Der Kern dieser Arbeit ist Präzision auf die letzte Nachkommastelle: Ein Werkzeug, das hier entsteht, muss exakter sein als das, was später damit gefertigt wird. Fehler auf dieser Ebene vervielfachen sich in jedem Teil, das später mit diesem Werkzeug produziert wird.
Werkzeugmechaniker fertigen die Spezialwerkzeuge, Modelle und Gesenke, mit denen andere später serienmäßig produzieren.
Werkzeugmechaniker und verwandte Berufe stellen kundenspezifische und spezialisierte Werkzeuge, Sportwaffen, Schlösser, Gesenke, Modelle, Maschinenkomponenten und andere Metallgegenstände her und reparieren diese, wobei sie mit Hand- und Maschinenwerkzeugen Metall auf enge Toleranzen bearbeiten. Zu den Aufgaben gehören - (a) Lesen und Interpretieren von technischen Zeichnungen und Spezifikationen von Werkzeugen, Gesenken, Prototypen oder Modellen; (b) Vorbereiten von Schablonen und Skizzen sowie Festlegen von Arbeitsabläufen; (c) Visualisieren und Berechnen von Abmessungen, Größen, Formen und Toleranzen von Baugruppen anhand von Spezifikationen; (d) Positionieren, Sichern und Messen von Metallmaterial oder Gussstücken zum Anreißen für die Bearbeitung; (e) Einrichten, Bedienen und Warten von konventionellen und computergesteuerten Werkzeugmaschinen zum Schneiden, Drehen, Fräsen, Hobeln, Bohren, Ausbohren, Schleifen oder anderweitigen Formen von Werkstücken auf vorgeschriebene Abmessungen und Oberflächengüte; (f) Anpassen und Zusammenbauen von Teilen zur Herstellung und Reparatur von Vorrichtungen, Spannvorrichtungen und Lehren; (g) Reparieren und Modifizieren von Sportwaffen und anderen Kleinwaffen; (h) Herstellen, Anpassen, Zusammenbauen, Reparieren und Installieren von Schlossteilen und Schlössern; (i) Herstellen und Reparieren von Metallmodellen zur Vorbereitung von Gießereiformen; (j) Anreißen von Linien und Bezugspunkten auf Metallmaterial als Anleitung für andere Arbeitskräfte, die Metall schneiden, drehen, fräsen, schleifen oder anderweitig formen; (k) Überprüfen von Abmessungen, Ausrichtungen und Spielräumen fertiger Teile auf Übereinstimmung mit den Spezifikationen mithilfe von Präzisionsmessgeräten und Testen fertiggestellter Teile auf ordnungsgemäße Funktion. Beispiele für die hier eingeordneten Berufe: - Gesenkmacher - Büchsenmacher - Vorrichtungsbauer - Schlosser - Modellbauer - Werkzeugmacher Einige verwandte, anderswo eingeordnete Berufe: - Bediener von Werkzeugherstellungsmaschinen - 7223
Büchsenmacher · Büchsenmacherin · Feinwerkmechaniker · Feinwerkmechaniker Fachrichtung Werkzeugbau · Feinwerkmechaniker Fachrichtung Werkzeugbau/Feinwerkmechanikerin Fachrichtung Werkzeugbau · Feinwerkmechanikerin · Feinwerkmechanikerin Fachrichtung Werkzeugbau · Gießereimodellbauer · Gießereimodellbauerin · Modellbauer · Modellbauerin · Modellbaumechaniker - Gießereimodellbau · +83 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 7222.
Das Fertigen und Prüfen von Bauteilen bleibt gemessen gering betroffen — nur die Arbeit an technischen Zeichnungen trägt einzelne Teilaufgaben, die sich verschieben können.
Werkzeugmechaniker und verwandte Berufe 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 sind 10 weniger betroffen als dieser. Gruppe: Metallberufe & Mechanik |
Ähnlich eingeordnet: Bauelektriker und verwandte Berufe · Blechkaltverformer · Flugmotorenmechaniker und -schlosser
Der Befund bezieht sich allein auf sprachbasierte KI — die Fertigungstechnik rund um computergesteuerte Maschinen, automatische Prüfsysteme und rechnergestützte Konstruktion hat bislang keine Untersuchung auf der Ebene einzelner Tätigkeiten betrachtet. Was diese Verfahren künftig verändern, ist damit offen und heute noch nicht belastbar zu beziffern. Nach heutigem Stand also wenig betroffen — die Automatisierung in der Werkzeugfertigung bleibt aber der Punkt, den es zu beobachten gilt.
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 Fertigen von Bauteilen und das Prüfen auf Qualität und Maßhaltigkeit sind für diesen Beruf eigens gemessen und beide gering betroffen — nicht übersehen, sondern geprüft: Ein zunächst höher eingeschätzter Fertigungswert wurde deutlich nach unten korrigiert, weil KI keine Fähigkeiten zur körperlichen Ausführung besitzt. In einer Untersuchung von über 2.800 Fertigkeiten fand sich keine einzige, bei der KI die menschliche Arbeit weitreichend ersetzen könnte; manuelle Geschicklichkeit und Präzision gelten ausdrücklich als nicht ersetzbar. Beweglicher ist allein die Arbeit an technischen Plänen: Auf dieser Ebene liegen einzelne Teilaufgaben moderat höher, ohne dass der Kern der Werkzeugmacherarbeit dadurch berührt wäre.
Die Arbeit an der Maschine bleibt körperlich, offene Fragen stellen sich erst bei der selbststeuernden Anlage.
Das Bedienen und Steuern von Maschinen lebt vom körperlichen Tun, und genau hier stößt die heutige KI an ihre Grenze: Fachleute haben die Automatisierbarkeit dieser Aufgabe deutlich nach unten korrigiert, weil Systeme für Text und Sprache keinen Zugriff auf die physische Ausführung haben — unabhängige Untersuchungen kommen für manuelle Tätigkeiten zum selben Ergebnis. Wohin sich der Anteil unmittelbarer Bedienung verschiebt, wenn selbstlernende Steuerungssoftware die routinemäßige Prozessführung übernimmt und der Mensch stärker überwacht und bei Abweichungen eingreift, ist damit aber noch nicht beantwortet.
Das Fertigen und Montieren bleibt körperliche Präzisionsarbeit — was Robotik in der Serie übernimmt, ist die eigentliche offene Frage.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
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.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
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.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Werkzeugmechaniker und verwandte Berufe · 7222
For tasks such as „operating injection molding machines" or „performing mechanical processing of silicon", experts highlighted the limitations of generative AI in handling physical and manual components, leading to significantly reduced adjusted scores compared to the survey.
Applying various welding methods and using different types of welding machines and equipment, in accordance with training or qualifications. 0.43 0.05 0.05 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.
Occupations involving cognitive, non-routine tasks – such as programming, translating, interpreting and other highly skilled professional work – tend to exhibit higher exposure. […] By contrast, roles reliant on physical or manual tasks, such as cleaning or equipment operation, show minimal exposure.
Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score.
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.
Minimal Exposure 7543 Product Graders and Testers (except Foods and Beverages) 0.31 0.11
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, and the lowest category of Not Exposed occupations, where GenAI currently has no observable potential to automate tasks.
Not Exposed 3115 Mechanical Engineering Technicians 0.26 0.08 Not Exposed 3119 Physical and Engineering Science Technicians Not Elsewhere Classified 0.26 0.05 Not Exposed 7222 Toolmakers and Related Workers 0.2 0.1 Not Exposed 7223 Metal Working Machine Tool Setters and Operators 0.18 0.05 Not Exposed 7311 Precision-instrument Makers and Repairers 0.21 0.08
By contrast, roles reliant on physical or manual tasks, such as cleaning or equipment operation, show minimal exposure.
Physical occupation categories like Transportation & Material Moving, Food Preparation & Serving Related, and Construction & Extraction are all under-represented in the survey, as they are in Claude sessions as well.
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
Fertigen und Prüfen sind rollenspezifisch gemessen und gering exponiert, die Zeichnungsarbeit trägt einzelne bewegliche Teilaufgaben
Für Toolmakers and Related Workers liegt ein eigener Messwert vor: 0,20 bei SD 0,10 in der untersten Kategorie „Not Exposed" — und zwar sowohl für das Fertigen von Bauteilen als auch für das Prüfen auf Qualität und Maßhaltigkeit, beide Tätigkeiten führen denselben rollenspezifischen Wert. Der Befund ist eine Messung, keine Lücke: Ein konkret bewerteter Fertigungstask wurde von 0,43 auf 0,05 korrigiert, weil generative KI „keine Fähigkeiten zur physischen Aufgabenausführung" besitzt, und das WEF fand unter mehr als 2.800 geprüften Fertigkeiten keine einzige mit „very high capacity" zur Ersetzung, wobei manuelle Geschicklichkeit und Präzision ausdrücklich als ohne Substitutionspotenzial ausgewiesen sind. Anders steht es um den Umgang mit technischen Plänen und um die Maschinenbedienung: Beide sind für 7222 nicht gesondert erhoben, auf Tätigkeitsebene liegt der Kernberuf Draughtspersons bei 0,35 (SD 0,11) mit μ + σ = 0,46, also einzelnen moderat exponierten Teilaufgaben, während kein Maschinenbedienberuf einen der vier Expositionsgradienten erreicht.
Der Nullbefund gilt ausschließlich für generative KI — CNC-Fertigung, Werkzeugmaschinen-Automatisierung, optische Prüfsysteme und CAD-gestützte Konstruktion sind von keiner Korpusquelle auf Tätigkeitsebene gemessen, und welche Zeichnungs-Teilaufgaben die erhöhte Streuung erzeugen, benennt keine Quelle.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Werkzeugmechaniker und verwandte Berufe allgemein — mit Tätigkeiten wie „Maschinen und Anlagen bedienen und steuern“ oder „Bauteile und Konstruktionen fertigen und montieren“.
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): Werkzeugmechaniker und verwandte Berufe — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/werkzeugmechaniker-und-verwandte-berufe
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0