Der Kern dieser Arbeit ist Beweglichkeit: das Angebot kommt zu den Menschen, nicht umgekehrt. Zubereiten, Transportieren, Verkaufen – oft mit einfachen Mitteln wie Handkarren, Tabletts oder Körben, an wechselnden Orten im öffentlichen Raum.
Straßenverkäufer von Lebensmitteln bereiten warme oder kalte Speisen zu und verkaufen sie direkt auf der Straße oder an belebten Orten wie Bahnhöfen oder Kinos.
Straßenverkäufer von Lebensmitteln bereiten zum unmittelbaren Verzehr bestimmte warme oder kalte Speisen und Getränke zu und verkaufen sie, oder verkaufen bereits zubereitete Speisen und Getränke auf Straßen und an öffentlichen Orten wie Bahnhöfen, Kinos oder Theatern. Zu den Aufgaben gehören - (a) Einholen einer Genehmigung oder Lizenz, sofern erforderlich, zum Verkauf von Speisen und Getränken auf der Straße oder an einem öffentlichen Ort; (b) Beschaffen von Speisen und Getränken zum Verkauf; (c) Zubereiten, entweder im Voraus oder vor Ort, von Speisen und Getränken zum Verkauf; (d) Be- und Entladen, Schieben, Treten oder Tragen von Handkarren, Lastwagen, Tabletts oder Körben, um Speisen und Getränke an den gewünschten Ort auf der Straße oder an öffentliche Orte wie Bahnhöfe oder Kinos zu bringen; (e) Auslegen und Verkaufen von Speisen und Getränken sowie Entgegennehmen von Zahlungen. Beispiele für die hier eingeordneten Berufe: - Straßenhändler (Lebensmittel) - Straßenverkäufer von Lebensmitteln Einige verwandte, anderswo eingeordnete Berufe: - Koch - 5120 - Bedienpersonal an Imbisstheken - 5246 - Schnellimbiss-Zubereiter - 9411 - Straßenverkäufer (ohne Lebensmittel) - 9520 Anmerkungen Verkäufer von frischen Lebensmittelprodukten, die nicht zum unmittelbaren Verzehr bestimmt sind (wie Obst, Gemüse, Fleisch und Milchprodukte), von Straßen- und Marktständen werden in die Berufsgattung 5211: Verkaufsstand- und Marktverkäufer eingeordnet. Verkäufer einer Vielzahl zubereiteter Mahlzeiten und Lebensmittel zum unmittelbaren Verzehr von Straßen- und Marktständen werden in die Berufsgattung 5246: Bedienpersonal an Imbisstheken eingeordnet. Verkäufer von Lebensmitteln und Getränken zum unmittelbaren Verzehr auf Straßen und öffentlichen Plätzen von Handkarren, Lastwagen, Tabletts oder Körben aus werden in die Berufsgattung 5212: Straßenverkäufer von Lebensmitteln eingeordnet. Verkäufer von Nicht-Lebensmittelartikeln (oder von vorverpackten, nicht verderblichen Lebensmittelartikeln wie Süßwaren) auf Straßen und öffentlichen Plätzen von Handkarren, Lastwagen, Tabletts oder Körben aus werden in die Berufsgattung 9520: Straßenverkäufer (ohne Lebensmittel) eingeordnet. Arbeitskräfte, die einfache Lebensmittel zum unmittelbaren Verzehr zubereiten, wie z. B. Hamburgerköche, aber nur begrenzten direkten Kontakt zu Kunden haben, werden in die Berufsgattung 9411: Schnellimbiss-Zubereiter eingeordnet. Bei der Anpassung dieser Kategorien an nationale Gegebenheiten ist zu beachten, dass die gesonderte Erfassung von Verkäufern von Lebensmittelartikeln zum unmittelbaren Verzehr dem Zweck dient, Tätigkeiten zu identifizieren, die Fähigkeiten im Bereich Service, einfacher Zubereitung und hygienischer Handhabung von Lebensmitteln erfordern. Bedienpersonal an Imbisstheken bedient in der Regel ein breiteres Spektrum aufwendigerer Produkte und Mahlzeiten als Straßenverkäufer von Lebensmitteln und transportiert oder verkauft Lebensmittel in der Regel nicht mithilfe von Ausrüstung wie Handkarren, Fahrrädern oder Körben.
Eisverkäufer · Eisverkäuferin · Straßenverkäufer von Lebensmitteln/Straßenverkäuferin von Lebensmitteln · Straßenverkäuferin von Lebensmitteln · food stall holder · purveyor of street food · stall holder · street food business operator · street food caterer · street food seller · street food supplier · street food trader · +2 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 5212.
Das Verkaufen, Zubereiten und Servieren von Strassenkost bleibt kaum betroffen — höher liegt die verwaltende und amtliche Schale ringsherum.
Straßenverkäufer von Lebensmitteln 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 12 verglichenen Berufen ist keiner weniger betroffen als dieser. Gruppe: Verkaufskräfte |
Ähnlich eingeordnet: Gesellschafter und Zofen/Kammerdiener · Reinigungs- und Hauswirtschaftsleitung · Reisebegleiter und Stewards
Küchen-, Service- und Logistikrobotik ist der technisch naheliegendste Pfad für diese Arbeit — und genau dazu hat bisher keine Studie einen eigenen Wert erhoben; die körperliche Arbeit vor Ort bleibt damit die große Unbekannte. Für Beschaffung, Materialumschlag und behördliche Genehmigungen stützt sich die Einordnung nur auf benachbarte Berufe, nicht auf diese Rolle selbst. Der gemessene Teil betrifft vor allem Text- und Bildschirmarbeit — die praktische Arbeit am Stand ist noch nicht belastbar erfasst.
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 Verkaufen, Zubereiten und Servieren von Speisen zählt zu den am wenigsten betroffenen Tätigkeiten überhaupt — gleich drei unabhängige Untersuchungen kommen zum selben Ergebnis, weil die vermessene Technik körperliche Arbeit nicht ausführen kann. Zugleich fand eine dieser Studien für den Bereich Zubereitung und Service einen Rückgang des Beschäftigungsanteils um 4,6 Prozent — und führt ihn ausdrücklich nicht auf KI zurück, die Aufgaben ersetzt, sondern darauf, dass diese Betriebe selten KI einführen und deshalb langsamer wachsen. Der Befund ist damit präzise und zugleich eng: Über Küchen-, Ausgabe- und Serviceroboter sagt keine der Quellen etwas. Stärker berührt ist das Umfeld — die Markt- und Bedarfsanalyse der Beschaffung und die amtlichen Genehmigungs- und Steuervorgänge.
Der telefonische und digitale Verkauf verschiebt sich stark, das persönliche Vorführen am Produkt weniger.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Beim Verkaufen trennt sich die Aufgabe deutlich: Der telefonisch und digital vermittelte Verkauf gehört zu den am stärksten von KI erfassten Tätigkeiten, während das persönliche Vorführen am Produkt nur teilweise berührt wird. KI-Anwendungen rund um die Kundeninteraktion konzentrieren sich messbar auf Verkaufsberufe, und Betriebe mit höherer KI-Nutzung fragen bereits weniger Verkaufs- und Kundenservice-Fähigkeiten nach. Die unmittelbare Präsenz am Produkt bleibt dabei der Teil, der am ehesten menschlich bleibt.
Das Bedienen der Umschlagmaschinen bleibt körperliche Arbeit — und wird eher mehr gebraucht als weniger.
Materialumschlag mit Stapler, Kran oder beim Verladen ist körperliche Arbeit an wechselnden Orten — genau das automatisiert die heutige KI nicht, und Fachleute haben die Automatisierungswerte für diese Berufe eigens nach unten korrigiert. Unabhängige Auswertungen von Stellenanzeigen zeigen die Nachfrage nach solchen Fähigkeiten sogar leicht steigend, weil sie sich mit KI-gestützter Logistik ergänzen. Ob der innerbetriebliche Transport künftig stärker automatisiert wird als der Umschlag an wechselnden Außenorten und sich die Aufgabe mehr zu Disposition und Ausnahmefällen verschiebt, ist eine begründete Vermutung — belegt ist es nicht.
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 Zubereiten und Servieren lebt vom körperlichen Tun — daran geht die heutige KI weitgehend vorbei.
Die Arbeit in Küche und Service besteht im Kern aus körperlichem Handeln, und genau daran stößt die heutige KI an ihre Grenze: Systeme für Text und Sprache haben auf die physische Ausführung keinen Zugriff. Mehrere unabhängige Untersuchungen ordnen diese Tätigkeit übereinstimmend als kaum betroffen ein; das Servieren liegt dabei etwas höher als das Zubereiten, bleibt aber ebenfalls begrenzt. Unberührt heißt allerdings nicht ohne Folgen: Betriebe in diesem Feld führen KI seltener ein und könnten deshalb langsamer wachsen als stärker automatisierende Branchen.
Das Bearbeiten der Fälle verschiebt sich, das hoheitliche Entscheiden bleibt in menschlicher Hand.
Die vorbereitende, sachbearbeitende Seite dieser Tätigkeit ist von KI berührt — allerdings ungleich verteilt: Manche Teilschritte lassen sich unterstützen, andere bleiben unangetastet. Der eigentliche hoheitliche Kern, das Prüfen und Entscheiden mit Verantwortung, gilt als wenig betroffen; hinzu kommt, dass Institutionen zögern, solche Entscheidungen überhaupt an Maschinen zu delegieren. Wo Routineschritte automatisiert werden, kann die Nachfrage dennoch sinken, ohne dass die Tätigkeit selbst ersetzt wird.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Straßenverkäufer von Lebensmitteln · 5212
Gradient 4 5244 Contact Centre Salespersons 0.61 0.1 / Exposed: Gradient 4 (Highest exposure, low task variability) μ ≥ 0.6 and μ - σ >= 0.5 High and consistent GenAI exposure across tasks within the occupation. Most current tasks in these jobs have a high potential of automation, with little variability in task-level exposure.
Gradient 2 5242 Sales Demonstrators 0.42 0.11 / Exposed: Gradient 2 (Moderate exposure, high task variability) 0.4 ≤ μ < 0.5 and μ + σ ≥ 0.5 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.
Customer experience automation and marketing optimization are concentrated in Sales occupations, while task and workflow optimization AI applications are most relevant for Production and Office & Administrative occupations.
Under 'Customer Experience Automation', Sales Managers and Telemarketers show similar mean exposure, but the more concentrated exposure of Sales Managers suggests smaller employment losses relative to Telemarketers. / Sales and Related 41 1.69 -0.95 -2.48 -1.74 13.5
Business process skills have also seen a reduction in demand from establishments more exposed to AI. On average across countries in the sample, demand for business process skills declined by 3.5 percentage points for a one standard deviation increase in AI exposure (Figure 4.3, Panel A). All countries in the sample have seen a decline in business process skills […]. Business Process skills include clerical and administrative tasks along with sales and customer service. / Skills and tasks that can be roughly described as clerical tasks were the sub-group of skills that saw the largest reduction in demand.
Not Exposed 8344 Lifting Truck Operators 0.2 0.1 / Not Exposed 8343 Crane, hoist and related plant operators 0.18 0.03 / Not Exposed 9333 Freight Handlers 0.14 0.03 / 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 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. / and 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.
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.]
Finally, in addition to the displacement effect, the automation channel can give rise to a productivity effect. This can result in increases in labour demand for tasks or jobs not automated by AI, such as packers and forklift operators.
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.
Not Exposed 5120 Cooks 0.18 0.06 / Not Exposed 9411 Fast Food Preparers 0.18 0.05 / Not Exposed 9412 Kitchen Helpers 0.13 0.02 / Not Exposed 3434 Chefs 0.25 0.06 / 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.
Minimal Exposure 5131 Waiters 0.28 0.16 / 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.
In occupations dominated by manual and physical tasks […] 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
even occupations with little direct task exposure to AI—such as food preparation and serving—also experience employment share declines, since their employers are less likely to adopt AI and thus grow more slowly than AI-adopting firms.
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.
Exposed: Gradient 2 (Moderate exposure, high task variability) · 0.4 ≤ μ < 0.5 and μ + σ ≥ 0.5 · 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. / Gradient 2 3352 Government Tax and Excise Officials 0.49 0.12 / Gradient 2 3353 Government Social Benefits Officials 0.45 0.07 / Gradient 2 3354 Government Licensing Officials 0.43 0.07
Not Exposed 2612 Judges 0.31 0.08 / Not Exposed 3355 Police Inspectors and Detectives 0.23 0.07 / Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score.
Gradients 1-3 comprise occupations where the automation of specific tasks is limited, and some degree of task variability exists. As such, the ‚bundle of tasks' that constitutes occupations acts as a buffer against full automation. However, this does not mean that demand for these occupations will remain stable, as the efficiencies gained from introducing technology may mean that fewer workers are needed. If efforts are not made to help such jobs evolve with GenAI and integrate new tasks, even partial automation of existing tasks could lead to a decline in overall job demand in occupations found in higher exposure gradients.
An important aspect also concerns the institutional and societal acceptance of automating tasks and occupations – even when technically feasible. […] Similarly, financial institutions might hesitate to fully delegate decisions such as mortgage approvals or business plan evaluations to AI systems, preferring to retain human judgement, oversight and accountability.
Business process skills have also seen a reduction in demand from establishments more exposed to AI. On average across countries in the sample, demand for business process skills declined by 3.5 percentage points for a one standard deviation increase in AI exposure […] Business Process skills include clerical and administrative tasks along with sales and customer service. / 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 […] The most frequently demanded skills in clerical tasks are administrative support and record keeping.
Verkaufen, Zubereiten und Servieren sind gemessen als niedrig exponiert eingestuft, die dispositive und amtliche Schale ringsherum liegt höher
Die ILO misst 5212 Street Food Salespersons mit 0,22 bei einer Streuung von 0,11 als „Not Exposed" — die niedrigste Einstufung aller Verkaufsberufe, während der telefonisch und bildschirmvermittelte Verkauf mit 0,61 in der höchsten Klasse liegt: Der Verkaufsvorgang spaltet sich nach seinem Trägermedium, und diese Rolle sitzt am wenig betroffenen Ende. Für das Zubereiten und Servieren zeigen drei methodisch unabhängige Quellen in dieselbe Richtung — die ILO stuft Köche (0,18 / 0,06) und Küchenhilfen (0,13 / 0,02) so niedrig und so gleichmäßig ein, dass nicht einmal einzelne Teilaufgaben exponiert sind, NBER WP 33509 spricht von „little direct task exposure to AI", und die OECD führt „Food preparation assistants" unter den am wenigsten exponierten Gruppen —, doch dieselbe NBER-Studie findet für „Food Preparation and Serving" einen Rückgang des Beschäftigungsanteils um 4,6 Prozent und führt ihn ausdrücklich nicht auf Aufgabensubstitution zurück, sondern darauf, dass diese Arbeitgeber selten KI einführen und deshalb langsamer wachsen. Der Grund für die niedrigen Werte ist in der Quelle benannt — die vermessene Technik „dös not possess capabilities for physical task execution" —, und genau das macht den Befund präzise und zugleich eng: Über Küchen-, Ausgabe- und Serviceroboter oder autonome Flurförderzeuge sagt keine der zehn Quellen etwas, und die exponierteren Anteile sitzen im Umfeld, bei der Markt- und Bedarfsanalyse der Beschaffung und bei den amtlichen Genehmigungs- und Steuervorgängen, deren tragende Verwaltungsberufe mit 0,43 bis 0,49 in Gradient 2 liegen.
Für Beschaffung, Materialumschlag und den amtlichen Prüf- und Genehmigungsanteil führt keine Quelle einen Wert für diese Rolle — dort gelten nur Aggregate benachbarter Berufe —, und Küchen-, Service- und Logistikrobotik, der technisch naheliegendste Pfad für diese Arbeit, ist auf Tätigkeitsebene von niemandem vermessen.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Straßenverkäufer von Lebensmitteln allgemein — mit Tätigkeiten wie „Produkte verkaufen und vorführen“ oder „Maschinen und Fahrzeuge zum Materialumschlag bedienen“.
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): Straßenverkäufer von Lebensmitteln — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/strassenverkaeufer-von-lebensmitteln
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0