Der Kern dieser Berufe ist handwerkliche Präzision an einem sehr speziellen Gegenstand. Ob Glaslinse oder Blumenstrauß – am Ende zählt die genaue, oft wiederholte Handbewegung.
Diese Gruppe sammelt Handwerksberufe, die sonst in keine andere Kategorie passen – etwa das Formen optischer Linsen oder das Binden von Blumensträußen für Ausstellungen.
Diese Gruppe umfasst Handwerks- und verwandte Berufe, die nicht anderweitig in der Hauptgruppe 7: Handwerks- und verwandte Berufe klassiert sind. Sie umfasst beispielsweise Personen, die optische Linsen formen, schneiden, schleifen und polieren, sowie Personen, die Blumen zur Ausstellung arrangieren. In solchen Fällen würden die Aufgaben Folgendes umfassen - (a) Erhitzen, Formen und Pressen von optischem Glas zur Herstellung von Linsenrohlingen; (b) Schleifen und Polieren von Linsenrohlingen. Beispiele für die hier eingeordneten Berufe: - Floristischer Blumenbinder - Optiker für Linsenfertigstellung - Optiklinsenformer
Das händische Zuschneiden und Formen bleibt in der Messung unberührt — offen bleibt allein die Schneid- und Fertigungsrobotik, die bislang niemand vermessen hat.
Weitere Handwerksberufe 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 sind 5 weniger betroffen als dieser. Gruppe: Lebensmittel, Holz & Bekleidung |
Ähnlich eingeordnet: Glaser · Kunsthandwerk Holz und Korbwaren · Musikinstrumentenbauer und -stimmer
Für das Fertigen und Montieren fehlt ein eigener Wert, und für die physische Automatisierung beider Tätigkeiten gilt ausdrücklich Nichtwissen statt Entwarnung. Nach heutigem Stand wenig gesichert Veränderndes, mit der physischen Technik als offener Frage.
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 händische Zuschneiden, Formen und Verzieren von Material gehört zu den am wenigsten betroffenen Tätigkeiten überhaupt — der gemessene Wert ist sehr niedrig und zugleich so eng gestreut, dass auch keine einzelne Teilaufgabe herausragt. Der Grund liegt in den praktischen Grenzen beim Automatisieren von Handgeschick; auch eine direkt bewertete Schweißtätigkeit wurde von Fachleuten deutlich nach unten korrigiert. Beide Befunde stützen sich allerdings auf ein einziges Verfahren, das nur die generative KI erfasst. Genau die Technik, die an der manuellen Ausführung ansetzen würde — CNC-Zuschnitt, Schneidautomaten, 3D-Druck, Greifroboter — ist in keiner Quelle gemessen.
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 Formen und Verzieren von Hand bleibt der KI weitgehend entzogen, weil es an der handwerklichen Geschicklichkeit selbst hängt.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Material von Hand zuzuschneiden, zu formen und zu verzieren lebt von handwerklicher Geschicklichkeit — und daran geht die heutige KI weitgehend vorbei: Alle einschlägigen Handwerksberufe fallen in die niedrigste Betroffenheitsstufe, und Fachleute haben die ursprünglichen Einschätzungen für diese Aufgaben sogar noch nach unten korrigiert. Eine unabhängige Quelle kommt für körperlich-manuelle Arbeit zum selben Ergebnis. Denkbar ist, dass die vorgelagerte Zuschnittplanung eher digital wird als die eigentliche Formgebung und sich die Tätigkeit stärker auf Vorlagenarbeit und Feinkorrektur verlagert — das ist aber eine Vermutung, kein gemessener Befund.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Handwerks- und verwandte Berufe, anderweitig nicht genannt · 7549
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.
Not Exposed 7317 Handicraft Workers in Wood, Basketry and Related Materials 0.14 0.01 | Not Exposed 7318 Handicraft Workers in Textile, Leather and Related Materials 0.13 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.
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.
Händisches Zuschneiden und Formen mit sehr eng gestreutem Berufswert, Fertigen und Montieren nur auf Tätigkeitsebene beurteilt
Für Craft and Related Workers not Elsewhere Classified (ISCO 7549) misst die ILO beim händischen Zuschneiden, Formen und Verzieren von Material 0,14 bei einer Streuung von 0,01 — die Kategorie „Not Exposed", und eine Streuung, die so eng ist, dass auch keine einzelne Teilaufgabe als exponiert erscheint; als Mechanismus benennt die Quelle ausdrücklich die praktischen Grenzen beim Automatisieren von „physical manipulation or manual dexterity". Für das Fertigen und Montieren von Bauteilen liegt kein eigener 7549-Wert vor, hier gilt der Befund auf Tätigkeitsebene: die fertigenden Berufe fallen ebenfalls in die unterste Kategorie, und eine direkt gemessene Schweißtätigkeit wurde von Experten von 0,43 auf 0,05 korrigiert. Beide Befunde ruhen im Kern auf einem einzigen Messverfahren, das ausdrücklich nur generative KI erfasst — CNC-Zuschnitt, Schneidautomaten, 3D-Druck und Greifrobotik, die genau an der manuellen Ausführung ansetzen würden, sind in keiner Quelle auf Tätigkeitsebene gemessen.
Für das Fertigen und Montieren fehlt ein rollenspezifischer Wert, und für die physische Automatisierung beider Tätigkeiten gilt ausdrücklich Nichtwissen statt Entwarnung.
Diese Seite beschreibt Weitere Handwerksberufe allgemein — mit Tätigkeiten wie „Bauteile und Konstruktionen fertigen und montieren“ oder „Material von Hand zuschneiden, formen und verzieren“.
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): Weitere Handwerksberufe — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/weitere-handwerksberufe
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0