Rollenbibliothek · aec-roles-v1 · technology
AI Exposure Check
Datenbankadministrator/in
Illustrative Aufgaben-Exposition aus dem Offline-Stichprobenmodell — nicht eine Marktumfrage.
KI-Exposure 71% mittlere KI-Exposure · CHF 112678 illustrativer Zeitwert · 5 Aufgaben
Aufgaben
Exposure und Begründung
| Aufgabe | Exposure % | Begründung |
|---|---|---|
| Wiederkehrende Management-Pakete erstellen | 80% | Hohe generative KI-Exposure: „Wiederkehrende Management-Pakete erstellen“ ist weitgehend Mustererkennung, Entwurf oder strukturierte Datenarbeit, die Modelle mit menschlicher Prüfung unterstützen können. |
| Hauptbuch-Ausnahmen abstimmen | 63% | Mittlere Exposure: „Hauptbuch-Ausnahmen abstimmen“ mischt vorlagenfähige Schritte mit Kontexturteil; KI kann entwerfen oder triageieren, aber ein verantwortlicher Mensch soll entscheiden. |
| Abweichungskommentare entwerfen | 69% | Mittlere Exposure: „Abweichungskommentare entwerfen“ mischt vorlagenfähige Schritte mit Kontexturteil; KI kann entwerfen oder triageieren, aber ein verantwortlicher Mensch soll entscheiden. |
| Ad-hoc-Excel-Modelle bauen | 88% | Hohe generative KI-Exposure: „Ad-hoc-Excel-Modelle bauen“ ist weitgehend Mustererkennung, Entwurf oder strukturierte Datenarbeit, die Modelle mit menschlicher Prüfung unterstützen können. |
| Datenanfragen von Stakeholdern beantworten | 53% | Niedrig-mittlere Exposure: „Datenanfragen von Stakeholdern beantworten“ erfordert Koordination oder Domänennuance; KI darf Inputs zusammenfassen, aber nicht das Ergebnis verantworten. |
Beispielaktionen
- Das Team an Prompt-Bibliotheken schulen, die an bestehende Vorlagen gebunden sind.
- Generatives Entwerfen bei den zwei höchsten Exposure-Aufgaben mit menschlicher Prüfung pilotieren.
- Ähnliche Aufgaben mit geringer Urteilskraft in eine unterstützte Workflow-Warteschlange bündeln.
Was diese Zahlen nicht sind
- Illustrative Rollenbibliothek aus dem Offline-AEC-Stichprobenmodell (aec-ai-v1), keine erhobene Berufszählung.
- Aufgabenpakete und Exposure-Werte sind deterministische Stichproben für Self-Serve-Triage — Faethm-ähnliche Ontologie-Breite, keine proprietären Pearson-Daten.
- CHF-Zeitwertschätzungen nutzen illustrative Schweizer Mid-Market-Sätze und Jahresstunden.