Rollenbibliothek · aec-roles-v1 · technology
AI Exposure Check
Frontend-Entwickler/in
Illustrative Aufgaben-Exposition aus dem Offline-Stichprobenmodell — nicht eine Marktumfrage.
KI-Exposure 57% mittlere KI-Exposure · CHF 109824 illustrativer Zeitwert · 5 Aufgaben
Aufgaben
Exposure und Begründung
| Aufgabe | Exposure % | Begründung |
|---|---|---|
| Standard-CRUD-Endpunkte schreiben | 80% | Hohe generative KI-Exposure: „Standard-CRUD-Endpunkte schreiben“ ist weitgehend Mustererkennung, Entwurf oder strukturierte Datenarbeit, die Modelle mit menschlicher Prüfung unterstützen können. |
| Unit-Test-Gerüste erzeugen | 73% | Mittlere Exposure: „Unit-Test-Gerüste erzeugen“ mischt vorlagenfähige Schritte mit Kontexturteil; KI kann entwerfen oder triageieren, aber ein verantwortlicher Mensch soll entscheiden. |
| Incident-Postmortems zusammenfassen | 63% | Mittlere Exposure: „Incident-Postmortems zusammenfassen“ mischt vorlagenfähige Schritte mit Kontexturteil; KI kann entwerfen oder triageieren, aber ein verantwortlicher Mensch soll entscheiden. |
| Pull-Request-Diffs prüfen | 51% | Niedrig-mittlere Exposure: „Pull-Request-Diffs prüfen“ erfordert Koordination oder Domänennuance; KI darf Inputs zusammenfassen, aber nicht das Ergebnis verantworten. |
| Neue Architektur gemeinsam erarbeiten | 19% | Niedrige Exposure: „Neue Architektur gemeinsam erarbeiten“ ist beziehungs-, sicherheits- oder urteilskritisch; behalten Sie einen menschlichen Owner und nutzen Sie KI nur als eng begrenzte Hilfe. |
Beispielaktionen
- Datenklassifizierungsregeln kartieren, bevor interne Systeme an Modelle angebunden werden.
- SOPs so umschreiben, dass KI-unterstützte Schritte einen verantwortlichen Menschen behalten.
- Das Team an Prompt-Bibliotheken schulen, die an bestehende Vorlagen gebunden sind.
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.