Zum Inhalt springen
Likelier

Empfundene Angst vs. tatsächliche Wahrscheinlichkeit

Wie hoch ist die Wahrscheinlichkeit, seinen Arbeitsplatz durch KI-Automatisierung zu verlieren?

Nicht quantifiziert

Keine belastbare Schätzung

Wir haben nach belastbaren Daten zu dieser Frage gesucht und keine Zahl gefunden, die wir veröffentlichen würden. Mögliche Gründe: Die Quellen weichen erheblich voneinander ab, der zugrunde liegende Datensatz ist nachweislich verzerrt, oder die Frage hängt von einem Kontext ab, der sich nicht auf eine gemeinsame Basis normalisieren lässt.

Kennst du eine belastbare, peer-reviewte Quelle, die wir übersehen haben? Bitte sag uns Bescheid.

Sonstiges · geprüft 2026-06-14
Evidenzqualität 4.88/5

Bewertungsergebnis nach acht Dimensionen gemäß der Qualitätsrubrik . Jede Dimension wird mit 1–5 bewertet.

D1 Quellenverankerung
5/5
D2 Quellenautorität
5/5
D3 Arithmetik
5/5
D4 Unsicherheit
4/5
D5 Geltungsbereich
5/5
D6 Prosa
5/5
D7 Ehrlichkeit zur Wahrnehmung
5/5
D8 Vollständigkeit der Einschränkungen
5/5
Durchschnitt 4.88/5
Direkte Evidenz
Source Keine verlässliche Schätzung
An office desk with a chair slightly pulled back, a monitor displaying abstract data patterns, muted blue and grey tones, flat vector illustration.

Entscheidungen, die dieses Risiko beeinflusst

Entscheidungen, die von diesem Risiko abhängen – wie man die Abwägung gewichtet.

Keine einzelne Zahl beantwortet die Frage „Wie hoch ist die Wahrscheinlichkeit, dass KI Ihren Arbeitsplatz übernimmt?“, da keine Studie eine solche Zahl hervorgebracht hat. Die am häufigsten zitierte Zahl, Frey und Osbornes 47% der US-Arbeitsplätze mit hohem Risiko, beschreibt die Anfälligkeit von Aufgaben für die Automatisierung, nicht eine Vorhersage der Arbeitslosigkeit. Als die OECD die Analyse mit Daten auf individueller Ebene anstelle von Aggregaten auf Berufsebene wiederholte, sank der Anteil der Hochrisikojobs auf 9-14%. Das 2023 erschienene Paper „GPTs-are-GPTs“ stellte fest, dass 80% der Arbeitnehmer zumindest eine gewisse Aufgabenexposition gegenüber LLMs haben, aber nur 19% die Hälfte oder mehr ihrer Aufgaben exponiert haben. Gleichzeitig prognostiziert das Bureau of Labor Statistics ein Netto-Arbeitsplatzwachstum von 6,7 Millionen bis 2033. Diese Zahlen sind nicht widersprüchlich; sie messen unterschiedliche Dinge.

Die Lücke zwischen „Aufgaben, die KI ausführen kann“ und „Arbeitsplätzen, die aufhören zu existieren“ ist der Ort, an dem die größte Unsicherheit herrscht. Geldautomaten sollten Bankangestellte überflüssig machen; stattdessen führten günstigere Filialbetriebe zu mehr Filialen, und die Beschäftigung von Bankangestellten stieg zwei Jahrzehnte lang an. Ob generative KI dem gleichen Muster der Augmentierung folgt oder es durchbricht, ist die zentrale empirische Frage, und die ehrliche Antwort Anfang 2026 ist, dass niemand es weiß. Die Studien stimmen in der Richtung der Exposition überein: Routinemäßige kognitive Arbeit (Dateneingabe, grundlegende Dokumentenprüfung, Buchhaltung) ist dem höchsten Verdrängungsdruck ausgesetzt, während manuelle körperliche Arbeit (Bauwesen, Sanitärinstallation, Altenpflege) am wenigsten betroffen ist. Aber Exposition ist nicht Schicksal.

Das individuelle Risiko variiert um mindestens eine Größenordnung über Berufe, Branchen und Regionen hinweg. Ein Datenerfasser und ein Klempner leben in unterschiedlichen Risikowelten, und keiner von beiden wird durch einen Bevölkerungsdurchschnitt gut beschrieben. Der Zeithorizont ist ebenso wichtig: Die Fünfjahresprognose wird von der Augmentierung dominiert; die Dreißigjahresprognose ist wirklich unsicher. Angesichts der Bandbreite der veröffentlichten Schätzungen, des Fehlens jeglicher bisher beobachteter Massenverdrängung und der grundlegenden Lücke zwischen Aufgabenexposition und Arbeitsplatzbeseitigung trägt dieser Eintrag das Flag no_reliable_estimate. Die Angst ist real; eine vertretbare lebenslange Wahrscheinlichkeit ist es nicht.

Quellenregister

Jede Zahl unten ist das, was die jeweilige Quelle berichtet hat — mit dem wörtlichen Zitat, auf das wir uns stützen, und wie wir zu unserer Zahl gelangt sind. Klicke auf einen Link, um direkt zu prüfen.

  1. [1] Oxford Martin School, University of Oxford — The Future of Employment: How Susceptible Are Jobs to Computerisation?
    The Future of Employment: How Susceptible Are Jobs to Computerisation?
    Statistik
    47% of US employment is in the high-risk category for computerisation over the next decade or two
    Auszug
    “"We examine how susceptible jobs are to computerisation. … According to our estimate, 47 percent of total US employment is in the high risk category, meaning that associated occupations are potentially automatable over some unspecified number of years, perhaps a decade or two." ”
    Quelldaten von
    2013-09-17
    Abgerufen
    2026-04-18 · archivierte Kopie
    Berechnung
    Frey & Osborne (2017, published in Technological Forecasting and Social Change 114:254-280) classified 702 occupations by automation probability using O*NET task descriptors. The 47% figure refers to jobs whose constituent tasks are technically automatable, not a prediction that 47% of workers will be unemployed. The authors explicitly note this is a measure of task susceptibility, not a forecast of job losses. The paper predates the LLM era and does not account for generative AI capabilities. No conversion to a per-worker lifetime displacement probability is attempted because the study does not model job creation, reallocation, or partial automation.
    Unabhängigkeit
    Seminal academic study using O*NET occupational data. Independent methodology from the OECD and Goldman Sachs estimates below.
  2. [2] OECD — The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis
    The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis
    Statistik
    9% of jobs across the 21 OECD countries are highly automatable; an additional ~25% face significant task change
    Auszug
    “"Overall, we find that, on average across the 21 OECD countries, 9 % of jobs are automatable. [...] For instance, while the share of automatable jobs is 6 % in Korea, the corresponding share is 12 % in Austria." ”
    Quelldaten von
    2016-05-14
    Abgerufen
    2026-04-18 · archivierte Kopie
    Berechnung
    Arntz, Gregory & Zierahn (2016) re-analysed Frey & Osborne's methodology using PIAAC individual-level survey data rather than occupation-level aggregates. By accounting for within-occupation task variation, the high-risk share drops from 47% to ~9-14%. The OECD updated this to 14% in its 2019 Employment Outlook using newer PIAAC data. Neither figure is a probability of displacement for an individual worker; it describes the share of jobs with >70% automatable task content. No lifetime probability is derivable from this study because it does not model transition rates or job creation.
    Unabhängigkeit
    Uses PIAAC microdata, a different data source and unit of analysis (individual workers vs occupations) from Frey & Osborne. Methodologically independent.
  3. [3] OpenAI / University of Pennsylvania — GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models
    GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models
    Statistik
    ~80% of the US workforce could have at least 10% of their tasks affected by LLMs; ~19% could have 50%+ of tasks affected
    Auszug
    “"Our findings reveal that around 80% of the U.S. workforce could have at least 10% of their work tasks affected by the introduction of LLMs, while approximately 19% of workers may see at least 50% of their tasks impacted." ”
    Quelldaten von
    2023-03-17
    Abgerufen
    2026-04-18 · archivierte Kopie
    Berechnung
    Eloundou, Manning, Mishkin & Rock (2023) assessed task-level exposure to LLMs across 1,016 occupations using O*NET. "Exposure" means the task could be completed significantly faster with LLM access, not that the job would be eliminated. The 80% headline describes partial task exposure (>=10% of tasks), not full job replacement. The 19% figure for >=50% task exposure is closer to a displacement signal but still measures task content, not employment outcomes. Converting task exposure to a lifetime job-loss probability requires assumptions about employer adoption rates, augmentation vs replacement decisions, and labor market adjustment speeds that the paper does not provide.
    Unabhängigkeit
    Uses O*NET task data (shared with Frey & Osborne) but applies a GPT-specific exposure rubric developed by both human annotators and GPT-4 classification. Partially independent.
  4. [4] Goldman Sachs — The Potentially Large Effects of Artificial Intelligence on Economic Growth
    The Potentially Large Effects of Artificial Intelligence on Economic Growth
    Statistik
    Two-thirds of US occupations are exposed to some degree of AI automation; generative AI could substitute up to 25% of current work tasks globally
    Auszug
    “"our economists estimate that roughly two-thirds of U.S. occupations are exposed to some degree of automation by AI. They further estimate that, of those occupations that are exposed, roughly a quarter to as much as half of their workload could be replaced." ”
    Quelldaten von
    2023-03-26
    Abgerufen
    2026-04-18 · archivierte Kopie
    Berechnung
    Hatzius et al. (2023) estimate that generative AI could expose 300 million full-time jobs globally to automation, with roughly 25% of work tasks substitutable. The report simultaneously projects a 7% increase in global GDP over a 10-year period from AI adoption, implying substantial job creation alongside displacement. The 300M figure describes exposure, not net job loss, and the report explicitly models offsetting job creation from new industries and increased productivity. No per-worker lifetime displacement probability can be extracted.
    Unabhängigkeit
    Goldman Sachs proprietary analysis drawing on O*NET, European ISCO data, and internal economic modelling. Partially independent from academic studies above.
  5. [5] Bureau of Labor Statistics — Employment Projections: 2023-2033
    Employment Projections: 2023-2033

    Alle 2 Likelier-Einträge mit dieser Quelle ansehen →

    Statistik
    Total US employment projected to grow by 6.7 million jobs from 2023 to 2033, to 174.6 million (0.4 percent a year)
    Auszug
    “"The U.S. economy is projected to add 6.7 million jobs from 2023 to 2033, the U.S. Bureau of Labor Statistics (BLS) reported today. Total employment is projected to increase to 174.6 million and grow 0.4 percent annually, which is slower than the 1.3 percent annual growth recorded over the 2013-23 decade." ”
    Quelldaten von
    2024-09-04
    Abgerufen
    2026-04-18 · archivierte Kopie
    Berechnung
    BLS decennial projections are the baseline measure of actual expected employment outcomes. The 2023-2033 outlook projects net job growth of 6.7 million, not net loss. BLS does not separately model AI-driven displacement; its projections incorporate historical trends in technology adoption, productivity growth, and sectoral shifts. The fact that net employment is projected to grow does not preclude significant churn within occupations, but it provides a counterweight to headline claims of mass job elimination. No per-worker lifetime displacement probability is published.
    Unabhängigkeit
    Official US government statistical agency using proprietary macroeconomic modelling. Fully independent from the academic and private-sector studies above.
  6. [6] Stanford Digital Economy Lab — Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence
    Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence
    Statistik
    Early-career workers (ages 22-25) in the most AI-exposed occupations experienced a 16 percent relative decline in employment since late 2022, while employment for more experienced workers in the same occupations and for workers in less-exposed fields remained stable or continued to grow
    Auszug
    “"early-career workers (ages 22-25) in the most AI-exposed occupations have experienced a 16 percent relative decline in employment even after controlling for firm-level shocks. In contrast, employment for workers in less exposed fields and more experienced workers in the same occupations has remained stable or continued to grow." ”
    Quelldaten von
    2025-11-13
    Abgerufen
    2026-06-14 · archivierte Kopie
    Berechnung
    Brynjolfsson, Chandar & Chen (2025) analyse high-frequency payroll records from ADP, the largest US payroll processor, covering millions of workers. They document a 16% relative decline in headcount for the 22-25 age band in occupations most exposed to generative AI (software developers, customer-service representatives) measured against pre-2023 trend, with no comparable decline for workers 30+ in the same occupations or for workers in low-exposure fields. The 16% is a cohort-level relative employment differential, not a per-worker probability of job loss; the paper does not convert it into an individual displacement hazard, and AI attribution remains contested (a Feb 2026 follow-up by the same authors examines interest-rate and timing confounds). It is used here only to populate the early-career age x AI-exposure personal factor, not to derive a headline number. The earlier August 2025 preprint reported ~13%; the published version reports 16%.
    Unabhängigkeit
    First large-scale payroll-based (ADP administrative records) evidence, methodologically independent from the O*NET task-exposure studies and BLS macroeconomic projections above. Measures realised employment, not task susceptibility.
  7. [7] Proskauer (Law and the Workplace) — AI Bias Lawsuit Against Workday Reaches Next Stage as Court Grants Conditional Certification of ADEA Claim
    AI Bias Lawsuit Against Workday Reaches Next Stage as Court Grants Conditional Certification of ADEA Claim
    Statistik
    On May 16, 2025 a federal court conditionally certified Mobley v. Workday as a nationwide ADEA collective covering job applicants aged 40+; Workday's filings disclosed roughly 1.1 billion applications rejected through its AI screening tools during the relevant period
    Auszug
    “"1.1 billion applications were rejected [...] Notice will be issued to the allegedly affected job applicants, in what could be one of the largest collectives ever certified." ”
    Quelldaten von
    2025-06-03
    Abgerufen
    2026-06-14 · archivierte Kopie
    Berechnung
    Mobley v. Workday (N.D. Cal. 3:23-cv-00770) alleges Workday's AI applicant-recommendation system produced a disparate impact by age, race, and disability at the hiring gate. On 2025-05-16 the court granted conditional (preliminary) certification of a nationwide ADEA collective of applicants aged 40+ screened since September 2020. The ~1.1 billion figure is the volume of applications Workday disclosed were rejected through its tools, not a number of confirmed biased rejections; the case is unresolved and the disparate-impact claim is untested at trial. No per-applicant probability of a bias-tainted auto-rejection is derivable, so this source supports a caveat only, not a number.
    Unabhängigkeit
    Legal-developments analysis of court filings; non-authoritative reference used only to document the algorithmic-exclusion-at-the-hiring-gate dimension absent from the displacement-by-automation studies above.

436 Risiken mit gemessener Wahrscheinlichkeit
1 zu 10 1 zu 100 1 zu 1K 1 zu 10K 1 zu 100K 1 zu 1M 1 zu 10M 1 zu 100M 1 zu 1B sicher seltener → Kosmetik-OP Ausland Risiko — 1 zu 10 Frühkindlicher Zucker/Salz-Effekt — 1 zu 10 Endometriose — 1 zu 10 Risiko Haartransplantation Türkei — 1 zu 10 Kniegelenksersatz — 1 zu 10 Chronische Schmerzmittel — 1 zu 10 Vollständiger Zahnverlust — 1 zu 9,1 Alzheimer — 1 zu 8,3 Schlafmangel — 1 zu 8,3 Rauchfreier Tabak — 1 zu 8,3 Radfahren ohne Helm — 1 zu 8,0 Zahnschäden durch Bruxismus — 1 zu 7,7 Kondomversagen — 1 zu 7,7 Versorgung aus Angst gemieden — 1 zu 7,1 Sehverlust — 1 zu 6,7 Leistenbruch durch Heben — 1 zu 6,7 Hüftfrakturrisiko — 1 zu 6,7 Regelmässiges Trinken — 1 zu 6,7 Erster Herzinfarkt — 1 zu 5,9 Unfruchtbarkeit — 1 zu 5,7 5+ Jahre Langzeitpflege — 1 zu 5,6 CTE (Football) — 1 zu 5,0 Schwere Depression — 1 zu 4,9 Wanderverletzung — 1 zu 4,8 Infektion durch geteiltes Essen mit Kind — 1 zu 4,2 Lyme-Borreliose — 1 zu 4,0 Einsamkeit & Gesundheit — 1 zu 3,8 Vererbtes AUD-Risiko — 1 zu 3,5 Alkoholkonsumstörung — 1 zu 3,4 Angststörung — 1 zu 3,2 Menopause: Herz-Kreislauf-Risiko — 1 zu 3,0 Stiller Diabetes — 1 zu 3,0 Fliegen mit Erkältung — 1 zu 2,9 Jobverlust & Depression — 1 zu 2,9 Zeckenkrankheit (Wald) — 1 zu 2,9 Stilles hohes Cholesterin — 1 zu 2,9 Großelternverlust in der Kindheit — 1 zu 2,8 Pacifier on the floor — 1 zu 2,8 Stiller Bluthochdruck — 1 zu 2,7 Resistente Infektion — 1 zu 2,6 Kein Knochenmark-Match — 1 zu 2,4 Pflegeheimeinweisung — 1 zu 2,2 Falsch-positive Mammografie — 1 zu 2,0 Regelmässiges Rauchen — 1 zu 2,0 Reisedurchfall — 1 zu 2,0 Abenteuersportarten — 1 zu 1,8 Langzeitpflegebedarf — 1 zu 1,8 Wahrscheinlichkeit von Witwenschaft — 1 zu 1,7 Ungeschützter Sex — 1 zu 1,5 Kreuzschmerzen — 1 zu 1,3 Händehygiene — 1 zu 1,0 Krebs (gesamt) — 1 zu 7,1 E-Scooter ohne Helm — 1 zu 4,5 E-Bike ohne Helm — 1 zu 4,0 Fehlbehandeltes Gepäck — 1 zu 3,7 Unfall mit Schuld — 1 zu 2,9 Wildkollision — 1 zu 2,7 Verletzung bei Autounfall — 1 zu 2,6 Flugannullierung — 1 zu 1,8 Reise durch Krieg oder Katastrophe — 1 zu 1,7 Überfall beim Trampen — 1 zu 8,8 Wohnungseinbruch — 1 zu 8,6 Postscheckbetrug — 1 zu 7,7 Sexueller Kindesmissbrauch — 1 zu 6,8 Stalking — 1 zu 6,2 Sexueller Übergriff im Studium — 1 zu 5,7 Häusliche Gewalt — 1 zu 3,7 Angriff bei Nachtspaziergang — 1 zu 3,6 Fahrraddiebstahl — 1 zu 2,9 Sexuelle Gewalt — 1 zu 2,3 Sexuelle Belästigung (lebenslang) — 1 zu 1,6 Wasserknappheit — 1 zu 2,5 Sonnensturm der Carrington-Klasse — 1 zu 1,9 Kipppunkt WAIS — 1 zu 1,1 Wohnungskatze entlaufen — 1 zu 10 Hundebiss (freilaufend) — 1 zu 9,8 Kaninchen stirbt in 4 Jahren — 1 zu 3,3 Hundebiss (nicht tödlich) — 1 zu 1,8 Hamster stirbt vor Teenagerjahren — 1 zu 1,0 Eisenmangel (Frauen) — 1 zu 3,9 Vitamin-D-Lücke — 1 zu 2,9 Magnesiumlücke — 1 zu 1,9 Unzureichend gegartes Essen — 1 zu 1,6 Kreuzkontamination Rohfleisch — 1 zu 1,4 Offen gelagerte Lebensmittel — 1 zu 1,2 KI-Stimmenklon-Betrug — 1 zu 2,9 Online-Betrug — 1 zu 2,5 Cybermobbing bei Teenagern — 1 zu 2,0 Kinder & explizite Inhalte — 1 zu 1,9 Datenleck — 1 zu 1,1 Fehlgeburt — 1 zu 6,7 Suizidversuch Teenager — 1 zu 5,6 Postpartale Depression — 1 zu 4,8 Schmerzmittel vor Impfung — 1 zu 3,8 Übermässige Schwangerschaftszunahme — 1 zu 2,6 Ungeimpftes Kind & Masern — 1 zu 2,0 Kopfläuse bei Kindern — 1 zu 2,0 Seniorenbetrug-Verlust — 1 zu 10 Pensionsfondskrise — 1 zu 10 Immobilienabsturz — 1 zu 8,3 IRS-Steuerprüfung — 1 zu 6,7 Währungszusammenbruch — 1 zu 5,6 Abschiebung nach Visumüberzug — 1 zu 5,6 Subprime-Autokredit-Pfändung — 1 zu 5,0 Long term disability working age — 1 zu 4,0 Studienkredit-Ausfall — 1 zu 3,8 Vergeltung gegen Whistleblower — 1 zu 3,2 Erzwungener Vorruhestand — 1 zu 2,9 Vorsorgelücke — 1 zu 2,6 BNPL: verpasste Zahlung — 1 zu 2,4 Scheidung — 1 zu 2,4 Wasserschaden durch geplatzte Rohre — 1 zu 2,2 Mobbing am Arbeitsplatz — 1 zu 2,1 Längerer Netz-Blackout — 1 zu 2,0 Abschiebung (undokumentiert) — 1 zu 1,8 Beerdigungskosten-Schock — 1 zu 1,7 Identitätsdiebstahl — 1 zu 1,7 Kreditkartenbetrug — 1 zu 1,5 Schul-Mobbing — 1 zu 1,5 Frontsoldat-Verlust — 1 zu 1,3 Wirtschaftsrezession — 1 zu 1,0 Börsencrash — 1 zu 1,0 Hagelschäden am Dach — 1 zu 3,0 Problemmieter-Verlust — 1 zu 1,8 LASIK-Komplikationen — 1 zu 100 Schäden durch trockenes Toilettenpapier — 1 zu 100 Passivrauch — 1 zu 91 Spielstörung (Erwachsene) — 1 zu 83 High-Heel-Notaufnahme — 1 zu 79 Thrown/dropped object — 1 zu 67 Medikamentenreaktion — 1 zu 58 Drogenüberdosis — 1 zu 56 Asthma durch Gasherd bei Kind — 1 zu 50 Toxoplasmose aus Katzenklo — 1 zu 48 Psychische BU-Antrag — 1 zu 45 Benzodiazepinabhängigkeit — 1 zu 40 Leitungswasser Blei — 1 zu 40 Medikamentenmissbrauch — 1 zu 35 Schädel-Hirn-Trauma — 1 zu 33 Krankenhausinfektion — 1 zu 31 Luftverschmutzung — 1 zu 29 Terminale Niereninsuffizienz — 1 zu 29 Reisediarrhö (Wasser) — 1 zu 26 Skiverletzung — 1 zu 26 Bipolare Störung — 1 zu 23 Weisheitszahn-OP — 1 zu 22 Komplikation beim Zahntourismus — 1 zu 20 Altenvernachlässigung — 1 zu 20 Parkinson — 1 zu 20 Haustier-Parasiten — 1 zu 20 Undiagnostiziertes ADHS — 1 zu 20 Nahrungsmittelallergie im Erwachsensein — 1 zu 19 Nicht-Alzheimer-Demenz — 1 zu 17 Cannabiskonsumstörung — 1 zu 16 Schlaganfall — 1 zu 15 PTBS — 1 zu 15 Schwerer Hörverlust — 1 zu 14 Typ-2-Diabetes — 1 zu 13 Blinddarmentzündung — 1 zu 13 Kochrauch in Innenräumen — 1 zu 13 Unbehandelte Depression — 1 zu 13 Limonade und Diabetes — 1 zu 13 Herzkrankheit — 1 zu 12 Medizinischer Fehler — 1 zu 12 Zwanghaftes sexuelles Verhalten — 1 zu 12 Essstörung — 1 zu 11 Hüftgelenksersatz — 1 zu 11 Nierensteine — 1 zu 11 Tod/Invalidität Elternteil — 1 zu 11 Sitzender Lebensstil — 1 zu 11 Saloninfektion — 1 zu 11 Eierstockkrebs — 1 zu 91 Darmkrebs — 1 zu 77 Brustkrebs (Krebs) — 1 zu 59 Leberkrebs (Krebs) — 1 zu 59 Lungenkrebs (Krebs) — 1 zu 56 Prostatakrebs — 1 zu 50 Melanom (UV) — 1 zu 29 Ballaststoffmangel & Darmkrebs — 1 zu 26 Rotes Fleisch & Darmkrebs — 1 zu 21 Verkohltes Fleisch und Krebs — 1 zu 20 Wartungsunfall — 1 zu 83 Fahren auf Sedativa — 1 zu 77 Tippen + Fahren — 1 zu 56 Tod ohne Gurt — 1 zu 53 20% über Tempolimit — 1 zu 50 Motorrad ohne Helm — 1 zu 45 Raumfahrt (Astronaut) — 1 zu 42 Video am Steuer — 1 zu 32 Unfallverletzung Kind — 1 zu 27 Müdes Fahren — 1 zu 26 Norovirus auf Kreuzfahrt — 1 zu 24 E-Scooter-Verletzung — 1 zu 10 Taschendiebstahl auf Reisen — 1 zu 38 Katalysatordiebstahl — 1 zu 37 Bei Übergriff erstochen — 1 zu 37 Fahrzeugdiebstahl — 1 zu 34 Straßenraub / Überfall — 1 zu 26 Fehlurteil — 1 zu 24 Drink Spiking — 1 zu 17 Keyless-Diebstahl per Relay — 1 zu 13 Protest unter Autokratie — 1 zu 12 AMOC-Kollaps — 1 zu 20 Anaphylaxie nach Stich — 1 zu 50 Katzenhalsband-Verletzung — 1 zu 25 Lebensmittelvergiftung im Restaurant — 1 zu 58 B12-Mangel — 1 zu 28 Vegetarischer Mangel — 1 zu 14 Intimes Deepfake — 1 zu 25 Problematische Social-Media-Nutzung — 1 zu 13 Kind verschluckt Objekt (Notfall) — 1 zu 91 Lebensbedrohliche Geburt (USA) — 1 zu 61 Geburtstod (SSA) — 1 zu 55 Treppensturz (Kleinkind) — 1 zu 37 Co-Sleeping-Tod — 1 zu 36 Verletzung beim Spielen — 1 zu 33 Autismus-Diagnose — 1 zu 31 Kaiserschnitt-Komplikationen — 1 zu 29 Spielzeugverletzung, Notaufnahme — 1 zu 21 Präeklampsie — 1 zu 20 Schwerer Dammriss bei Geburt — 1 zu 17 Schwangerschaftsdiabetes — 1 zu 13 Kopfverletzung beim Sturz — 1 zu 12 Ohne Erben sterben — 1 zu 100 Finanzieller Ruin durch Sportwetten — 1 zu 100 Tod eines Kampfpiloten — 1 zu 48 Tod in der Hochseefischerei — 1 zu 45 Tod beim Holzeinschlag — 1 zu 34 Medizinische Insolvenz — 1 zu 25 Zwanghafte Kaufstörung — 1 zu 20 Mietbetrug-Verlust — 1 zu 20 SNAP-Verlust durch Arbeitsregeln 2025 — 1 zu 18 Hypothekenzwangsvollstreckung — 1 zu 14 Bewegungsapparat-BU — 1 zu 14 Day-Trading-Verluste — 1 zu 13 Extremistische Regierungs-Katastrophe — 1 zu 13 Hurrikanschäden am Haus — 1 zu 17 NAION (Ozempic) — 1 zu 909 Kleinkind im Pool untergetaucht — 1 zu 800 MS — 1 zu 769 Tödlicher Arbeitsunfall — 1 zu 690 Typhus — 1 zu 654 GLP-1: Aspiration bei Narkose — 1 zu 613 Unsichere Importprodukte — 1 zu 565 Hirnaneurysma — 1 zu 400 COVID-19 — 1 zu 400 Feuerwerksverletzung — 1 zu 385 Küchenmesser: Sehnenschnitt — 1 zu 385 Zu viel Koffein — 1 zu 366 Sichelzellkrankheit — 1 zu 365 Gefälschte Medikamente — 1 zu 361 Rückenmarksverletzung — 1 zu 313 Krebsdiagnose im Kindesalter — 1 zu 285 Tod nächste Pandemie — 1 zu 208 Dengue (Reise) — 1 zu 200 Frühgeburt durch Hitze — 1 zu 200 Tägliches Duschen auslassen — 1 zu 200 Füße nicht schrubben — 1 zu 200 Knochenmarkspende-Risiko — 1 zu 167 FSME (Zeckenenzephalitis) — 1 zu 167 Schizophrenie — 1 zu 143 Sturz (tödlich) — 1 zu 135 Plötzlicher Tod beim Sport — 1 zu 123 Suizid (USA) — 1 zu 121 Opioidabhängigkeit — 1 zu 114 Tuberkulose (global) — 1 zu 109 HIV-Diagnose — 1 zu 105 Radonkrebs — 1 zu 435 Hodenkrebs — 1 zu 250 Gebärmutterhalskrebs (Krebs) — 1 zu 167 Bauchspeicheldrüsenkrebs — 1 zu 125 Fussgängertod — 1 zu 806 Motorradunfall — 1 zu 709 Ertrinken vom Freizeitboot — 1 zu 685 Fahrer tötet Fußgänger — 1 zu 552 Handy-abgelenkte Gehverletzung — 1 zu 400 EV-Batteriebrand — 1 zu 333 Radfahrer von Auto getötet — 1 zu 159 Benzinautobrand — 1 zu 125 Todesfall durch autonomes Fahren — 1 zu 115 Autounfall — 1 zu 105 Einsatztod bei der Feuerwehr — 1 zu 455 Einsatztod bei der Polizei — 1 zu 357 Mord — 1 zu 339 Pig-Butchering-Betrug — 1 zu 106 Extreme Hitze — 1 zu 333 Klimawandel-Todesfälle — 1 zu 204 Fledermausbiss und Tollwut — 1 zu 278 Mückenübertragene Krankheit — 1 zu 190 Lebensmittelvergiftung (global) — 1 zu 317 Solarpanel-Brand — 1 zu 667 Unbehandelte kindliche Skoliose — 1 zu 1.000 Kind stürzt aus Fenster — 1 zu 855 Lauflernhilfe Treppensturz — 1 zu 625 Säuglingssturz — 1 zu 500 Lauflernhilfe Verletzung — 1 zu 455 Müttersterblichkeit — 1 zu 272 Mütterliches Alter & Geburtsfehler — 1 zu 200 Kindstod (<18) — 1 zu 103 Tod in der Höhlenforscher-Karriere — 1 zu 167 Einsatztod im Rettungsdienst — 1 zu 909 Zivile Kriegsopfer — 1 zu 499 Soldat im Kampf — 1 zu 270 Studentenvisum-Entzug — 1 zu 263 Tod in Bergmannslaufbahn — 1 zu 214 Finanzieller Ruin durch Glücksspiel — 1 zu 159 Blitzbrand im Haus — 1 zu 461 Waldbrand zerstört Haus — 1 zu 120 Malaria (Reise) — 1 zu 10.000 Infektion durch geteiltes Getränk — 1 zu 10.000 Chagas-Krankheit — 1 zu 8.475 Fuchsbandwurm durch Waldbeeren — 1 zu 8.475 Kind verschluckt Nikotinbeutel — 1 zu 7.937 Schistosomiasis — 1 zu 6.667 Plötzlicher Tod (junger Erwachsener) — 1 zu 3.922 Unsichere Verkabelung — 1 zu 3.390 Sepsis durch Wunde — 1 zu 2.857 Narkose-Wachheit — 1 zu 2.500 Hitzschlag (im Freien) — 1 zu 1.905 Hausbrand — 1 zu 1.818 Tollwut durch Hunde — 1 zu 1.449 Ertrinken — 1 zu 1.379 Rückenmarksverletzung bei Sprung — 1 zu 1.111 EVALI-Krankenhausaufenthalt — 1 zu 1.064 Erstickung — 1 zu 1.020 Betelnuss-Krebs — 1 zu 1.290 Thrombose (Flug) — 1 zu 4.651 Radfahrer töten — 1 zu 3.937 Tod im Straßenverkehr (Teen) — 1 zu 3.030 Hinten Fahrradsitz — 1 zu 2.500 Kind ohne Kindersitz — 1 zu 2.000 Tödliche Polizeibegegnung — 1 zu 4.739 Ehrenmord — 1 zu 2.381 Intime Partnertötung — 1 zu 1.767 Hurrikan — 1 zu 8.929 Tod durch Hungersnot — 1 zu 6.536 Schneesturmtod — 1 zu 4.367 Erdbeben — 1 zu 3.802 Listerien in Aufschnitt — 1 zu 6.061 Schwere E. coli aus Frischgemüse — 1 zu 4.831 Lebensmittelvergiftung (USA) — 1 zu 1.862 Fisch-Quecksilber — 1 zu 1.695 Fischgrätenverletzung — 1 zu 1.429 Akkubrand — 1 zu 4.545 Waschmittelkapsel verschluckt — 1 zu 6.494 Ertrinken im Pool — 1 zu 5.882 Unbehandelte Hüftdysplasie bei Säuglin — 1 zu 5.000 SIDS — 1 zu 2.398 Krieg (Zivilist) — 1 zu 2.000 Hirnschwellung bei Kind durch Grippe — 1 zu 100.000 Tödlicher Bienenstich — 1 zu 76.923 Lokales Dengue (USA-Festland) — 1 zu 66.667 Narkosetod — 1 zu 45.662 Hund stirbt im heißen Auto — 1 zu 41.667 Vibrio-vulnificus-Wundinfektion — 1 zu 32.051 Anaphylaxie — 1 zu 27.548 Chiropraktische Nackenmanipulation — 1 zu 16.667 CO-Vergiftung — 1 zu 14.006 Hepatitis A (Reise) — 1 zu 12.500 Verzicht auf Allergie-Immuntherapie — 1 zu 11.111 Acrylamid und Krebs — 1 zu 16.667 Busunglück — 1 zu 100.000 Flugzeugabsturz — 1 zu 58.824 Fahrzeugbrand nach Unfall — 1 zu 25.000 Tod am Bahnübergang — 1 zu 20.576 Sinkendes Auto — 1 zu 16.667 Fahrradanhaenger Kind — 1 zu 14.286 Beinahezusammenstoß auf Startbahn — 1 zu 13.699 Säureangriff — 1 zu 94.340 Terrorismus — 1 zu 77.519 Kindesentführung durch Fremde — 1 zu 38.760 Kindesentführung — 1 zu 35.211 Mitgifttod — 1 zu 13.158 Versehentlicher Schusswafffentod — 1 zu 11.299 Waldbrand — 1 zu 100.000 Tornado — 1 zu 80.645 Tsunami — 1 zu 52.632 Ertrinken im Ozean — 1 zu 29.155 Hochwasser — 1 zu 20.202 Hitzetod nach Hurrikan — 1 zu 20.000 Erdrutsch-Tod — 1 zu 18.416 Supervulkanausbruch — 1 zu 12.376 Bienenstich — 1 zu 78.927 Biene/Wespe verschluckt — 1 zu 29.155 Tödlicher Skorpionstich — 1 zu 26.110 Schokoladentod Hund — 1 zu 13.889 Bleihaltiger Zimt-Quetschbeutel — 1 zu 40.000 Auslaugung von Plastikbehältern — 1 zu 16.949 Ersticken des Säuglings im Autositz — 1 zu 64.935 Babywippe Sturz — 1 zu 60.606 Kleinkind-Erstickung — 1 zu 50.000 Säugling unbeaufsichtigt Erstickung — 1 zu 50.000 Tod eines vorwärts sitzenden Kleinkinds — 1 zu 26.738 Magnete verschluckt — 1 zu 12.048 Tod beim Schnorcheln — 1 zu 21.739 Haustier im Transport — 1 zu 20.000 Tod in ICE-Gewahrsam — 1 zu 17.065 Landminen-Verletzung — 1 zu 14.728 Impfreaktion — 1 zu 763.359 Aluminium und Alzheimer — 1 zu 169.492 Gasleck im Wohnhaus — 1 zu 140.845 Kindstod im heißen Auto — 1 zu 102.041 Glyphosat und Krebs — 1 zu 1.000.000 Teflon Kochgeschirr Krebs — 1 zu 169.492 Achterbahnverletzung — 1 zu 312.500 Fährunglück — 1 zu 133.333 Turbulenzverletzung — 1 zu 114.943 Schulschießerei — 1 zu 192.308 Massenschiessen — 1 zu 113.636 Lawine — 1 zu 210.526 Blitzschlag — 1 zu 209.205 Schlangenbiss — 1 zu 884.956 Spinnenbiss — 1 zu 833.333 Nilpferd-Angriff — 1 zu 564.972 Krokodilangriff — 1 zu 337.838 Hundebiss — 1 zu 142.045 Pestizidrückstände — 1 zu 1.000.000 Schmutzige Dose — 1 zu 200.000 Schaden durch PLA-Biokunststoff — 1 zu 169.492 Babyschaukel Tod — 1 zu 714.286 Trauben-Ersticken — 1 zu 625.000 Erdrosselung durch Jalousiekordel — 1 zu 416.667 Erstickung durch Plastiktüte — 1 zu 263.158 Knopfzelle — 1 zu 250.000 Schraegliegesitz Tod — 1 zu 238.095 Aufzug-/Rolltreppentod — 1 zu 188.324 JE (Reise) — 1 zu 2.000.000 Kind + Frontairbag — 1 zu 10.000.000 Asteroideneinschlag — 1 zu 1.351.351 Spinnen in Bananen — 1 zu 10.000.000 Haiangriff — 1 zu 5.681.818 Bärenangriff — 1 zu 3.787.879 Vergiftung durch Wildbeeren — 1 zu 2.222.222 Piranha-Angriff — 1 zu 135.135.135 Telefon an Zapfsäule — 1 zu 1.000.000.000 Telefon im Flugzeug — 1 zu 1.000.000.000
Lottery jackpot 1 zu 95.238

Zuletzt auf diesem Gerät angesehen