', experts highlighted the limitations of generative AI in handling physical and manual components, leading to significantly reduced adjusted scores compared to the survey.
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.
For occupations with low AI exposure the top grouping is production and technology, joined by attitudes and social skills. Production and technology includes the subgroupings installation and maintenance, quality assurance and production processes.
Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score. | Occupations with low GenAI exposure, where some tasks show moderate automation potential, but overall occupational exposure remains limited. | Not Exposed 7212 Welders and Flame Cutters 0.13 0.05 | Not Exposed 7214 Structural Metal Preparers and Erectors 0.11 0.02 | Not Exposed 7211 Metal Moulders and Coremakers 0.13 0.01 | Minimal Exposure 8211 Mechanical Machinery Assemblers 0.27 0.17 | Minimal Exposure 8212 Electrical and Electronic Equipment Assemblers 0.28 0.19
The task involves hands-on physical work requiring skill and precision, such as welding using various machines, which is not currently automatable by generative AI technologies like ChatGPT. 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.
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. | the limitations of generative AI in handling physical and manual components | leading to significantly reduced adjusted scores compared to the survey.
Zero of the more than 2,800 skills assessed were determined to exhibit „very high capacity" to be replaced by the current generation of GenAI tools, with the majority of examined skills (69%) determined to have either „very low capacity" or „low capacity" to be substituted, indicating that GenAI currently remains limited in performing tasks that require physical execution, nuanced judgment or hands-on application. | Skills rooted in human interaction – including empathy and active listening, and sensory processing abilities – and manual dexterity, endurance and precision, currently show no substitution potential due to their physical and deeply human components. These findings underscore the practical limitations of current GenAI models, which lack the physicality to perform tasks that require hands-on interaction
The report also provides some evidence that AI adoption may increase the demand for some blue-collar skills, possibly through a productivity effect that results in higher demand and spills over to other workers at the establishment. For example, the report finds that higher establishment AI exposure is associated with increased establishment demand for skills related to production and technology, and physical skills. | Demand increased slightly for some skill groupings, such as production and technology and physical skills. These skill groupings are found disproportionately in low-exposure occupations and include skills such as maintenance, repair, forklift driving and more fundamental skills such as dexterity, heavy lifting and range of motion. This provides some suggestive evidence of the types of skills that may see increased demand due to complementarities with AI in production. However, these increasing skill demands were quite modest with substantial cross-country heterogeneity.
Not Exposed 7317 Handicraft Workers in Wood, Basketry and Related Materials 0.14 0.01 | Not Exposed 7318 Handicraft Workers in Textile, Leather and Related Materials 0.13 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.
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.
By contrast, roles reliant on physical or manual tasks, such as cleaning or equipment operation, show minimal exposure.
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.
Fertigen, Instandsetzen und Prüfen feinmechanischer Instrumente liegen mit demselben Rollenwert in der untersten Expositionskategorie; belegt verschoben ist nur der informationelle Rand der Instandsetzung
Die ILO führt 7311 „Precision-instrument Makers and Repairers“ mit Mean 0,21 bei SD 0,08 in der untersten Kategorie „Not Exposed“ — und zwar identisch in der Zuordnung der Instandhaltungs- wie der Prüftätigkeit (Table A1, PDF-S. 57–61); dieser Wert liegt deutlich unter dem Kernprüfberuf 7543 Product Graders and Testers (0,31 / SD 0,11, „Minimal Exposure“), für den die ILO ausdrücklich sagt, Berührung mit GenAI sei möglich, aber „without significantly altering the nature of these roles“. Der Befund ruht auf mehr als Berufsaggregaten: Der einzige einzeln bewertete Installations- und Wartungs-Task des Korpus fiel vom Laien-Survey 0,55 auf 0,19 und wurde nur wegen der Zuarbeitsrolle der KI auf 0,25 angehoben — „the physical installation and configuration still require human expertise“ (Table 4, PDF-S. 35) —, für das Schweißen als Fertigungs-Task fiel er von 0,43 auf 0,05, und der WEF bestätigt unabhängig, dass von über 2.800 geprüften Fähigkeiten keine eine „very high capacity“ zur Ersetzung zeigt und manuelle Geschicklichkeit und Präzision derzeit kein Substitutionspotenzial aufweisen (PDF-S. 44). Belegt verschoben ist allein der von der ILO wörtlich benannte informationelle Rand aus „planning, documentation, and troubleshooting guides“ sowie — eine Ebene daneben — die auswertende Schale der Qualitätsarbeit, für die bei Industrial Production Managers die Nachfrage nach dem Konzipieren von Qualitätsregelsystemen um 26,6 Prozent zurückgeht, während der prüfnächste Task „Collect and analyze production samples to evaluate quality“ mit −5,9 den mit Abstand schwächsten Rückgang zeigt (NBER WP 33509, Table A.7).
Automatische optische Inspektion, Koordinatenmesstechnik und Prüfrobotik wären für das Messen und Justieren feinmechanischer Instrumente die einschlägigen Verfahren und werden von keiner der zehn Korpusquellen gemessen; ebenso wenig ist untersucht, ob KI die Auslegung von Toleranzen, Normen und Prüfvorschriften verändert.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Präzisionsinstrumentenmacher und -instandsetzer allgemein — mit Tätigkeiten wie „Anlagen und Geräte installieren, warten und reparieren“ oder „Bauteile und Konstruktionen fertigen und montieren“.
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): Präzisionsinstrumentenmacher und -instandsetzer — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/praezisionsinstrumentenmacher-und-instandsetzer
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0