Der Kern dieser Arbeit ist Feinabstimmung: Menschen, Maschinen und Materialflüsse so zusammenbringen, dass eine Fertigung rund läuft. Dafür wird genau hingeschaut, wo Arbeit doppelt gemacht wird, wo Kapazitäten fehlen oder wo sich eine Anlage verbessern lässt. Wie diese Abstimmung heute organisiert wird, sieht vielerorts schon anders aus als noch vor einigen Jahren.
Wirtschafts- und Produktionsingenieure sorgen dafür, dass Fertigung und Produktionsanlagen möglichst effizient und sicher laufen.
Wirtschafts- und Produktionsingenieure betreiben Forschung sowie Planung, Organisation und Überwachung von Bau, Betrieb und Instandhaltung industrieller Produktionsprozesse und -anlagen. Sie erstellen Programme zur Koordinierung von Fertigungsaktivitäten und bewerten Kosteneffizienz und Sicherheit. Zu den Aufgaben gehören - (a) Untersuchung von Funktionsbeschreibungen, Organigrammen und Projektinformationen zur Bestimmung von Funktionen und Verantwortlichkeiten von Arbeitskräften und Arbeitseinheiten sowie zur Identifizierung von Doppelarbeit; (b) Erstellung von Arbeitsmessungsprogrammen und Analyse von Arbeitsproben zur Entwicklung von Standards für den Arbeitseinsatz; (c) Analyse des Personaleinsatzes, der Anlagengestaltung, betrieblicher Daten sowie Produktionspläne und -kosten zur Bestimmung optimaler Arbeits- und Anlageneffizienz; (d) Entwicklung von Fertigungsspezifikationen sowie Bestimmung von Materialien, Ausrüstung, Rohrleitungen, Materialflüssen, Kapazitäten und Anordnung von Anlagen und Systemen; (e) Organisation und Management von Projektarbeitskräften sowie der Lieferung von Materialien, Anlagen und Ausrüstung; (f) Festlegung von Standards und Richtlinien für Installation, Modifikation, Qualitätskontrolle, Prüfung, Inspektion und Instandhaltung gemäß technischen Grundsätzen und Sicherheitsvorschriften; (g) Inspektion von Anlagen zur Verbesserung und Aufrechterhaltung der Leistung; (h) Leitung der Instandhaltung von Anlagengebäuden und -ausrüstung sowie Koordinierung der Anforderungen für neue Konstruktionen, Erhebungen und Instandhaltungspläne; (i) Beratung des Managements zu neuen Produktionsmethoden, -techniken und -ausrüstung; (j) Zusammenarbeit mit Abteilungen für Materialeinkauf, -lagerung und -kontrolle, um eine stetige Versorgung sicherzustellen. Beispiele für die hier eingeordneten Berufe: - Ingenieur für industrielle Effizienz - Wirtschaftsingenieur - Industrieanlageningenieur - Produktionsingenieur Einige verwandte, anderswo eingeordnete Berufe: - Produktionsleiter (Fertigung) - 1321
Bekleidungsingenieur · Bekleidungsingenieurin · Betriebs- und Wirtschaftsingenieur · Betriebs- und Wirtschaftsingenieurin · Betriebsingenieur · Betriebsingenieurin · Industrieingenieur · Industrieingenieurin · Ingenieur für Bekleidungstechnik · Ingenieur Ledertechnik · Ingenieur Textiltechnik · Ingenieur Textiltechnik/Ingenieurin Textiltechnik · +157 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 2141.
Ablaufplanung und Berichtsauswertung verlieren spürbar an Nachfrage, während die eigentliche Anlagenplanung dieses Berufs als kaum betroffen gemessen ist.
Wirtschafts- und Produktionsingenieure liegt im mittleren Bereich — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| oberes Mittelfeld von 411 Berufen | nur am Rand von generativer KI berührt | Von 24 verglichenen Berufen sind 9 weniger betroffen als dieser. Gruppe: Naturwissenschaft & Ingenieurwesen |
Ähnlich eingeordnet: Architekten · Landschaftsarchitekten · Regisseure und Produzenten für Film und Bühne
Die Studien widersprechen sich an einem wichtigen Punkt: Die eine sieht die Konstruktions- und Planungsarbeit kaum betroffen, die andere eine deutliche Verlagerung einzelner Aufgaben hin zur KI. Welche Richtung stimmt, lässt sich aus den vorliegenden Quellen nicht entscheiden. Nach heutigem Stand bleibt hier eine echte Unsicherheit — die weitere Entwicklung lohnt den Blick.
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
Die Konstruktions- und Planungsarbeit dieses Berufs ist als kaum von KI betroffen gemessen — hier sticht nicht einmal eine einzelne Teilaufgabe hervor; eine zweite Untersuchung sieht für die Ingenieurberufe allerdings einen spürbaren Rückgang, ein Widerspruch, den die Studienlage nicht auflöst. Deutlicher fassbar ist die Verschiebung bei der Ablaufplanung: Die Nachfrage nach dem Aufsetzen von Produktions- und Qualitätskontrollsystemen samt Berichtsauswertung geht in Stellenanzeigen um rund ein Viertel zurück, während die zwischenmenschliche Koordination von 39 auf 47 Prozent der Ausschreibungen zulegt und die Planungsentscheidung selbst unverschoben bleibt. Für die Prüfung von Anlagensicherheit und Funktionsfähigkeit ist dagegen keine Verschiebung belegt — dort steigt die Nachfrage in KI-nahen Betrieben sogar leicht, wenn auch verhalten und je nach Land unterschiedlich.
Die operative Ablaufplanung verschiebt sich spürbar, während die Abstimmung im Team eher wichtiger wird.
Das Planen und Koordinieren von Abläufen gehört zu den Tätigkeiten, die sich sichtbar bewegen: Die Nachfrage nach dem Verfolgen und Auswerten operativer Kennzahlen ist messbar zurückgegangen — für einzelne Planungsaufgaben um rund ein Viertel —, und Betriebe mit hohem KI-Einsatz fragen weniger allgemeine Management- und Projektmanagement-Fähigkeiten nach. Zugleich ist nicht die ganze Aufgabe betroffen: Die strategische Planung bleibt außen vor, und Abstimmungs- und Teamfähigkeiten zählen sogar zu den am stärksten wachsenden Anforderungen. Verschoben wird also vor allem der berechenbare, dokumentierende Teil, während das Zusammenführen von Menschen und Zielen an Gewicht gewinnt.
Das maschinelle Auswerten von Daten übernimmt zunehmend die KI, das Deuten der Ergebnisse wird wichtiger.
Das Analysieren und Deuten von Daten verändert sich spürbar: Das Aufspüren von Trends und Zusammenhängen ist die verbreitetste KI-Anwendung überhaupt und trifft genau die Berufe, die diese Aufgabe ausführen — Werkzeuge durchsuchen Kennzahlen und Datenbanken und fassen Auffälligkeiten in verständlicher Sprache zusammen. Die eigentliche Interpretationskompetenz wird dadurch aber nicht ersetzt, sondern gerade wichtiger; Fachleute berichten, dass Datenauswertung und -deutung an Bedeutung gewinnen. Wie stark sich die Aufgabe verschiebt, hängt davon ab, wie breit sie im jeweiligen Beruf ausgefüllt wird — mal verlagert sie sich nur, mal fällt sie stärker weg.
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.
Beim Planen und Konstruieren technischer Anlagen verschieben sich einzelne Felder deutlich, andere bleiben stabil — Betroffenheit heißt hier nicht Ersetzbarkeit.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Das Bild teilt sich nach Feld: In der elektronik- und nachrichtentechnischen Anlagenplanung ist der Aufgabenmix wirklich gemischt — manches lässt sich mit KI erledigen, vieles nicht —, während die mechanische, elektrische und bauliche Anlagenplanung als kaum berührt und stabil gilt. Realisierte Arbeitsmarktdaten zählen die Ingenieurfelder zu den stärker unter Druck stehenden Gruppen, mit einem Rückgang des Beschäftigungsanteils von rund zwei Prozent über fünf Jahre durch Verlagerung auf Aufgaben-Ebene, nur teils ausgeglichen. Zugleich betonen die Untersuchungen ausdrücklich: Hohe Berührung heißt, dass viele Aufgaben mit KI erledigt werden könnten — nicht, dass der Beruf verschwindet.
Beim Entwickeln von Modellen und Methoden übernimmt KI zunehmend die strukturiert-analytischen Anteile, das Durchdenken und Verantworten bleibt.
Das Entwickeln von Modellen, Theorien und Methoden gehört zu den Tätigkeiten, bei denen sich viel bewegt: Ein erheblicher Teil der Aufgaben ist durchgängig KI-nah, und Fachleute haben gerade die strukturiert-analytischen, daten- und kommunikationsbezogenen Anteile nach oben korrigiert — nicht nur Routinearbeit, sondern spezialisierte fachliche Aufgaben. Betroffenheit heißt dabei aber nicht Ersetzung: Ein großer Teil der heutigen Arbeit lässt sich mit KI erledigen, während dieselben Tätigkeiten sich zugleich weiterentwickeln und neue Aufgaben hervorbringen können.
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.
Die technische Zuarbeit verschiebt sich — Berechnung und Simulation gehen schneller, das fachliche Einordnen bleibt gefragt.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
KI übernimmt zunehmend rechenintensive Teilaufgaben: Statt langsamer Simulationen liefert sie schnelle Schätzungen, sodass Designzyklen kürzer werden und mehr Varianten digital durchgespielt werden können, bevor ein Prototyp entsteht. In ingenieurnahen Berufen zeigt sich das bereits am Arbeitsmarkt — der Beschäftigungsanteil geht über fünf Jahre um knapp 2 % zurück, weil einzelne Aufgaben ersetzbar werden und das nur teilweise durch neue Anforderungen ausgeglichen wird. Das Zuarbeiten selbst bleibt, verlagert sich aber vom reinen Rechnen hin zum Prüfen und Einordnen der Ergebnisse.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Wirtschafts- und Produktionsingenieure · 2141
Gradient 2 4322 Production Clerks 0.44 0.06 | Gradient 2 3341 Office Supervisors 0.43 0.11 | Gradient 2 1219 Business Services and Administration Managers Not Elsewhere Classified 0.42 0.1 | Gradient 3 3343 Administrative and Executive Secretaries 0.54 0.14 | Not Exposed 1213 Policy and Planning Managers 0.36 0.04 | Minimal Exposure 1324 Supply, Distribution and Related Managers 0.38 0.05 | Minimal Exposure 1120 Managing Directors and Chief Executives 0.38 0.06 | 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.
applications, Industrial Production Managers experience large declines in skills related to planning and tracking operational decisions. | Industrial Production Managers • Develop or implement production tracking or quality control systems, analyzing production, quality control, maintenance, or other operational reports to detect production problems. -26.6 | • Prepare reports on operations and system productivity or efficiency. -24.8
Logisticians | Transportation, Storage, and Distribution Managers | Production, Planning, and Expediting Clerks | Management Analysts
Establishment-level AI exposure is associated with decreased demand for management skills. On average across countries in the sample demand for management skills declined by under 4 percentage points for a one standard deviation increase in AI exposure (Figure 4.2, Panel A). All countries in the sample are associated with a decline in management skills, and all are statistically significant from zero. | What is notable about this subgrouping is that the most frequently appearing skills are general office administration and project management, skills that are more closely associated with lower-level office and general business duties than with higher-level management positions.
Co-ordination skills are the fastest growing subcomponent in the social skills category. By far the most demanded co-ordination skills are ‚work in teams', ‚teamwork' and ‚collaboration'. On average across countries in the sample, the share of vacancies demanding co-ordination skills increased from 39% to 47% between the base and end years (Figure 3.2).
Gradient 4 2413 Financial Analysts 0.62 0.06 […] Gradient 3 3314 Statistical, Mathematical and Related Associate Professionals 0.57 0.1 […] Gradient 3 2120 Mathematicians, Actuaries and Statisticians 0.56 0.09 […] Gradient 3 2631 Economists 0.55 0.08 / 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.
SMEs indicate that GenAI has made data analysis and interpretation skills more important, along with other skills (OECD, 2025 [11]). / growing use of algorithmic management tools in the workplace is increasing the need for certain skills, such as those related to general management and analysis (e.g. ability to use or interpret data) (Milanez, Lemmens and Ruggiu, 2025 [34])
The most common cluster across nearly all sectors is 'Business Intelligence Insights,' reflecting the broad applicability of predictive analytics. / Applications in the Business Intelligence Insights category affect a wide range of workers, especially those in Management, Business and Financial, and Computer and Math occupations. / Business-intelligence tools here scan dashboards and databases to find trends and root causes without manual digging. They alert users when a key metric shifts and explain the main drivers by region, channel, or customer type. Natural-language summaries make insights readable for non-analysts.
Management Analysts and Financial Risk Specialists show similar mean exposure to 'Business Intelligence Insights' applications, but exposure is more concentrated for Management Analysts, making them less likely to be displaced according to our model. / 'Operational Data Analytics' affects tasks more narrowly than 'Customer Experience Automation' despite similar mean exposure, leading to very different implications for labor demand.
Technology-related roles are the fastest-growing jobs in percentage terms, including Big Data Specialists, Fintech Engineers, AI and Machine Learning Specialists and Software and Application Developers.
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.
Gradient 2 2153 Telecommunications Engineers 0.48 0.12 / Gradient 2 2152 Electronics Engineers 0.42 0.13
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
The most adversely affected occupations are in business, financial, and engineering fields, which see declines of nearly 2% in their employment share over five years. / These losses reflect strong substitution at the task level, only partly offset by complementarities and firm-level increases in labor demand. / Architecture and Engineering 17 -6.64 2.52 2.83 -1.29 9.16
Lane (2024 [16]) shows that on average across OECD Member countries, ‚IT professionals‘, ‚Business professionals‘, ‚Managers‘, ‚Chief executives‘ and ‚Science and engineering professionals‘ are the occupations most exposed to AI
we stress that such exposure does not imply the immediate automation of an entire occupation, but rather the potential for a large share of its current tasks to be performed using this technology.
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 (Significant exposure, high task variability). / 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.
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.
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. / experts highlighted the limitations of generative AI in handling physical and manual components, leading to significantly reduced adjusted scores compared to the survey.
we stress that such exposure does not imply the immediate automation of an entire occupation, but rather the potential for a large share of its current tasks to be performed using this technology. / 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.
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 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 3118 Draughtspersons 0.35 0.11 Minimal Exposure 3114 Electronics Engineering Technicians 0.38 0.11 Minimal Exposure 3522 Telecommunications Engineering Technicians 0.45 0.04
The most adversely affected occupations are in business, financial, and engineering fields, which see declines of nearly 2% in their employment share over five years. […] These losses reflect strong substitution at the task level, only partly offset by complementarities and firm-level increases in labor demand.
in process automation and operational efficiency the most exposed tasks are linked to Sales Engineers and Other Engineering Technologists.
Models in this group replace slow physics simulations with fast learned estimates. Engineers feed them sensor logs or design files, and the models predict outcomes like fluid flow or material stress. This speeds up design cycles and lets teams test more options digitally before building prototypes.
Ablaufplanung und Berichtsauswertung verlieren zweistellig an Nachfrage, während die Anlagenplanung dieser Rolle als niedrig exponiert gemessen ist — mit einem ungelösten Gegenbefund
Rollenspezifisch führt die ILO 2141 Industrial and Production Engineers mit 0,37 bei einer Streuung von nur 0,07 unter „Minimal Exposure": Nach dieser Messung sticht bei der Planung und Konstruktion technischer Systeme nicht einmal eine einzelne Teilaufgabe hervor — dem steht der Gegenbefund von Hampole et al. entgegen, die für die Berufsfamilie Architecture and Engineering eine Substitutionskomponente von −6,64 auf Aufgabenebene messen, netto −1,29 Prozent Beschäftigungsanteil über fünf Jahre, ein Widerspruch, den der Korpus nicht auflöst. Am dichtesten an dieser Rolle liegt der Befund zur Ablaufplanung: Für Industrial Production Managers sinkt in US-Stellenanzeigen die Nachfrage nach „production tracking or quality control systems" samt Auswertung operativer Berichte um 26,6 Prozent und nach der Erstellung von Betriebs- und Effizienzberichten um 24,8 Prozent, während zwischenmenschliche Koordination von 39 auf 47 Prozent der Ausschreibungen zulegt und die Planungsentscheidung selbst von keiner Quelle als verlagert ausgewiesen wird. Für die Prüfung von Anlagensicherheit und Funktionsfähigkeit ist dagegen keine Verschiebung dokumentiert — die ausführenden Technikerberufe liegen mit 0,17 bis 0,27 in der untersten Kategorie, und OECD misst für Instandhaltungs- und Qualitätsprüfungskompetenzen in KI-exponierten Betrieben sogar leicht steigende, wenn auch „more modest" und länderheterogene Nachfrage.
Der zentrale Widerspruch zwischen ILO („Not Exposed"/„Minimal Exposure" bei niedriger Streuung) und Hampole (starke Substitution auf Aufgabenebene) bleibt offen — welche Richtung für die Konstruktions- und Planungsarbeit gilt, ist aus den vorliegenden Quellen nicht entscheidbar.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Wirtschafts- und Produktionsingenieure allgemein — mit Tätigkeiten wie „Programme und Betriebsabläufe planen und koordinieren“ oder „Daten, Trends und Ergebnisse analysieren und interpretieren“.
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): Wirtschafts- und Produktionsingenieure — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/wirtschafts-und-produktionsingenieure
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0