Methodik

ISCO-08 als Taxonomie

Als Rahmen fuer Berufe nutzen wir die International Standard Classification of Occupations (ISCO-08) der Internationalen Arbeitsorganisation (ILO). Die Klassifikation ist international vergleichbar, staatlich gepflegt und deckt jede berufliche Taetigkeit mit einem stabilen vierstelligen Code ab. Sie liefert damit die neutrale Grundlage, auf die sich Studien der ILO, OECD, Statistik-Amter und Forschungsinstitute konsistent beziehen.

Wir spiegeln die vollstaendige Ebene 2 der Klassifikation (419 Berufsgruppen), weil sie fein genug ist, um Taetigkeitsprofile zu unterscheiden, und robust genug, um mit externen Studien verlinkt zu werden.

Die 99 kanonischen Taetigkeiten

Wir beschreiben KI-Wirkung nicht auf Rollenebene, sondern auf Taetigkeitsebene. Statt fuer 419 Rollen einzeln zu recherchieren, haben wir 103 kanonische Taetigkeiten definiert, die die Arbeit aller Berufe abdecken. Jede Rolle wird als Buendel dieser Taetigkeiten dargestellt.

Der Task-Weg statt Rollen-Weg hat drei Konsequenzen: (1) neue Belege wirken sich sofort auf alle Rollen aus, die die betroffene Taetigkeit enthalten. (2) Doppelrecherche wird vermieden. (3) Studien, die selber Task-basiert arbeiten (etwa das WORK-Projekt der Universitaet Melbourne, die O*NET-Kartierung oder die OECD-AI-Exposure-Analysen) lassen sich direkt einordnen.

Drei Evidenz-Zustaende

• belegt : veraendert — Es liegt mindestens eine externe, oeffentlich einsehbare Quelle vor, die eine konkrete Veraenderung dieser Taetigkeit durch KI beschreibt (Zitat + Fundstelle sind auf der Berufsseite sichtbar).
• belegt : unveraendert — Es liegt eine Quelle vor, die die Taetigkeit als (bisher) nicht substantiell durch KI veraendert dokumentiert. Auch dieser Befund ist wertvoll und wird angezeigt.
• nicht untersucht — Wir haben keine belastbare Quelle. Wir markieren dies explizit statt zu spekulieren. Eine ehrliche Luecke ist informativer als eine erfundene Antwort.

Evidenzklassen A-D

• Klasse A — Offizielle Statistik. Amtliche Datenquellen (Statistik-Amter, ILO-Datenbanken, Eurostat, BLS). Beispiel: OECD Employment Outlook zur Verbreitung von KI-Tools in Berufsgruppen.
• Klasse B — Peer-reviewed / Working Paper. Wissenschaftliche Studien mit Methodenteil. Beispiel: NBER Working Paper zu Produktivitaetseffekten von generativer KI im Kundenservice.
• Klasse C — Erwartung / Umfrage. Erhebungen unter Fachleuten und Fuehrungskraeften. Beispiel: World Economic Forum Future of Jobs Report zur erwarteten Automatisierung.
• Klasse D — Herstellerangabe / Fallbeispiel. Vom Anbieter oder Kunden dokumentierte Einsaetze. Als schwaechste Klasse gekennzeichnet und nur ergaenzend verwendet.

Datenbestand: 412 Einzelbelege aus 9 Quellen.

Belege vs. Hypothesen

Ein Beleg verweist auf eine externe Quelle, ist mit Zitat und Fundstelle nachpruefbar und einer Evidenzklasse zugeordnet. Er beschreibt, was gemessen oder dokumentiert wurde.

Eine Hypothese ist eine begruendete Vermutung ohne Beleg. Sie steht auf jeder Berufsseite in einem separaten Block, gekennzeichnet als "Hypothese (kein Beleg)", zusammen mit der Ableitungsbasis. Hypothesen sind nuetzlich, um Forschungsluecken sichtbar zu machen — sie sind ausdruecklich keine Aussagen ueber die Realitaet.

Kernquellen

• ILO — International Labour Organization: ISCO-08-Klassifikation und Arbeitsmarktdaten
• OECD — Employment Outlook, AI-Exposure-Studien
• NBER — Working Paper zu Produktivitaets- und Arbeitsmarkteffekten
• World Economic Forum — Future of Jobs Reports
• Stanford HAI — AI Index Report

Zitieren & Verlinken

Jede Berufs- und Datensatz-URL ist stabil und wird nicht ohne Redirect umgezogen. Zitierweise: "SapientShift, Berufsprofil <Berufsname>, <URL>, abgerufen am <Datum>."

LLM-Crawlern (OpenAI, Anthropic, Perplexity, Google, Bing, Apple, Meta, Mistral, Cohere) ist der Zugriff explizit erlaubt (robots.txt) und die Inhalte werden statisch vorgeneriert, sodass sie ohne JavaScript-Ausfuehrung vollstaendig lesbar sind.