Der Kern dieser Arbeit ist Verantwortung an einem Ort, an dem es kein Anhalten gibt: Wer ein Schiff führt, muss Probleme unterwegs selbst erkennen und lösen. Navigation durch enge Gewässer, Sicherheit von Fracht und Besatzung, Kontakt zu Land – vieles läuft gleichzeitig zusammen.
Schiffsführer, nautische Offiziere und Lotsen bringen Schiffe sicher von einem Punkt zum anderen – auf See, auf Flüssen und durch enge Häfen.
Schiffsführer, nautische Schiffsoffiziere und Schiffslotsen führen und navigieren Schiffe und ähnliche Wasserfahrzeuge und üben verwandte Funktionen an Land aus. Zu den Aufgaben gehören - (a) Führen und Navigieren von Schiffen oder ähnlichen Wasserfahrzeugen auf See oder auf Binnenwasserstraßen; (b) Steuern und Mitwirken bei Deck- und Brückenwachtätigkeiten; (c) Navigieren von Fahrzeugen in und aus Häfen sowie durch Kanäle, Meerengen und andere Gewässer, die besondere Kenntnisse erfordern; (d) Sicherstellen des sicheren Be- und Entladens von Fracht sowie der Einhaltung von Sicherheitsvorschriften und -verfahren durch Besatzung und Passagiere; (e) Ausüben technischer Aufsicht über Wartung und Reparatur von Schiffen, um die Einhaltung von Spezifikationen und Vorschriften sicherzustellen; (f) Anwenden von Kenntnissen über Grundsätze und Praktiken des Schiffsbetriebs und der Navigation, um im Verlauf ihrer Arbeit auftretende Probleme zu erkennen und zu lösen; (g) Bestellen von Schiffsvorräten, Anwerben von Besatzung nach Bedarf sowie Führen von Betriebsaufzeichnungen; (h) Übermitteln und Empfangen routinemäßiger und dringender Informationen mit Landstationen und anderen Schiffen. Beispiele für die hier eingeordneten Berufe: - Lotse (Schiff) - Schiffskapitän - Skipper (Yacht) Einige verwandte, anderswo eingeordnete Berufe: - Küstenfischereikapitän - 6222 - Trawlerkapitän - 6223 - Matrose - 8350
Bootsführer · Bootsführerin · Bootssteuerfrau · Bootssteuermann · Erste Nautische Offizierin · Erste Nautische Schiffsoffizierin · Erste Offizierin · Erster Nautischer Offizier · Erster Nautischer Schiffsoffizier · Erster Nautischer Schiffsoffizier/Erste Nautische Schiffsoffizierin · Erster Offizier · Lotse Seeschifffahrt · +49 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 3152.
Das Führen selbst gilt als unberührt — verschoben hat sich die Papierseite der Rolle: Berichtsauswertung, Compliance-Prüfung und die Bearbeitung von Anfragen.
Schiffsführer, nautische Schiffsoffiziere und Schiffslotsen liegt im mittleren Bereich — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| Mittelfeld von 411 Berufen | nicht von generativer KI berührt | Von 25 verglichenen Berufen sind 13 weniger betroffen als dieser. Gruppe: Ingenieurtechnik |
Ähnlich eingeordnet: Produktionsleiter im Bergbau · Steuerer von chemischen Verfahrensanlagen · Steuerer von Erdöl- und Erdgasraffinationsanlagen
Genau die Technik, die für das Führen eines Schiffes zählen würde — selbststeuernde Navigation, Assistenzsysteme auf der Brücke, Sensorik und Inspektionstechnik —, ist in keiner der Studien erfasst. Auch das Verhandeln mit Lieferanten und die Verantwortung dafür, dass Vorschriften eingehalten werden, blieben ununtersucht. Nach heutigem Stand lässt sich zu diesen Kernbereichen also noch nichts Belastbares 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
Das eigentliche Führen und Bedienen ist von textgenerierender KI unberührt: Zwölf einschlägige Berufe sind gemessen und liegen alle niedrig — bei den anlagengebundenen so eng, dass nicht einmal eine einzelne Teilaufgabe die Schwelle erreicht. Bewegung zeigt sich an der informationsverarbeitenden Oberkante: Das Auswerten von Produktions-, Qualitäts- und Wartungsberichten geht in Stellenanzeigen um gut ein Viertel zurück, die Compliance-Prüfung auf Regelverstöße ist in einem realen KI-System als stark betroffene Aufgabe geführt, und in der Anfragenbearbeitung löste eine Feldstudie mit über 5.000 Servicekräften 14 Prozent mehr Vorgänge pro Stunde, bei fast einem Viertel weniger Weiterleitungen. Drei Gegenbefunde begrenzen das deutlich: Die Sicherheits- und Zustandsprüfung im Feld ist als nicht betroffen gemessen, der tatsächliche KI-Einsatz in Risiko- und Compliance-Funktionen bleibt außerhalb des Finanzsektors gering, und beim Beschaffungsteil widersprechen sich die Quellen offen — von minimal betroffen bis unter die fünf am stärksten betroffenen Berufe überhaupt.
Das Beantworten von Anfragen wird schneller und das Weiterleiten seltener, ein voller Ersatz ist es aber nicht.
Das Empfangen und Weiterleiten von Anrufen und Anfragen zählt zu den deutlich von KI erfassten Tätigkeiten. Mit KI-Unterstützung werden Anliegen schneller bearbeitet — im Schnitt rund 14 % mehr gelöste Fälle pro Stunde, bei Berufsanfängern sogar etwa ein Drittel mehr — und der Weiterleitungsanteil sinkt spürbar: Bitten, mit einer vorgesetzten Person zu sprechen, gehen um fast 25 % zurück. Ein voller Ersatz ist es aber nicht, denn viele dieser Aufgaben brauchen weiterhin merklichen menschlichen Einsatz.
Das Prüfen von Regeln an Daten und Dokumenten verschiebt sich, die Kontrolle vor Ort bleibt.
Das Auswerten von Daten und Vorschriften auf Verstöße gehört zu den Aufgaben, die KI heute am deutlichsten mitübernimmt — vor allem in Finanzdienstleistungen, wo der Einsatz bereits hoch ist, während er in anderen Branchen noch niedrig bleibt. Wo die Aufgabe stärker von KI berührt wird, geht die Arbeitsnachfrage etwas zurück, im Ganzen bleibt der Beschäftigungseffekt aber moderat, weil die Produktivität an anderer Stelle wieder Nachfrage schafft. Die Prüfung der Sicherheit direkt vor Ort dagegen bleibt Sache der Menschen.
Das Führen von Fahrzeugen bleibt — in KI-nahen Betrieben wird es teils sogar stärker gebraucht.
Ob Bus, Lok, Bagger oder Gabelstapler — das Führen selbst zählt zu den Aufgaben, die die heutige KI kaum berührt; die Systeme arbeiten mit Sprache und Daten, nicht am Steuer. In Betrieben, die KI einsetzen, steigt die Nachfrage nach solchen Fähigkeiten eher leicht an, weil sie sich mit der Technik ergänzen — etwa der Gabelstaplerfahrer im Lager, dessen Arbeit durch günstigere KI-gestützte Logistik zunimmt. Nur bei einzelnen Teilaufgaben im Straßenverkehr zeigt sich mehr Bewegung als beim Kern der Tätigkeit.
Die planende und preisoptimierende Seite der Beschaffung gerät durch KI in Bewegung, das Aushandeln und Pflegen von Lieferantenbeziehungen bleibt menschliche Arbeit.
Beim Optimieren von Preisen, Mengen und Lieferketten zählt der Einkauf zu den am stärksten von KI berührten Bereichen: Wo Aufgaben besonders KI-fähig sind, sinkt anschliessend die Nachfrage nach den zugehörigen Fähigkeiten, und die Arbeit verlagert sich innerhalb des Berufs zu weniger berührten Teilaufgaben. Zugleich stuft eine andere Untersuchung genau die Kern-Einkaufsberufe als kaum berührt ein, sodass das Bild uneinheitlich bleibt. Absehbar ist vor allem eine Verschiebung: Die datengetriebene Analyse übernimmt zunehmend KI, das Aushandeln und Pflegen der Lieferantenbeziehungen bleibt eine menschliche Aufgabe.
Das planungs- und berichtsgestützte Steuern der Instandhaltung verschiebt sich, das Anleiten der Arbeit vor Ort bleibt.
Beim Organisieren und Leiten von Instandhaltung trennen sich zwei Teile. Der planungs- und berichtsnahe Anteil — Abläufe auswerten, Produktion verfolgen, die Instandhaltung darüber steuern — verliert deutlich an Nachfrage; in Stellenanzeigen gehen genau diese Aufgaben um rund 26 % zurück. Die praktische Reparatur- und Wartungsarbeit dagegen bleibt der heutigen KI weitgehend entzogen, und in KI-nahen Betrieben wird sie sogar etwas stärker gesucht — sie ergänzt die Technik, statt von ihr ersetzt zu werden.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Schiffsführer, nautische Schiffsoffiziere und Schiffslotsen · 3152
Gradient 3 4222 Contact Centre Information Clerks 0.58 0.06 / Gradient 3 4226 Receptionists (general) 0.57 0.17 / Gradient 3 4223 Telephone Switchboard Operators 0.54 0.15 / Gradient 3 4224 Hotel Receptionists 0.51 0.07 / Gradient 3 4225 Inquiry Clerks 0.57 0.09 / Gradient 2 4229 Client Information Workers Not Elsewhere Classified 0.42 0.13 / 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).
In most customer service settings, front-line agents attempt to resolve customer problems but can seek the help of supervisors when they are unsure of how to proceed. Customers, knowing this, will sometimes attempt to escalate a conversation by asking to speak to a manager. […] Following the introduction of AI assistance, we see a gradual decline in requests for escalation. Relative to a baseline rate of approximately 6 percentage points, these coefficients suggest that AI assistance generates an almost 25% decline in customer requests to speak to a manager.
Access to the tool increases productivity, as measured by issues resolved per hour, by 14% on average, including a 34% improvement for novice and low-skilled workers but with minimal impact on experienced and highly skilled workers.
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 […]. Business Process skills include clerical and administrative tasks along with sales and customer service.
While tasks such as taking meeting notes or scheduling appointments can significantly benefit from GenAI support, our 2023 scores for such tasks, which reached 0.9 in some cases, reflected an overly optimistic assessment of full automation potential. In reality, many of these tasks still require substantial human effort.
Collect and analyze data to detect deficient controls, duplicated effort, extravagance, fraud, or non-compliance with laws, regulations, and management policies. / Assess credit risk and provide regulatory compliance across different lines of business.
Tasks with higher AI exposure subsequently experience reduced labor demand. […] Despite strong substitution at the task level, overall employment effects are modest, as reduced demand in exposed occupations is offset by productivity-driven increases in labor demand at AI-adopting firms.
More broadly, functions tied to information processing, software, customer engagement, and internal knowledge work reported higher adoption than areas such as strategy and corporate finance and risk and compliance, where uptake remains low across most sectors. Financial services were an exception; they reported high use in risk and compliance functions, which are more central to their core operations.
Not Exposed 3257 Environmental and Occupational Health Inspectors and Associates 0.24 0.04 / Not Exposed 2263 Environmental and Occupational Health and Hygiene Professionals 0.28 0.05
Not Exposed 8331 Bus and Tram Drivers 0.18 0.06 / Not Exposed 8311 Locomotive Engine Drivers 0.2 0.08 / Not Exposed 8342 Earthmoving and Related Plant Operators 0.13 0.02 / Not Exposed 8341 Mobile Farm and Forestry Plant Operators 0.12 0.03 / Not Exposed … Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score.
Gradient 1 8322 Car, Taxi and Van Drivers 0.28 0.23 / Minimal Exposure 8332 Heavy Truck and Lorry Drivers 0.24 0.22 / 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.
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. For example, if a logistics warehouse can use AI to reduce the costs of routing shipments, they may be able to lower their costs and see increased demand – possibly necessitating greater demand for forklift drivers in the warehouse. However, these increasing skill demands were more modest with substantial cross-country heterogeneity. [norm.]
The three technology-based trends stand out as expected growth drivers only for light truck and delivery services drivers, software and applications developers, and nursing professionals.
In pricing and supply chain optimization, Purchasing Managers and Wholesale and Retail Buyers emerge as the most exposed, while in process automation and operational efficiency the most exposed tasks are linked to Sales Engineers and Other Engineering Technologists.
Across all specifications, coefficients on task-level AI exposure are negative and of similar magnitude: greater exposure reduces the intensity with which firms demand skills linked to those tasks. […] a one–standard deviation increase in task-level AI exposure lowers demand for the associated skills by about 2 percent over five years. Because the dependent variable is a share, this implies reallocation of labor effort away from exposed tasks and toward less-exposed tasks within the same occupation.
Purchasing Agents (13-1023) 1.51 / High-skill, high-wage occupations are the most exposed to artificial intelligence. […] These are occupations that require cognitive skills that cannot be automated with a discrete set of instructions, but for which artificial intelligence excels
One-third of organizations expect AI to reduce their workforce in the coming year, even though large-scale job losses have not yet shown up in overall employment data. […] Anticipated reductions are highest in service operations, supply chain, and software engineering. Across nearly all functions, anticipated decreases outpaces those already observed. / This trend is particularly pronounced in service operations, supply chain/inventory management, marketing and sales, and software engineering, where the expected decrease in employees for the next year significantly exceeds the actual decrease reported over the past year.
Minimal Exposure 3323 Buyers 0.39 0.08 / Minimal Exposure 1324 Supply, Distribution and Related Managers 0.38 0.05 / 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. / a more granular distinction of Minimal Exposure, where some interaction with GenAI may occur, but without significantly altering the nature of these roles / 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.
Minimal Exposure 1321 Manufacturing Managers 0.38 0.11 | Minimal Exposure 3122 Manufacturing Supervisors 0.35 0.13 | Minimal Exposure 1323 Construction Managers 0.34 0.06
Not Exposed 7231 Motor Vehicle Mechanics and Repairers 0.18 0.04 | Not Exposed 7233 Agricultural and Industrial Machinery Mechanics and Repairers 0.17 0.04 | Not Exposed 3123 Construction Supervisors 0.28 0.06 | Not Exposed 3115 Mechanical Engineering Technicians 0.26 0.08
Industrial Production Managers • Develop or implement production tracking or quality control systems, analyzing production, quality control, maintenance, or other operational reports to detect production problems. −26.6 | applications, Industrial Production Managers experience large declines in skills related to planning and tracking operational decisions. | these exposed tasks experience significant declines in demand relative to other tasks in the same firm–occupation cell
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.
Das Führen selbst ist als von generativer KI unberührt gemessen, verschoben hat sich die Papierseite der Rolle — Berichtsauswertung, Compliance-Prüfung und Anfragenbearbeitung.
Für ISCO 3152 weist keine Korpusquelle einen eigenen Expositionswert aus; auf Tätigkeitsebene sind zwölf fahrzeugführende Berufe gemessen und liegen sämtlich unter 0,29, bei den schienen- und anlagengebundenen mit Streuungen von nur 0,02 bis 0,08 — dort erreicht nach ILO-Logik nicht einmal eine einzelne Teilaufgabe die Schwelle, während bei den Straßenfahrerberufen (8322: 0,28/0,23; 8332: 0,24/0,22) einzelne Teilaufgaben sehr wohl exponiert sind, nach Quellenlage aber die nicht-fahrenden, administrativen Anteile. Verändert ist die informationsverarbeitende Oberkante der Rolle: Für Industrial Production Managers ging die Nachfrage nach der Teilaufgabe „analyzing production, quality control, maintenance, or other operational reports" um 26,6 Prozent relativ zu anderen Aufgaben derselben Firma-Beruf-Zelle zurück, die Compliance-Prüfaufgabe „collect and analyze data to detect deficient controls […] or non-compliance with laws, regulations" ist in einem real eingesetzten KI-System als hoch exponierte Aufgabe geführt, und für die Anfragenbearbeitung zeigt eine Feldstudie mit 5.179 Kundendienstkräften 14 Prozent mehr gelöste Vorgänge pro Stunde bei einem Rückgang der Weiterleitungswünsche um fast ein Viertel. Drei Gegenbefunde begrenzen das deutlich: Die feldseitige Sicherheits- und Zustandsprüfung ist als „Not Exposed" mit sehr niedriger Streuung gemessen (3257: 0,24/0,04; 2263: 0,28/0,05), die tatsächliche KI-Nutzung in Risiko- und Compliance-Funktionen bleibt außerhalb des Finanzsektors laut Unternehmensbefragung gering („uptake remains low across most sectors"), und für den Beschaffungsteil widersprechen sich die Quellen offen — die ILO führt Buyers bei Minimal Exposure (0,39/0,08), die OECD dagegen Purchasing Agents mit 1,51 unter den fünf am stärksten exponierten Berufen überhaupt.
Genau die Technologie, die für das Führen eines Schiffes einschlägig wäre — autonome Navigation, Brückenassistenz, Sensorik und Inspektionstechnik —, wird von keiner der Korpusquellen gemessen; ebenso wenig untersucht sind Lieferantenverhandlung und Lieferantenbeziehung sowie die Verantwortungs- und Entscheidungsseite der Regelkonformität.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Schiffsführer, nautische Schiffsoffiziere und Schiffslotsen allgemein — mit Tätigkeiten wie „Anrufe, Anfragen und Besucher empfangen und weiterleiten“ oder „Einhaltung eigener Vorschriften und Sicherheitsstandards sicherstellen“.
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): Schiffsführer, nautische Schiffsoffiziere und Schiffslotsen — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/schiffsfuehrer-nautische-schiffsoffiziere-und-schiffslotsen
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0