Der Kern dieser Arbeit ist, Räume für andere herzurichten, ohne selbst im Mittelpunkt zu stehen. Dieselben Handgriffe – kehren, wischen, Betten machen – wiederholen sich Raum für Raum, oft bevor oder nachdem andere den Ort betreten. Auch an diesen immer gleichen Runden bewegt sich gerade etwas.
In Hotels, Büros, Zügen und Flugzeugen halten sie Innenräume sauber und ordentlich: Reinigungspersonal kümmert sich um Böden, Zimmer und den täglichen Abfall.
Reinigungspersonal und Hilfskräfte in Büros, Hotels und anderen Einrichtungen führen verschiedene Reinigungsarbeiten aus, um die Innenräume und Einrichtungsgegenstände von Hotels, Büros und anderen Einrichtungen sowie von Flugzeugen, Zügen, Bussen und ähnlichen Fahrzeugen sauber und ordentlich zu halten. Zu den Aufgaben gehören - (a) Kehren oder Staubsaugen, Waschen und Polieren von Böden, Möbeln und anderen Einrichtungsgegenständen in Gebäuden, Reisebussen, Bussen, Straßenbahnen, Zügen und Flugzeugen; (b) Betten machen, Reinigen von Badezimmern, Bereitstellen von Handtüchern, Seife und ähnlichen Artikeln; (c) Reinigen von Küchen und allgemeine Mithilfe bei der Küchenarbeit, einschließlich Geschirrspülen; (d) Aufsammeln von Abfall, Leeren von Abfallbehältern und Verbringen des Inhalts zu Abfallbereichen zur Entsorgung. Beispiele für die hier eingeordneten Berufe: - Flugzeugreiniger - Hotelreiniger - Toilettenwart - Büroreiniger Einige verwandte, anderswo eingeordnete Berufe: - Hauswirtschafter in Privathaushalten - 5152 - Hausmeister - 5153 - Reinigungskraft in Privathaushalten - 9111 - Geschirrspüler - 9412 - Küchenhilfe - 9412 - Straßenkehrer - 9613 Anmerkung Arbeitskräfte, die Reinigungs- und Hilfstätigkeiten ausschließlich in Küchen und anderen Bereichen der Speisenzubereitung ausüben, werden in der Berufsgattung 9412: Küchenhilfen eingeordnet.
Büroreiniger · Büroreinigerin · Flugzeugkabinenreiniger · Flugzeugkabinenreiniger/Flugzeugkabinenreinigerin · Flugzeugkabinenreinigerin · Flugzeugreiniger · Flugzeugreinigerin · Gebäudereiniger · Gebäudereiniger Innenreinigung · Gebäudereiniger Innenreinigung/Gebäudereinigerin Innenreinigung · Gebäudereinigerin · Gebäudereinigerin Innenreinigung · +68 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 9112.
Die gewerbliche Reinigung von Räumen und Flächen ist vermessen und bleibt unverändert — erst die anleitenden Rollen daneben werden stärker berührt.
Reinigungspersonal in Büros und Hotels liegt nahe am unteren Rand — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| unterstes Fünftel von 411 Berufen | nicht von generativer KI berührt | Von 5 verglichenen Berufen sind 3 weniger betroffen als dieser. Gruppe: Reinigung & Hilfskräfte |
Ähnlich eingeordnet: Hilfsarbeiter im Gartenbau · Hilfsarbeiter in der Tierhaltung · Weitere Produktionshilfskräfte
Scheuersaugautomaten und autonome Bodenreiniger — der am weitesten verbreitete Automatisierungspfad genau dieser Arbeit — sind nicht gemessen. „Wenig berührt" heißt hier nur, dass ein Sprachmodell diese Arbeit nicht ausführt; wer die Aussage als Entwarnung für Reinigungsarbeitsplätze liest, liest sie falsch. Nach heutigem Stand wenig berührt, ohne 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
Die gewerbliche Reinigung von Räumen und Flächen ist eigens vermessen und zeigt keine Verschiebung — auch keine versteckte Teilaufgabe fällt heraus, denn die untersuchten Systeme können körperliche Arbeit nicht ausführen. Erst die anleitenden Rollen unmittelbar daneben, etwa Vorarbeiter und Hausmeister, werden stärker berührt. Der einzige Befund, der nach einem Rückgang klingt, führt diesen ausdrücklich auf schwächeres Wachstum und steigende Lebenshaltungskosten zurück, nicht auf die Technik — diese Rolle zählt sogar zu den nur zwei rückläufigen, bei denen Technologietrends nicht zu den Haupttreibern gehören.
Die körperliche Reinigungsarbeit bleibt, die Rolle der Robotik ist noch offen.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Das Reinigen von Räumen, Flächen und Fahrzeugen lebt vom körperlichen Tun, und genau daran stößt die heutige KI an ihre Grenze: Systeme für Text und Bild haben auf diese physische Arbeit keinen Zugriff. Gleich drei unabhängige Untersuchungen ordnen die Reinigungsberufe übereinstimmend ganz unten bei der KI-Betroffenheit ein. Ob Robotik großflächige Bodenreinigung künftig übernimmt und sich die Tätigkeit stärker zu Nacharbeit, Kontrolle und Gerätebetreuung verschiebt, ist eine begründete Vermutung, aber noch nicht belegt.
Der heutigen KI bleibt die einfache körperliche Arbeit verschlossen — andere Automatisierung könnte weiter reichen.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Einfache Handreichungen leben von Körper, Geschick und Anwesenheit vor Ort. In einer Bewertung von über 2.800 Fähigkeiten zeigte manuelle Geschicklichkeit keinerlei Ersetzbarkeit durch die heutige KI — den Sprach- und Bildmodellen fehlt schlicht der Zugriff auf das Körperliche, und Fachleute haben die Werte für solche Tätigkeiten eigens nach unten gesetzt. Offen bleibt allerdings, ob nicht-sprachliche Automatisierung wie computergesteuerte Maschinen weiter in diese Aufgaben hineinreicht, als der KI-Nullbefund vermuten lässt — das ist plausibel, aber nicht ursächlich belegt.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Reinigungspersonal und Hilfskräfte in Büros, Hotels und anderen Einrichtungen · 9112
Not Exposed 9112 Cleaners and Helpers in Offices, Hotels and Other Establishments 0.12 0.02 / Not Exposed 9123 Window Cleaners 0.11 0.03 / Not Exposed 9129 Other Cleaning Workers 0.1 0.01 / Not Exposed 7133 Building Structure Cleaners 0.09 0.01 / Not Exposed 9122 Vehicle Cleaners 0.09 0.01 / Not Exposed 9111 Domestic Cleaners and Helpers 0.14 0.08 / Not Exposed 9613 Sweepers and Related Labourers 0.09 0.03 / Minimal Exposure 5153 Building Caretakers 0.27 0.16 / Not Exposed 5151 Cleaning and Housekeeping Supervisors in Offices, Hotels and Other Establishments 0.22 0.1
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.
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 / the highest exposure to GenAI is typically observed among groups with the largest share of tasks of cognitive nature and it declines with tasks of physical nature, which are more prominent among occupational groups 4-9
In contrast, ‚Cleaners, helpers', ‚Agriculture, forestry and fishery workers', ‚Food preparation assistants', ‚Labourers', ‚Refuse workers and other elementary workers' are the least exposed to AI. Therefore, high-skill, white collar occupations are the ones most exposed to recent progress in AI.
Table A.2: Top and bottom 25 occupations by average AI exposure — 25 Most Exposed Occupations | 25 Least Exposed Occupations […] Maids and Housekeeping Cleaners […] Janitors and Cleaners / These rankings are based on the computed AI exposure scores, which leverage task-level similarities between AI applications and occupational descriptions.
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.
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
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
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.
Die gewerbliche Reinigung von Räumen und Flächen ist gemessen und zeigt keine Verschiebung — auch nicht in einzelnen Teilaufgaben.
Für diese Rolle liegt ein eigener Wert vor: 9112 Cleaners and Helpers in Offices, Hotels and Other Establishments steht bei 0,12 mit einer Streuung von 0,02 in der niedrigsten von sechs Kategorien, die die ILO ausdrücklich als Messergebnis führt — „the lowest category of Not Exposed occupations, where GenAI currently has no observable potential to automate tasks" — und nicht als fehlende Datenlage. Innerhalb der Reinigungsberufe gehört dieser Befund zu den homogensten: Während 9111 Domestic Cleaners bei ähnlichem Mittelwert (0,14) mit einer Streuung von 0,08 einzelne stärker exponierte Teilaufgaben vermuten lassen, die die Quelle nicht auflöst, liegt die Streuung hier bei 0,02, und erst die anleitenden Rollen daneben steigen an (5151 Cleaning and Housekeeping Supervisors 0,22; 5153 Building Caretakers 0,27, „Minimal Exposure") — die ILO benennt auch den Grund für das Gefälle, nämlich dass diese Technologien „do not possess capabilities for physical task execution". Der Gegenbefund, der am ehesten nach dem Gegenteil klingt, trägt bei genauem Lesen nicht: Der WEF erwartet zwar einen Rückgang bei Building Caretakers, Cleaners and Housekeepers, führt ihn aber ausdrücklich auf schwächeres Wachstum und steigende Lebenshaltungskosten zurück und zählt diese Rolle zu den nur zwei rückläufigen Rollen, bei denen die drei Technologietrends nicht unter den Haupttreibern sind.
Scheuersaugautomaten und autonome Bodenreiniger — der am weitesten verbreitete Automatisierungspfad genau dieser Tätigkeit — sind von keiner Korpusquelle gemessen; „Not Exposed" heißt hier ausschließlich, dass ein Sprachmodell diese Arbeit nicht ausführen kann, und wer die Karte als Entwarnung für Reinigungsarbeitsplätze liest, liest sie falsch.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Reinigungspersonal in Büros und Hotels allgemein — mit Tätigkeiten wie „Räume, Flächen und Fahrzeuge reinigen“ oder „Einfache körperliche Hilfstätigkeiten ausführen“.
Für diesen Beruf sprechen die Daten bisher für wenig 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): Reinigungspersonal in Büros und Hotels — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/reinigungspersonal-in-bueros-und-hotels
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0