Visualisierungstool für den US-Arbeitsmarkt

 (karpathy.ai)
1 Punkte von GN⁺ 2026-03-17 | 1 Kommentare | Auf WhatsApp teilen
  • Andrej Karpathy hat ein Tool entwickelt, das auf Daten des US Bureau of Labor Statistics zu 342 Berufen und 143 Millionen Arbeitsplätzen basiert und Beschäftigungsumfang sowie Merkmale einzelner Berufe visualisiert
  • Die Fläche jedes Rechtecks steht für die Beschäftigungsgröße, die Farbe für die ausgewählte Kennzahl (z. B. Wachstumsaussichten, Medianlohn, Bildungsniveau, AI-Exposition)
  • Nutzer können auf Berufskacheln klicken, um direkt die offizielle BLS-Seite zu öffnen
  • Über eine LLM-basierte Farbgebungsfunktion lassen sich mit benutzerdefinierten Prompts berufsspezifische Scores berechnen und visualisieren
  • Es handelt sich um ein datenexploratives Entwicklungstool, mit dem sich Berufsfelder nach verschiedenen Kriterien wie AI-Exposition, Robotereinfluss oder Offshoring-Risiko neu analysieren lassen

Überblick

  • Dieses Tool ist ein Forschungstool zur visuellen Erkundung von Daten aus dem Bureau of Labor Statistics Occupational Outlook Handbook
    • Es umfasst insgesamt 342 Berufe und 143 Millionen Arbeitsplätze
    • Jeder Beruf wird mit einer zur Beschäftigungsgröße proportionalen Fläche dargestellt, während die Farbe von der gewählten Kennzahl abhängt
  • Zu den auswählbaren Kennzahlen gehören erwartete Wachstumsrate, Medianlohn, Bildungsanforderungen und AI-Exposition
  • Ein Klick auf eine Kachel führt zur detaillierten BLS-Seite des jeweiligen Berufs

LLM-basierte Farbgebungsfunktion

  • Der auf GitHub veröffentlichte Quellcode enthält einen Scraper, Parser und eine LLM-Prompt-Pipeline
    • Wenn Nutzer selbst einen Prompt verfassen, bewertet das LLM jeden Beruf und erzeugt automatisch die Farben der Treemap
  • Die Option „Digital AI Exposure“ ist ein Beispiel dafür, wie der aktuelle Einfluss von AI auf einzelne Berufe geschätzt werden kann
    • Sie trägt dem Umstand Rechnung, dass sich AI im digitalen Bereich besonders schnell weiterentwickelt
  • Nutzer können auch Prompts zu anderen Kriterien wie Exposition gegenüber humanoiden Robotern, Offshoring-Risiko oder Klimaauswirkungen schreiben und die Daten neu analysieren

Bewertungskriterien für Digital AI Exposure

  • Die AI-Exposition bewertet auf einer Skala von 0 bis 10, wie wahrscheinlich ein Beruf durch AI umgestaltet wird
    • Berücksichtigt werden sowohl direkte Auswirkungen (AI automatisiert menschliche Arbeit) als auch indirekte Auswirkungen (Personalabbau durch Produktivitätssteigerung)
  • Digital geprägte Tätigkeiten erhalten tendenziell höhere Werte
    • Beispiele: Schreiben, Coding, Analyse und Kommunikation liegen bei 7 Punkten oder mehr
    • Dagegen erhalten Tätigkeiten, die physische Präsenz oder Handarbeit erfordern, niedrigere Werte

Kriterien nach Punktebereich

  • 0–1 Punkte: nahezu ausschließlich physische Arbeit, kaum von AI betroffen (z. B. Dachdecker, Landschaftsgärtner, Berufstaucher)
  • 2–3 Punkte: überwiegend physische oder zwischenmenschliche Arbeit, AI unterstützt nur Randaufgaben (z. B. Elektriker, Klempner, Feuerwehrleute, Dentalhygieniker)
  • 4–5 Punkte: Berufe mit einer Mischung aus physischer Arbeit und Wissensarbeit (z. B. Pflegekräfte, Polizisten, Tierärzte)
  • 6–7 Punkte: überwiegend Wissensarbeit, bei der AI die Produktivität steigern kann (z. B. Lehrkräfte, Manager, Buchhalter, Journalisten)
  • 8–9 Punkte: vollständig digital geprägte Arbeit, bei der mit dem Fortschritt von AI strukturelle Veränderungen möglich sind (z. B. Softwareentwickler, Grafikdesigner, Übersetzer, Datenanalysten, Rechtsanwaltsfachangestellte, Copywriter)
  • 10 Punkte: reine informationsverarbeitende Tätigkeiten, die AI weitgehend übernehmen kann (z. B. Datenerfasser, Telemarketer)

Hinweise

  • Die AI-Expositionswerte sind Schätzungen des LLM und bedeuten keine reale Prognose oder Beschäftigungsaussicht
  • Ein hoher Wert bedeutet nicht, dass ein Beruf verschwindet, sondern zeigt die Möglichkeit veränderter Arbeitsweisen an
  • So wird etwa der Beruf des Softwareentwicklers mit 9/10 bewertet, doch AI könnte durch höhere Produktivität auch zu steigender Nachfrage führen
  • Die Werte berücksichtigen Nachfrageelastizität, Regulierung und soziale Faktoren nicht
  • Bei vielen Berufen mit hoher Exposition ist eher eine Neugestaltung als eine Ersetzung zu erwarten

Verwandte Beiträge

1 Kommentare

 
GN⁺ 2026-03-17
Hacker-News-Kommentare

  • Es überrascht mich, dass der Grund, warum Entwickler in meinem Alter innerhalb eines Jahres keinen neuen Job finden, darin liegen soll, dass der Markt für Softwareentwickler schneller als der Durchschnitt wächst

    • Jedes Jahr nehmen die USA mehr als 120.000 Inhaber von H1B-, L1- und OPT-Visa auf. Angesichts von insgesamt 1,9 Millionen Entwicklern müsste der Markt allein zur Stabilisierung der Beschäftigung jedes Jahr um mehr als 5 % wachsen. Rechnet man die Absolventen in den USA dazu, wären sogar 10 % Wachstum nötig. Langfristig ist das unrealistisch.
      Der Kongress oder der Präsident sollte H1B-Visa vorübergehend aussetzen oder die Visagebühren auf 200.000 bis 500.000 Dollar anheben, damit nur wirklich außergewöhnliche Talente aufgenommen werden. Derzeit ist es so, dass Großunternehmen Massenentlassungen durchführen und gleichzeitig massenhaft Visa nutzen
    • Die Formulierung „schneller als der Durchschnitt wächst“ klingt wie eine statistische Falle. Tatsächlich muss man mehrere Faktoren berücksichtigen, etwa Region, Arbeitskräfteangebot und Veränderungen in anderen Berufen. Es könnte auch eine Täuschung sein, bei der durch viele Menschen, die die Branche verlassen, entstandene Lücken wie „Wachstum“ aussehen. Das Ganze anhand eines einzelnen Datenpunkts zu beurteilen, ist nur eine statistische Täuschung
    • Vielleicht bist du ein „Computer Programmer“. Für diesen Beruf wird ein Rückgang der Beschäftigung um 6 % erwartet
    • Die Daten beziehen sich auf 2024

  • Interessant ist, dass die Zahl der Jobs in der Berufsgruppe „Top Executives“ ähnlich hoch ist wie bei „Retail Sales Worker“. Wenn man an Automatisierung und die Rolle der USA in der Weltwirtschaft denkt, ist das nachvollziehbar, steht aber im Widerspruch zu gängigen Vorstellungen über Klasse und Ungleichheit

    • Das mittlere Jahresgehalt dieser Berufsgruppe liegt bei 105.350 Dollar; dazu gehören „General and Operations Manager“ und „Chief Executive“. Offenbar sind auch Geschäftsführer kleiner Unternehmen enthalten. BLS-Link
    • Ich dachte beim Anblick der Grafik zuerst auch, das könne nicht stimmen. Aber im selben Link sieht man, dass diese Zahl tatsächlich korrekt ist
    • Die Gig-Economy ruiniert die Verlässlichkeit staatlicher Statistiken. Viele Rideshare-Fahrer werden als „CEO“ eingestuft
    • Die Aussage „steht im Widerspruch zu Vorstellungen über Klasse und Ungleichheit“ finde ich interessant. Könntest du das etwas näher erläutern?

  • Die Visualisierung ist toll, aber ich wünschte, es gäbe einen Farbenblindmodus. Ich kann Rot und Grün nicht unterscheiden

    • Ich habe ein Hack-Skript als provisorische Lösung erstellt. In der Chrome-Konsole muss man zuerst „allow pasting“ aktivieren
    • Vielleicht wäre ein Tool wie Daltonize hilfreich. Es passt Farben für Menschen mit Farbsehschwäche physiologisch wahrnehmbar an. Beispielbild
    • Ich frage mich als jemand ohne Farbenblindheit, ob sich das nicht über die Accessibility-Einstellungen des Systems (z. B. Hochkontrastmodus) lösen lässt?
    • Ich bin ebenfalls rot-grün-blind und habe dasselbe Problem

  • Ich denke darüber nach, wohin die von KI erzeugten Überschüsse (surplus) gehen. Gemeint sind nicht Investitionen in Rechenzentren oder Forschungslabore, sondern die Verteilung der tatsächlichen Ergebnisse, die KI hervorbringt.
    KI verändert unsere Arbeitsweise und unsere Entscheidungen, und der Wettbewerb reinvestiert diesen Überschuss in neue Strukturen. Am Ende werden diese Strukturen zu unverzichtbarer Infrastruktur. Computer sind millionenfach schneller geworden, aber Löhne und Arbeitszeiten haben sich kaum verändert. Hier liegt der Grund: Der Überschuss wird am Ende in die „Grundkosten“ absorbiert

    • Dieser Überschuss landet letztlich in den Taschen des obersten 1 %. Auch die Produktivitätsgewinne durch Computer, Internet und Automatisierung in den letzten 50 Jahren sind größtenteils dorthin geflossen. Relevante Daten
    • Wenn ich bei privaten Projekten Programmierzeit spare, nutze ich diese Zeit am Ende nur dafür, ein noch ambitionierteres Programm zu bauen. Unternehmen verfolgen genauso größere Ziele
    • Der Überschuss fällt letztlich den Eigentümern des Kapitals zu. Arbeit ist dem Kapital schon lange unterlegen
    • Wenn KI „nutzlose Arbeit“ billionenfach effizienter erledigen kann und das trotzdem kaum ökonomischen Nutzen bringt, könnte das bedeuten, dass diese Tätigkeiten einen geringen realen wirtschaftlichen Wert haben. Aber wenn der Aktienmarkt unbeeindruckt bleibt, dann ist mindestens eine von drei Annahmen falsch: Entweder stagniert die Wirtschaft, oder KI ist enorm produktiv, oder der Aktienmarkt ist von der Realität entkoppelt
    • In einer Marktwirtschaft entscheiden letztlich die Unternehmensbesitzer. Langfristig geht die Entwicklung in Richtung billigerer Güter. Schon die Geschichte der Landwirtschaft zeigt das. Referenzlink

  • Die BLS-Daten haben gegenüber der Realität einen großen Zeitverzug und geringe Prognosezuverlässigkeit. Erinnerst du dich noch daran, dass in den 2000er- und 2010er-Jahren Versicherungsmathematiker (Actuary) als der vielversprechendste Beruf galten? In Zeiten schnellen technologischen Wandels sind solche Prognosen bedeutungslos

    • Die Daten sind nicht topaktuell, aber recht zuverlässig. Ich habe früher an der Einreichung von BLS-Daten mitgearbeitet, und Arbeitgeber melden alle zwei Wochen. Perfekte Vorhersagen sind unmöglich, aber als Leitfaden auf Basis gemeldeter Daten taugt es. Die Auswirkungen von KI kennt ohnehin niemand genau
    • Dann würde mich interessieren, wie die tatsächliche Lage aus deiner Sicht aussieht
    • Mein Partner im Studium wollte genau deshalb die FCAS-Prüfung für Versicherungsmathematiker machen. Heute ist das zwar stabil, aber es bleibt ein kleiner Beruf mit sehr hohen Eintrittsbarrieren
    • Wenn schon die Qualität der Daten selbst niedrig ist, unterscheiden sie sich trotz großer Menge kaum von synthetischen Daten
    • Es gab auch den Fall, dass Trump den BLS-Direktor entließ und jemanden mit dem Slogan „Make America Great Again“ ernannte. Solche politischen Eingriffe lassen Zweifel daran aufkommen, wie sehr man den Daten trauen kann

  • Interessant ist, dass Berufe mit Bachelorabschluss im Durchschnitt 8.000 Dollar mehr verdienen als Berufe mit Masterabschluss

    • Vermutlich liegt das daran, dass Berufe, die einen Master verlangen, übersättigt sind. In Bereichen wie Bildung, Sozialarbeit und Bibliothekswesen gibt es Qualification Creep

  • „Software Developers +15 %“ freut mich, aber „Computer Programmers -6 %“ ist ein Schock

    • Laut BLS liegt das mittlere Gehalt von Software Developers bei 131.450 Dollar, Quelle.
      Bei Computer Programmers sind es 98.670 Dollar, Quelle.
      Entwickler befassen sich mit der gesamten Software-Lifecycle, darunter Analyse von Nutzeranforderungen, Systemdesign, Wartung und Dokumentation. Programmer konzentrieren sich dagegen hauptsächlich auf das Schreiben, Anpassen und Testen von Code
    • Ich bin auch Programmer, aber die Stellenanzeigen mit dieser Berufsbezeichnung bieten meist schlechte Bedingungen. Nur weil „Software Engineer“ auf dem Titel steht, wird man nicht automatisch zum echten Ingenieur. Am Ende ist es nur Wortklauberei
    • Ich habe mich auch über den Unterschied gewundert. Wenn man aber 1,9 Millionen Entwicklerjobs und 120.000 Programmiererjobs sieht, wirkt das wie ein hoffnungsvolles Signal
    • Vielleicht liegt es auch einfach an einem Begriffswandel. Rollen, die früher als Programmer bezeichnet wurden, sind heute offenbar in Developer aufgegangen
    • Es gibt Prognosen, dass die Zahl der Programmer sinkt, Tester und QA aber zunehmen. In einer Zukunft, in der KI allgegenwärtig ist, dürfte Qualitätskontrolle wichtiger werden. Das heißt aber nicht unbedingt, dass Entwicklerjobs im gleichen Maß zunehmen

  • Aus Immobilienperspektive sind Bürojobs am stärksten von KI betroffen. Dazu gehören Assistenzen, Sachbearbeitung, Buchhaltung, Kundenservice, Anwälte und Entwickler. In den letzten Jahren hieß es zwar, Büroimmobilien würden sich erholen, aber wenn der durch KI verursachte Arbeitsplatzabbau Realität wird, könnte eine zweite Schockwelle kommen

  • Bei dieser Visualisierung ist Mouseover zentral, daher ist sie auf Mobilgeräten fast nutzlos

    • Das liege am Canvas-Rendering. Dadurch leidet die responsive Accessibility

  • Interessant, dass der Beruf Model eine KI-Exposition von 8/10 hat