KI-Giganten tauschen billige Arbeitskräfte gegen Experten ein, um intelligentere Modelle zu trainieren

Große KI-Unternehmen ersetzen billige Datenkennzeichnungskräfte in Afrika und Asien durch qualifizierte, besser bezahlte Fachkräfte, die beim Training intelligenterer Modelle helfen sollen.

Früher Datenkennzeichnungsmitarbeiter hauptsächlich mit einfachen Annotationsaufgaben betraut. KI-Unternehmen haben jedoch erkannt, dass die Verbesserung ihrer Modelle noch größere Datenmengen erfordert. Daher wird von den Mitarbeitern erwartet, dass sie noch schneller arbeiten und täglich Hunderte von Aufgaben erledigen – ein Wandel hin zu Branchenexperten.

Scale AI, Turing und Toloka stellen weitere Experten ein

Die Entwicklung von KI-Systemen mit „logischem Denken“, darunter OpenAIs o3 und Googles Gemini 2.5, hat den Wandel von Niedriglohnarbeitern in Ländern wie Kenia und den Philippinen hin zu besser qualifizierten Fachkräften beschleunigt.

Unternehmen wie Scale AI, Turing und Toloka setzen bereits führende Spezialisten aus Bereichen wie Biologie und Finanzen ein, um KI-Teams bei der Erstellung verfeinerter und komplexerer Trainingsdatensätze zu unterstützen.

Olga Megorskaya, CEO und Mitbegründerin von Toloka, kommentierte: „Die KI-Branche konzentrierte sich lange Zeit stark auf Modelle und Rechenleistung, Daten wurden dabei immer vernachlässigt. Endlich erkennt die Branche die Bedeutung von Daten für das Training an.“ 

Scale AI, Turing AI und Toloka verzeichnen seit ihren Strategiewechseln ein gesteigertes Interesse von Investoren. Metas Investition von 15 Milliarden US-Dollar in Scale AI im Juni erhöhte deren Bewertung auf 29 Milliarden US-Dollar. Im März sicherte sich Turing AI 111 Millionen US-Dollar bei einer Bewertung von 2,2 Milliarden US-Dollar, und im Mai führte Bezos Expeditions eine 72-Millionen-Dollar-Investition in Toloka an.

Turing zahlt seinen Experten etwa 20 % mehr als ihr derzeitiges Gehalt

Joan Kinyua, Leiterin des Verbandes der Datenkennzeichner in Kenia, erklärte, dass die Kennzeichnungsfachleute nun Aufgaben übernehmen müssten, die ihr Verständnis der lokalen Sprachen und kulturellen Nuancen voraussetzten.

Die Organisation verzeichnet zudem einen Anstieg an Qualitätssicherungsaufgaben, bei denen KI-generierte Inhalte von Menschen überprüft werden. Da OpenAI, Anthropicund Google an der Entwicklung von Modellen arbeiten, die die menschliche Intelligenz übertreffen könnten, verlagert sich der Schwerpunkt auf Datengenauigkeit und Expertenanalyse.

Jonathan Siddharth, Mitbegründer und Geschäftsführer des Datenkennzeichnungsunternehmens Turing AI, behauptete außerdem, dass es zur Verbesserung von KI-Modellen notwendig sei, Trainingsdaten aus der realen menschlichen Nutzung zu verwenden, insbesondere bei komplexen Aufgaben, und zu verstehen, wie die Modelle in diesen Szenarien versagen.

Er merkte sogar an, dass ein vollständig hochentwickeltes KI-System nicht nur Physiker übertreffen, sondern auch intelligenter sein könnte als alle Spitzenexperten in allen Bereichen, die für seinen Aufbau erforderlich sind.

Er fügte hinzu, dass Turing Experten Gehälter zahlt, die 20–30 % über ihrem bisherigen Einkommen liegen. Obwohl KI-Unternehmen nur etwa 10–15 % ihrer Budgets für Daten aufwenden, stellt dies im Vergleich zu den enormen Summen, die in Rechenressourcen fließen, dennoch eine erhebliche finanzielle Investition dar.

Megorskaya von Toloka argumentierte außerdem, dass Merkmale wie die Gedankenkette, die veranschaulichen, wie KI-Modelle Probleme Schritt für Schritt lösen, durch Demonstrationen von menschlichen Experten entwickelt werden, die Probleme in kleinere Komponenten zerlegen.