Der Kern dieser Arbeit ist, den Unterricht ganz auf die Lernsituation der einzelnen Person zuzuschneiden – Tempo, Inhalt und Material passen sich an, statt einem festen Lehrplan zu folgen. Wer aus beruflichen Gründen eine Sprache lernt, braucht etwas anderes als jemand, der wegen eines Umzugs zurechtkommen muss.
Ob wegen eines Umzugs, für den Job oder einfach aus Interesse: Sonstige Sprachlehrer bringen Erwachsenen und Kindern eine neue Sprache bei – meist außerhalb des regulären Schulsystems.
Sonstige Sprachlehrer unterrichten Fremdsprachen für Erwachsene und Kinder, die eine Sprache aus Gründen der Migration, zur Erfüllung von Beschäftigungsanforderungen oder -möglichkeiten, zur Erleichterung der Teilnahme an in einer Fremdsprache abgehaltenen Bildungsprogrammen oder zur persönlichen Bereicherung erlernen. Sie arbeiten außerhalb der regulären Primar-, Sekundar- und Hochschulbildungssysteme oder zur Unterstützung von Schülern und Lehrkräften innerhalb dieser Systeme. Zu den Aufgaben gehören - (a) Beurteilung des Fähigkeitsniveaus und des Ausmaßes der Sprachschwierigkeiten der Schüler sowie Ermittlung der Bedürfnisse und Lernziele der Schüler; (b) Planung, Vorbereitung und Durchführung von Unterrichtsstunden und Workshops für Gruppen und Einzelpersonen, wobei Inhalt und Fortschrittsgeschwindigkeit an die Fähigkeiten und Bedürfnisse der Schüler angepasst werden; (c) Gestaltung und Erstellung von Lehrmaterialien sowie Anpassung vorhandener Materialien; (d) Bewertung des Fortschritts der Schüler; (e) Unterstützung von Schülern im Klassenzimmer, wenn Fächer in einer anderen Sprache als der Muttersprache der Schüler unterrichtet werden; (f) Unterstützung anderer Lehrkräfte durch die Gestaltung spezieller Unterrichtsprogramme für Schüler, die noch die Hauptunterrichtssprache erlernen; (g) Erteilung und Korrektur von Aufgaben sowie Vorbereitung und Bewertung von Prüfungen; (h) Bewertung, Erfassung und Berichterstattung über den Fortschritt der Schüler. Beispiele für die hier eingeordneten Berufe: - Intensivsprachlehrer - Lehrkraft für Migrantenbildung - Praxissprachlehrer - Zweitsprachenlehrer Einige verwandte, anderswo eingeordnete Berufe: - Universitätsdozent - 2310 - Lehrkraft im Bereich Berufsbildung - 2320 - Lehrkraft an einer weiterführenden Schule - 2330 - Lehrkraft im Primarbereich - 2341
DaF-Lehrer/in · DaZ-LehrerIn · GesbärdensprachlehrerIn · Lehrer an Sprachschulen · Lehrer für Gebärdensprache · Lehrerin für Gebärdensprache · Lehrerin für Sprachschulen · Lehrkraft für Deutsch als Fremd- und Zweitsprache · Lehrkraft für Gebärdensprache · Lehrkraft für Sprachschulen · assistant sign language teacher · british sign language teacher · +18 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 2353.
Das Unterrichten und Begleiten selbst zählt zu den am wenigsten betroffenen Tätigkeiten — gemessen ist der Befund allerdings nur an den Schullehrberufen, nicht am Sprachunterricht direkt.
Sonstige Sprachlehrer 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 | nur am Rand von generativer KI berührt | Von 12 verglichenen Berufen sind 5 weniger betroffen als dieser. Gruppe: Lehrkräfte |
Ähnlich eingeordnet: Apotheker · Chemieingenieure · Lehrkräfte im Bereich Berufsbildung
Für den Sprachunterricht selbst gibt es bislang keinen eigenen Messwert — die Einschätzung stützt sich auf verwandte Lehrberufe. Der naheliegendste Berührungspunkt, die maschinelle Übersetzung, wurde dabei nicht gezielt für diese Tätigkeit untersucht. Nach heutigem Stand lässt sich also wenig Belastbares direkt zu diesem Beruf sagen; wie sich Übersetzungswerkzeuge im Unterricht auswirken, lohnt 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
Unterrichten, Bewerten und die Begleitung von Lernenden ordnet die Studienlage in die niedrigste von sechs Betroffenheits-Stufen ein — als gemessenes Ergebnis, ausdrücklich nicht als fehlende Daten. Wer Erwachsene unterrichtet, liegt eine Stufe darüber, bleibt aber weit unter jeder Schwelle, ab der man von echter Betroffenheit spräche. Der Haken: Dieser Wert stammt nicht vom Sprachunterricht selbst, sondern von den allgemeinbildenden Schullehrberufen — für den Sprachunterricht gibt es keine eigene Messung. Und keine Untersuchung hat bisher geprüft, wie KI-gestützte Sprachlern-, Übersetzungs- oder Aussprachewerkzeuge die Arbeit der Lehrperson tatsächlich verändern.
Das Unterrichten selbst bleibt menschlich, KI hilft eher bei der Vorbereitung im Hintergrund.
Das Planen und Durchführen von Unterricht gehört zu den Tätigkeiten, an denen die heutige KI weitgehend vorbeigeht: Der schulische Kern ist durchgängig als kaum betroffen gemessen, mit auffällig geringer Streuung. KI kann bei Vorbereitung und Dokumentation unterstützen — Vorlagen, Zusammenfassungen, Themenideen —, doch das eigentliche Unterrichten lebt von Gruppendynamik, spontanen Entscheidungen und dem Eingehen auf einzelne Lernende und braucht menschliche Aufsicht. In der betrieblichen und der Hochschullehre liegt die Betroffenheit etwas höher, der Schulunterricht selbst bleibt vorerst unberührt.
Das Formulieren und Dokumentieren lässt sich unterstützen, das Beurteilen des Lernfortschritts bleibt beim Menschen.
Das Bewerten von Lernfortschritt und Leistungen gilt als Tätigkeit, die KI unterstützt, aber nicht übernimmt: Vorlagen, Formatierungen und Zusammenfassungen für die Dokumentation lassen sich abnehmen, doch die Einschätzung des individuellen Fortschritts und die Beobachtung einzelner Lernender brauchen weiterhin menschliches Urteil. Über die Schulformen hinweg zeigt sich niedrige Betroffenheit. Etwas höher eingestuft ist allein die betriebliche Weiterbildung — ein Randbefund, der zeigt, dass nicht jedes Lernumfeld gleich berührt ist.
Das individuelle Begleiten von Lernenden bleibt menschlich, auch wenn die Dokumentation drumherum leichter wird.
Lernende einzeln zu unterstützen lebt vom unmittelbaren Kontakt — davon, den Fortschritt eines Menschen zu beobachten, einzuordnen und darauf einzugehen. Genau das bewerten die Untersuchungen als weiterhin auf menschliche Einschätzung angewiesen: KI kann bei Vorlagen, Formatierung und dem Zusammenfassen von Unterlagen helfen und Routinedokumentation abnehmen, doch die Nuancen des individuellen Lernstands lassen sich damit nicht ersetzen. Die tragenden Lehrberufe liegen entsprechend am unteren Ende der Betroffenheit.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Sonstige Sprachlehrer · 2353
Not Exposed 2330 Secondary Education Teachers 0.3 0.07 Not Exposed 2352 Special Needs Teachers 0.28 0.1 Not Exposed 2341 Primary School Teachers 0.26 0.09
the lowest category of Not Exposed occupations, where GenAI currently has no observable potential to automate tasks. Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score.
Minimal Exposure 2310 University and Higher Education Teachers 0.37 0.12 Minimal Exposure 2320 Vocational Education Teachers 0.35 0.12 Minimal Exposure 2359 Teaching Professionals Not Elsewhere Classified 0.33 0.1
Gradient 2 2356 Information Technology Trainers 0.47 0.1 Gradient 2 2424 Training and Staff Development Professionals 0.41 0.09 Gradient 1 2351 Education Methods Specialists 0.39 0.11
Generative AI can assist in maintaining documentation by generating templates, formatting, and summarizing information, which supports automation of routine documentation tasks. However, nuances in class content, individual student progress, and teacher observations require human oversight, limiting full automation potential. While generative AI can suggest ideas and develop thematic activities based on input parameters, organizing such activities requires an understanding of group dynamics, spontaneous decision-making, and the ability to adjust plans based on participant interactions and preferences. AI can assist in planning and offering content ideas, but human oversight remains necessary to ensure engagement and safety
Not Exposed 2341 Primary School Teachers 0.26 0.09 / Not Exposed 2330 Secondary Education Teachers 0.3 0.07 / Not Exposed 2352 Special Needs Teachers 0.28 0.1 / Occupations where most tasks remain relatively unaffect ed by GenAI, with low task variability and a stable low mean exposure score.
Minimal Exposure 2310 University and Higher Education Teachers 0.37 0.12 / Minimal Exposure 2320 Vocational Education Teachers 0.35 0.12 / Minimal Exposure 2359 Teaching Professionals Not Elsewhere Classified 0.33 0.1 / Occupations with low GenAI exposure, where some tasks show moderate automation potential, but overall occupa tional exposure remains limited.
Generative AI can assist in maintaining documentation by gen erating templates, formatting, and summarizing information, which supports automation of routine documentation tasks. However, nuances in class content, individual student pro gress, and teacher observations require human oversight, lim iting full automation potential.
Gradient 2 2424 Training and Staff Development Professionals 0.41 0.09 / Gradient 1 2351 Education Methods Specialists 0.39 0.11
Not Exposed 2330 Secondary Education Teachers 0.3 0.07 Not Exposed 2352 Special Needs Teachers 0.28 0.1 Not Exposed 2341 Primary School Teachers 0.26 0.09 Not Exposed 5312 Teachers' Aides 0.24 0.14
Minimal Exposure 2310 University and Higher Education Teachers 0.37 0.12 Minimal Exposure 2320 Vocational Education Teachers 0.35 0.12 Minimal Exposure 2359 Teaching Professionals Not Elsewhere Classified 0.33 0.1 Gradient 1 2351 Education Methods Specialists 0.39 0.11
Generative AI can assist in maintaining documentation by generating templates, formatting, and summarizing information, which supports automation of routine documentation tasks. However, nuances in class content, individual student progress, and teacher observations require human oversight, limiting full automation potential.
Sprachunterricht, Bewertung und Lernbegleitung sind nur indirekt vermessen — über die schulischen Lehrberufe, nicht über diesen.
Für Sprachlehrkräfte außerhalb der Schulsystematik führt die ILO keinen eigenen Wert; belegt sind die schulischen Lehrberufe, die mit Mittelwerten zwischen 0,26 und 0,30 bei Streuungen von 0,07 bis 0,10 in der niedrigsten Kategorie liegen, was die Quelle ausdrücklich als Messergebnis und nicht als Datenlücke führt. Alle drei Tätigkeiten dieser Rolle gelten damit als unverändert, wobei die Erwachsenenbildung eine Stufe höher liegt („Minimal Exposure": 2310 Hochschullehre 0,37 bei Streuung 0,12; 2320 Berufsbildung 0,35/0,12; 2359 sonstige Lehrberufe 0,33/0,10) — wer erwachsene Lernende unterrichtet, liegt nach dieser Messung also nicht ganz so niedrig wie der Schulunterricht, bleibt aber unter jeder Exponiert-Schwelle. Keine Korpusquelle untersucht KI-gestützte Sprachlernsysteme, Übersetzungs- oder Aussprachewerkzeuge in ihrer Wirkung auf die Arbeit der Lehrperson; der Nullbefund ist ein Messergebnis für andere Berufe, nicht für diesen.
Für den Sprachunterricht liegt kein eigener Messwert vor, und der naheliegendste Berührungspunkt — maschinelle Übersetzung — ist im Korpus nicht auf Tätigkeitsebene erhoben.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Sonstige Sprachlehrer allgemein — mit Tätigkeiten wie „Unterricht und Schulungen planen und durchführen“ oder „Lernfortschritt und Leistungen bewerten“.
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): Sonstige Sprachlehrer — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/sonstige-sprachlehrer
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0