Der Kern dieser Arbeit ist, dass eine Website für alle sichtbar und erreichbar bleibt, während die eigentliche Arbeit dahinter unsichtbar bleibt. Läuft alles rund, merkt niemand etwas – bemerkt wird diese Arbeit meist erst, wenn eine Seite nicht mehr erreichbar ist.
Webmaster halten Websites und die Server dahinter am Laufen und sorgen dafür, dass sie zuverlässig erreichbar bleiben.
Webtechniker warten, überwachen und unterstützen die optimale Funktion von Internet- und Intranet-Websites sowie von Webserver-Hardware und -Software. Zu den Aufgaben gehören - (a) Installation, Überwachung und Unterstützung der Zuverlässigkeit und Benutzbarkeit von Internet- und Intranet-Websites oder Webserver-Hardware oder -Software; (b) Entwicklung und Pflege von Dokumentation, Richtlinien und Anweisungen, Erfassung von Betriebsabläufen und Systemprotokollen; (c) Entwicklung, Koordinierung, Umsetzung und Überwachung von Sicherheitsmaßnahmen; (d) Analyse und Erarbeitung von Empfehlungen zur Leistungsverbesserung, einschließlich Aktualisierung und Anschaffung neuer Systeme; (e) Kontaktpflege mit und Beratung von Klienten und Nutzern; (f) Erstellung und Änderung von Webseiten; (g) Durchführung von Backup- und Wiederherstellungsvorgängen für Webserver. Beispiele für die hier eingeordneten Berufe: - Webmaster - Website-Administrator - Website-Techniker Einige verwandte, anderswo eingeordnete Berufe: - Computerspiele-Designer - 2166 - Website-Designer - 2166 - Systemanalytiker (Computer) - 2511 - Computersoftware-Designer - 2512 - Website-Entwickler - 2513 - Computersystem-Administrator - 2522 - Netzwerkadministrator - 2522
Web-Betreuer · Web-Betreuerin · Web-Master · Web-Masterin · Webmaster/Webmasterin · Webmasterin · Webspezialist · Webspezialistin · e-commerce technician · web administrator · web technician · webmasters · +1 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 3514.
Betrieb und Pflege der Systeme gelten als deutlich betroffen, Codieren und Nutzersupport werden schneller — und KI-Anwendungen selbst werden zum neuen Gegenstand der Arbeit.
Webmaster liegt nahe am oberen Rand — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| oberstes Fünftel von 411 Berufen | im oberen Bereich der von generativer KI berührten Berufe | Von 6 verglichenen Berufen ist keiner stärker betroffen als dieser. Gruppe: IT- & Kommunikationstechnik |
Ähnlich eingeordnet: Sekretariatsfachkräfte im Gesundheitswesen · Versicherungsvertreter · Fachkräfte für medizinische Dokumentation
Das Absichern von Systemen wird hier inhaltlich nicht behandelt, und der Vor-Ort- und Hardware-Anteil der Nutzerunterstützung ist nicht erfasst — die einzige Feldstudie betraf allein chatbasierte Fernunterstützung in einem Unternehmen. Zu diesen Teilen der Arbeit fehlt damit noch belastbares Wissen. Nach heutigem Stand also offen und beobachtenswert, nicht abschliessend geklärt.
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
Der Betrieb und die Pflege der Systeme zählen zu den deutlicher betroffenen Tätigkeiten — verwandte Web- und Multimedia-Entwickler stuft die Studienlage 2025 sogar noch höher ein, allerdings als Potenzial, nicht als bereits vollzogene Ersetzung. Die gemessenen Effekte betreffen nur die Nachbartätigkeiten und sind uneinheitlich: Entwickler mit KI-Assistenz schlossen 26 Prozent mehr Aufgaben ab, erfahrene Open-Source-Entwickler wurden mit derselben Hilfe dagegen 19 Prozent langsamer; im Support stiegen die gelösten Anliegen um 14 Prozent, fast ganz zugunsten von Einsteigern. Der Nettöffekt ist offen und widersprüchlich: Eine Auswertung sieht die Nachfrage nach einfachen Programmier-Fähigkeiten sinken und einen Beschäftigungsrückgang von fast 20 Prozent bei jungen Softwareentwicklern seit 2022 — ausdrücklich aber keine breite, gleichförmige Verdrängung, denn ältere Jahrgänge wachsen weiter und dieselbe Berufsgruppe gilt anderswo als KI-komplementär. Zugleich bekommt das Konzipieren von Lösungen mit den KI-Anwendungen selbst einen neuen Gegenstand.
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 Schreiben von Code wird schneller, das Prüfen und Entwerfen wichtiger.
Das Entwickeln von Software verändert sich schneller als fast jede andere Tätigkeit: KI schreibt Code mit, und in klar umrissenen Aufgaben entsteht mehr in gleicher Zeit — an komplexem Bestandscode zeigt sich der Vorteil aber längst nicht immer. Das reine Programmierhandwerk wird weniger gefragt, das Durchdenken der Architektur dafür umso mehr.
Beim Betreiben von IT-Systemen automatisiert die KI viele Handgriffe und verlangt zugleich, sich neu auszurichten.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Das Betreiben und Überwachen von IT- und Kommunikationssystemen zählt zu den stärker betroffenen Tätigkeiten: Ein wachsender Teil der heutigen Aufgaben lässt sich mit KI automatisieren, in der Fachebene deutlicher als bei den betrieblichen Technikern, während die Telekommunikationstechnik weitgehend außen vor bleibt. Zugleich sind gerade diese Berufe eng mit digitaler Technik verwachsen und gelten als besonders wandlungsfähig — sie können mit KI neue Aufgaben entwickeln, statt nur alte zu verlieren. Ob die vorhandenen Fachkräfte dabei umlernen oder ersetzt werden, ist die eigentlich offene Frage.
Das Konzipieren von IT-Lösungen wandelt sich, das Einpassen von KI in bestehende Abläufe kommt als eigene Aufgabe hinzu.
Das Klären von Anforderungen und Entwerfen von IT-Lösungen gehört zu den Tätigkeiten, deren Berührung mit KI in den letzten Jahren ausdrücklich zugenommen hat — vor allem, weil spezialisierte Fachaufgaben zunehmend automatisierbar werden. Zugleich entsteht innerhalb genau dieser Arbeit eine neue Aufgabe: zu erkennen, wo KI-Werkzeuge sinnvoll eingesetzt werden können, und sie in bestehende Abläufe einzupassen. Diese Rolle gilt dabei weniger als ersetzbar denn als Ergänzung zur KI, nicht zuletzt weil hier die Technik selbst umgesetzt und betreut wird.
Die Unterstützung läuft schneller und paralleler, das Anlernen verschiebt sich in die Echtzeit-Hilfe.
Beim Unterstützen von IT-Nutzern greift KI direkt in die Bearbeitung ein: Anfragen werden schneller gelöst und mehrere lassen sich zugleich betreuen — im Schnitt rund 14 % mehr erledigte Anliegen pro Stunde, für Einsteiger deutlich mehr, für erfahrene Kräfte kaum. Auffällig ist, wie sich das Anlernen verschiebt: Statt der wöchentlichen Rückmeldung durch Vorgesetzte kommen die Hinweise zunehmend in Echtzeit aus dem System. Zugleich zeigt sich in den Beschäftigtenzahlen, dass gerade die jüngsten Berufseinsteiger in solchen Rollen seit einigen Jahren zurückgehen.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Webmaster · 3514
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.
Additionally, some occupations – such as financial analysts, and web and multimedia developers (gradient 4), as well as bank tellers, translators, applications programmers, investment advisers (gradient 3) – have increased their levels of exposure, highlighting the expanding abilities of GenAI technology to potentially automate more specialized tasks in professional and technical roles.
The clearest impact is on support work, software development, and marketing. […] software developers using GitHub Copilot completed 26% more pull requests (Cui et al., 2025) / experienced open-source developers became 19 percent slower when using AI assistance, with a disconnect between how helpful the developers thought the tools were and how they actually performed (Becker et al., 2025).
Panel B in Figure 4.5 shows the results for the subgrouping computer programming, which was the sub-group of digital skills associated with one of the largest declines in skill demand. On average, the share of vacancies posting skills grouped in the computer programming sub-grouping declined by a little under one percentage point for a one standard deviation increase in establishment-level AI exposure. / Recent research suggests that AI can greatly aid in the speed and efficacy of basic computer programming (Peng et al., 2023[7]), so a decline in demand for these skills is not necessarily unexpected.
In the United States, normalized headcount trends for both occupations show that employment among the youngest workers (ages 22–25) has declined since 2022, even as headcount for older age groups continues to grow […] By September 2025, employment for software developers ages 22–25 had fallen close to 20% from its 2022 peak. / does not point to broad, uniform displacement.
Anticipated reductions are highest in service operations, supply chain, and software engineering. Across nearly all functions, anticipated decreases outpaces those already observed.
Gradient 3 2522 Systems Aministrators 0.57 0.05 / Gradient 3 2523 Computer Network Professionals 0.52 0.06 / Gradient 3 3514 Web Technicians 0.53 0.12
Exposed: Gradient 3 (Significant exposure, high task variability) 0.5 ≤ μ < 0.6 and μ + σ ≥ 0.5 Above-moderate occupational exposure: even though some tasks remain less exposed, the overall potential of automation of the current tasks with GenAI is growing in these occupations. / 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
Gradient 2 3512 Information and Communications Technology User Support Technicians 0.47 0.19 / Gradient 2 3511 Information and Communications Technology Operations Technicians 0.43 0.13 / Gradient 2 3513 Computer Network and Systems Technicians 0.43 0.08 / 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 3522 Telecommunications Engineering Technicians 0.45 0.04 / we introduce a more granular distinction of Minimal Exposure, where some interaction with GenAI may occur, but without significantly altering the nature of these roles
While many of these occupations fall within gradient 3 and 4, one must consider that these roles are deeply intertwined with digital technologies, and indeed, many of these occupations have emerged as a result of technological advancements. The scores reflect the high potential of automation among their current tasks, but these occupations also possess a strong capacity to evolve and develop new tasks through innovative application of GenAI and related digital tools. / A key question – largely dependent on the policies shaping this evolution – is to what extent these jobs can retrain and retain existing workers, rather than drive labor churn through workforce replacement and the recruitment of typically younger specialists
Gradient 2 2511 Systems Analysts 0.49 0.05 Gradient 3 2519 Software and Applications Developers and Analysts Not Elsewhere Classified 0.55 0.16 Gradient 3 2521 Database Designers and Administrators 0.57 0.08
Additionally, some occupations – such as financial analysts, and web and multimedia developers (gradient 4), as well as bank tellers, translators, applications programmers, investment advisers (gradient 3) – have increased their levels of exposure, highlighting the expanding abilities of GenAI technology to potentially automate more specialized tasks in professional and technical roles.
We use the term 'AI Integrator' to refer to specialized workers whose job is to adapt or develop customized AI applications for their firms. […] 'The AI Integrator bridges the gap between cutting-edge artificial intelligence technologies and real-world organizational processes. This role focuses on identifying where AI tools can be deployed effectively, adapting them to existing workflows, and ensuring smooth adoption across teams. The AI Integrator combines technical fluency in AI systems with a strong understanding of business needs, user behavior, and change management.'
Because our model emphasizes the labor-substituting effects of AI at the task level, we exclude 2-digit SOC 15 (Computer and Mathematical occupations), since these are by far the most likely broad occupation group to be tagged as AI implementers, representing about 50% of all AI integrator positions in our data. These workers, even if not directly developing AI, likely implement and maintain the software and hardware necessary for its use—and hence their labor input is plausibly complementary to AI adoption.
The highest reported AI usage was in knowledge management for business, legal, and professional services (58%) and in software engineering and IT in the technology sector (58% and 56%, respectively).
Gradient 2 3512 Information and Communications Technology User Support Technicians 0.47 0.19
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.
Column 1 documents a 3.8 minute decrease in the average duration of customer chats, a 9% decline from the baseline mean […] Column 2 indicates a 0.37 unit increase in the number of chats that an agent can handle per hour. Relative to a baseline mean of 2.6, this represents an increase of roughly 14%. […] The fact that we find a stronger effect on this outcome suggests that AI enables agents to both speed up chats and multitask more effectively. Column 3 of Table 3 indicates a small 1.3 percentage point increase in chat resolution rates, significant at the 10% level. This effect is economically modest
Prior to the deployment of AI-assistance, agents only received training from managers during brief weekly coaching sessions. […] In contrast, AI assistance provides workers with specific, actionable suggestions in real time. Our findings suggest that this can play a useful role in supplementing existing on-the-job training programs.
Recent employment data for software developers and customer service roles reveals a generational pattern (Brynjolfsson et al., 2025). In the United States, normalized headcount trends for both occupations show that employment among the youngest workers (ages 22–25) has declined since 2022, even as headcount for older age groups continues to grow
Betrieb und Pflege der Systeme sind rollenspezifisch als signifikant exponiert gemessen, das Codieren und das Unterstützen von Nutzern werden messbar schneller, und das Konzipieren von Lösungen bekommt mit KI-Anwendungen selbst einen neuen Gegenstand.
Die ILO führt „Web Technicians" mit μ 0,53 (SD 0,12) in Gradient 3 — „a significant portion of tasks are consistently exposed to GenAI, signaling growing automation risks" — und hebt die verwandten Web- und Multimedia-Entwickler 2025 sogar in Gradient 4 (0,60), ausdrücklich weil GenAI zunehmend „potentially automate more specialized tasks" könne, also Potenzial, nicht vollzogene Substitution. Gemessene Effekte liegen nur für die Nachbartätigkeiten vor und sie sind uneinheitlich: Entwickler mit GitHub Copilot schlossen 26 % mehr Pull Requests ab, während erfahrene Open-Source-Entwickler mit KI-Assistenz 19 % langsamer wurden; im technischen Nutzersupport stiegen die gelösten Anliegen pro Stunde um 14 % und die Bearbeitungsdaür sank um 3,8 Minuten, aber die Lösungsquote nur um 1,3 Prozentpunkte („economically modest"), und der Gewinn ging mit +34 % fast vollständig an Neulinge, bei Erfahrenen blieb er „minimal". Die Richtung des Nettöffekts ist offen und im Korpus widersprüchlich: Die OECD misst mit steigender betrieblicher KI-Exposition einen Rückgang der Nachfrage nach basalen Programmier-Skills um knapp einen Prozentpunkt je Standardabweichung und der Stanford AI Index einen Beschäftigungsrückgang von fast 20 % bei 22- bis 25-jährigen Softwareentwicklern seit dem Höchststand 2022 — bei weiter wachsenden älteren Kohorten und mit dem ausdrücklichen Hinweis, das weise „not [to] broad, uniform displacement" —, während Hampole et al. dieselbe Berufsgruppe als KI-komplementär aus ihrer Substitutionsschätzung herausnehmen, weil sie rund 50 % aller „AI Integrator"-Stellen stellt.
Das Absichern von Systemen wird hier nicht behandelt — dazu liegt außer Expositionswerten keine inhaltliche Quelle vor; ebenso wenig zum Vor-Ort- und Hardware-Anteil der Nutzerunterstützung, denn die einzige Feldstudie misst ausschließlich chatbasierte Fernunterstützung in einem einzigen Unternehmen.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Webmaster allgemein — mit Tätigkeiten wie „Sach- und Verwaltungstexte sowie Berichte verfassen“ oder „Software entwickeln, pflegen und Systeme absichern“.
Für diesen Beruf sprechen die Daten für deutliche 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): Webmaster — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/webmaster
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0