Der Kern dieser Arbeit ist eine feste Reihenfolge, die keinen Spielraum für Abkürzungen lässt. Jeder Schritt – bohren, laden, verkabeln, prüfen, zünden – muss stimmen, bevor der nächste beginnt.
Sprengmeister und Sprengbeauftragte planen und zünden Sprengungen in Bergwerken, Steinbrüchen und beim Abriss – nach genau festgelegten Sicherheitsschritten.
Sprengmeister und Sprengbeauftragte positionieren, montieren und zünden Sprengstoffe an Bergbau-, Steinbruch- und Abbruchstandorten. Zu den Aufgaben gehören - (a) Sicherstellen, dass Arbeitsschutzvorschriften und Verfahren zum Umgang mit, zur Lagerung und zum Transport von Sprengstoffen sowie einschlägige Vorschriften eingehalten werden; (b) Planen und Erteilen von Anweisungen zur Anordnung, Tiefe und zum Durchmesser von Sprenglöchern; (c) Prüfen von Tiefe und Sauberkeit der Sprenglöcher; (d) Bestimmen von Menge und Art der zu verwendenden Sprengstoffe; (e) Laden von Sprengstoffen in Sprenglöcher; (f) Zusammensetzen von Zündladungen mittels Zündern und Sprengpatronen oder Anleiten anderer Arbeiter dabei sowie Anbringen von elektrischen Drähten, Zündschnüren und Sprengschnüren an Zündern; (g) Verbinden von Drähten, Zündschnüren und Sprengschnüren zu Reihenschaltungen, Prüfen von Stromkreisen und Beheben von Störungen sowie Verbinden der Reihenschaltungen mit Zündmaschinen; (h) Abdecken von Ladungen, Auffüllen von Sprenglöchern mit Gesteinsmehl, Sand und anderen Materialien sowie Verdichten des Materials zum Komprimieren der Ladungen; (i) Sicherstellen, dass alle Sprengladungen gezündet werden, sowie Melden und Bearbeiten von Fehlzündungen; (j) Erklären von Sprengbereichen als sicher vor und nach der Zündung von Sprengstoffen; (k) Zusammenstellen und Führen von Aufzeichnungen über die Verwendung von Sprengstoffen in Übereinstimmung mit Gesetzen und Vorschriften. Beispiele für die hier eingeordneten Berufe: - Sprengmeister - Sprengarbeiter - Sprengstoffträger - Sprengbeauftragter Einige verwandte, anderswo eingeordnete Berufe: - Bergbauaufsichtsperson - 3121 - Bohrer (Bergbau) - 8111 - Bohrer (Erdöl- oder Erdgasbohrung) - 8113 - Bergbauhilfskraft - 9311 - Steinbruchhilfskraft - 9311
Sprengbefugte · Sprengbefugter · Sprengberechtigte · Sprengberechtigter · Sprengmeister · Sprengmeister/Sprengmeisterin · Sprengmeisterin · Sprengtechniker · Sprengtechnikerin · blast crew operator · blaster · demolition operative · +6 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 7542.
Die Sprengarbeit selbst ist nirgends gemessen — verschoben ist belegt nur die Text- und Nachweisarbeit daneben, und die Compliance-Prüfung nur im Finanzsektor.
Sprengmeister und Sprengbeauftragte 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 20 verglichenen Berufen ist nur einer weniger betroffen als dieser. Gruppe: Lebensmittel, Holz & Bekleidung |
Ähnlich eingeordnet: Lackierer und verwandte Berufe · Näher, Sticker und verwandte Berufe · Baumetallverformer und Metallbauer
Diese Rolle hat keinen eigenen Wert, ihre Kerntätigkeit ist nicht untersucht, und der einzige einschlägige Befund zu Regel-Compliance ist auf den Finanzsektor begrenzt — eine Übertragung auf das Sprengwesen wäre eine Überdehnung. Nach heutigem Stand lässt sich dazu 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
Für die Sprengarbeit selbst — samt Sprengstoffrecht und den geforderten Nachweisen — existiert keine Messung; die begleitenden Tätigkeiten wie das Prüfen von Sicherheit und Funktion liegen so eng in den untersten Betroffenheitsstufen, dass nicht einmal eine einzelne Aufgabe heraussticht. Belegt verändert ist demgegenüber die schriftliche Schicht: Beim Verfassen von Sach- und Verwaltungstexten halbiert sich im Experiment die Zeit für den Rohentwurf, während das Redigieren zunimmt, und das datengestützte Aufspüren von Regelverstößen wird von real eingesetzten KI-Systemen mitübernommen. Letzteres allerdings ausdrücklich nur dort, wo Unternehmen KI stark nutzen — im Finanzsektor —, während sie in den meisten Branchen niedrig bleibt. In allen Quellen betrifft der Effekt das Auffinden von Auffälligkeiten, nicht das Entscheiden über sie: Die Verantwortung für Freigabe, Bewertung und Haftung weist keine Untersuchung als verschoben aus.
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 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 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 Erstellen und Auswerten technischer Pläne wird von der aktuellen KI bislang kaum verändert.
Ob technische Zeichner, Ingenieure und Ingenieurtechniker oder Architekten — in den vorliegenden Einschätzungen liegt diese Tätigkeit durchgängig im unteren Bereich der KI-Berührung. Das Anfertigen und Auswerten von Plänen und Zeichnungen ruht offenbar auf Aufgaben, die die heutige KI nur am Rand erreicht. Für die Zukunft ist damit nichts ausgeschlossen, doch bislang zeigt sich hier kaum Bewegung.
Das Prüfen von Anlagen auf Sicherheit und Funktion bleibt eine Tätigkeit vor Ort, die die heutige KI kaum berührt — teils fragt sie sie sogar stärker nach.
Anlagen auf Sicherheit und Funktionsfähigkeit zu prüfen zählt zu den Tätigkeiten, die die aktuelle KI weitgehend unberührt lässt: Die prüfenden und instandhaltenden Berufe liegen durchweg in der niedrigsten Betroffenheitskategorie, und die geringe Streuung schliesst auch einzelne betroffene Teilaufgaben weitgehend aus. Bemerkenswert ist, dass Betriebe mit höherer KI-Nutzung Instandhaltungs- und Qualitätsprüfungs-Kompetenzen eher mehr nachfragen — diese praktische Arbeit an der Anlage wirkt zur KI eher ergänzend als ersetzend.
Das Abbrechen und Rückbaün bleibt körperliche Arbeit am Bauwerk, an der die heutige KI kaum ansetzt.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Abbruch- und Rückbauarbeiten leben vom körperlichen Tun an der Baustelle, und genau daran stößt die heutige KI an ihre Grenze: Systeme für Text und Bild haben auf diese physische Arbeit keinen Zugriff. Fachleute wie unabhängige Studien stufen solche manuellen Tätigkeiten übereinstimmend als kaum berührt ein. Spürbar wird KI allenfalls eine Ebene darüber, beim Planen und Anleiten der Arbeiten, während das eigentliche Arbeiten am Bauwerk menschlich bleibt.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Sprengmeister und Sprengbeauftragte · 7542
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.
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.
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
Minimal Exposure 3118 Draughtspersons 0.35 0.11
Not Exposed 2144 Mechanical Engineers 0.32 0.07 / Not Exposed 2151 Electrical Engineers 0.31 0.08 / Not Exposed 2142 Civil Engineers 0.3 0.06 / Not Exposed 2149 Engineering Professionals Not Elsewhere Classified 0.3 0.08 / Not Exposed 3112 Civil Engineering Technicians 0.28 0.07 / Not Exposed 3113 Electrical Engineering Technicians 0.27 0.05 / Not Exposed 3115 Mechanical Engineering Technicians 0.26 0.08
Minimal Exposure 2161 Building Architects 0.37 0.08 / Minimal Exposure 2162 Landscape Architects 0.37 0.08
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. / Not Exposed 7233 Agricultural and Industrial Machinery Mechanics and Repairers 0.17 0.04
with low task variability and a stable low mean exposure score. / Not Exposed 3257 Environmental and Occupational Health Inspectors and Associates 0.24 0.04 / Not Exposed 8182 Steam Engine and Boiler Operators 0.2 0.04
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.
„Not Exposed 9313 Building Construction Labourers 0.09 0.02" „Not Exposed 9312 Civil Engineering Labourers 0.09 0.02" „Not Exposed 7119 Building Frame and Related Trades Workers Not Elsewhere Classified 0.09 0.01" „Not Exposed 7112 Bricklayers and Related Workers 0.09 0.01" „Not Exposed 7214 Structural Metal Preparers and Erectors 0.11 0.02" „Not Exposed 8342 Earthmoving and Related Plant Operators 0.13 0.02" „Not Exposed 7542 Shotfirers and Blasters 0.12 0.05"
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 1323 Construction Managers 0.34 0.06" „Not Exposed 3123 Construction Supervisors 0.28 0.06"
Die Sprengarbeit selbst ist nirgends gemessen; verschoben ist belegt nur die Text- und Nachweißeite — und die Compliance-Verschiebung nur im Finanzsektor
Für Sprengmeister und Sprengbeauftragte enthält keine Korpusquelle einen eigenen Berufswert; auf Tätigkeitsebene liegen das Fertigen und Montieren, das Prüfen von Sicherheit und Funktionsfähigkeit von Anlagen und das Erstellen technischer Pläne durchgehend in den untersten ILO-Kategorien — bei den feldseitigen Sicherheitsberufen (3257 Umwelt- und Arbeitsschutzinspektoren, 0,24 bei Streuung 0,04) so eng gestreut, dass nicht einmal eine einzelne Teilaufgabe hervorsticht. Belegt verändert ist demgegenüber die schriftliche Schicht: beim Verfassen von Sach- und Verwaltungstexten halbiert sich im Experiment der Zeitanteil des Rohentwurfs und der Redigier-Anteil verdoppelt sich, und die datengestützte Aufdeckung von Regelverstößen wird von real eingesetzten KI-Systemen mitabgedeckt — allerdings ausdrücklich nur dort, wo die Unternehmensbefragung hohe Nutzung findet, nämlich im Finanzsektor, während sie festhält: „uptake remains low across most sectors". Für Sprengwesen, Sprengstoffrecht und die dort geforderten Nachweise existiert keine Messung, und in allen Quellen betrifft der belegte Effekt das Auffinden von Auffälligkeiten, nicht das Entscheiden über sie — die Verantwortung für Freigabe, Bewertung und Haftung wird von keiner Quelle als verschoben ausgewiesen.
Diese Rolle hat in keiner Quelle einen eigenen Messwert, ihre Kerntätigkeit ist nicht untersucht, und der Compliance-Befund ist auf den Finanzsektor begrenzt — eine Übertragung auf das Sprengwesen wäre eine Überdehnung.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Sprengmeister und Sprengbeauftragte allgemein — mit Tätigkeiten wie „Bauteile und Konstruktionen fertigen und montieren“ oder „Sach- und Verwaltungstexte sowie Berichte verfassen“.
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): Sprengmeister und Sprengbeauftragte — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/sprengmeister-und-sprengbeauftragte
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0