Feed Me, Seymour - Audrey II und die hungrige Blackbox des Wissens

Rest of World beschreibt, wie chinesische Fachleute nach Feierabend ihr berufliches Know-how an KI-Modelle weitergeben. Nach Jahren einheitlicher Datenkost steht nun Expertenwissen auf dem Menü.

Ich frage mich manchmal, woher die Namen für KI-Modelle kommen. Astra, Opus, Fable und Mistral klingen eher nach Designerdroge, Parfüm oder außerkörperlicher Erfahrung, als nach einem technischen Produkt, dem man bis zum Ende dieses Jahrzehnts unsere eigene Auslöschung zutraut.

Sollte irgendwann jedoch ein Modell mit dem Namen Audrey auftauchen, was ich irgendwie naheliegend finde, rate ich hier schon einmal zur Vorsicht. Just for the record.

Einige werden sich erinnern. Audrey II ist die zunächst niedliche, kleine exotische Pflanze aus dem Kultmusical "Little Shop of Horrors", die Seymour im Blumenladen seines Chefs, dem mürrischen Mr. Mushnik, aufpäppeln will. Erst möchte sie nur ein paar Tropfen Blut aus seinem Finger, dann reicht ihr das nicht mehr, sie will den Finger. Zwischendurch macht sie den Laden berühmt und Seymour reich. Und dann frisst sie alles - die Menschen um sie herum und den ganzen Blumenladen, bis ihre Ableger im Finale des Originalmusicals die Weltherrschaft übernehmen. Das nur mal so zur Einordnung. Und for the record. Ich hab's gesagt.

Cuicui ist Architektin im südchinesischen Shenzhen, einem der großen Tech-Zentren des Landes, gelegen an der Grenze zu Hongkong. Sie ist Anfang vierzig und hat Erfahrung in der Planung von Stadien, Schulen und Krankenhäusern. In den vergangenen fünf Jahren hat sich ihr Einkommen halbiert, weil staatliche Infrastrukturprojekte weggebrochen sind. Cuicui loggt sich deshalb nach Feierabend auf Plattformen wie TalentsAI ein und zeigt einem KI-Modell Schritt für Schritt, wie man ein Bauvorhaben aufsetzt oder eine Wirtschaftlichkeitsanalyse durchführt. Professionelles, menschliches Urteilsvermögen, verpackt als Trainingsfutter. Die frei verfügbaren Internetdaten reichen für den nächsten Entwicklungsschritt nicht mehr aus, der nächste Sprung der Modelle braucht individuelles Fachwissen aus der echten Praxis. Feed me, Seymour.

In China trifft gerade ein schwacher Arbeitsmarkt auf einen massiven Bedarf an Wissen zur digitalen Verwertung. Zugute kommt dem Staat wieder einmal seine Voraussicht: Bereits 2020, lange vor ChatGPT, wurde der Beruf des KI-Trainers in China offiziell anerkannt, mit eigenem Berufscode, Zertifizierung und staatlichen Zuschüssen. Die Qualifikation ist Teil einer Wissens-Infrastruktur, die von der Datenannotation bis zur professionellen KI-Anwendung reicht.

Inzwischen betreiben ByteDance und Alibaba eigene Rekrutierungsplattformen für Fachleute, die unabhängige Trainingsplattform MeetChances wirbt offen auf Social Media mit der Frage: "Was können Leute über vierzig nach der Kündigung im KI-Zeitalter noch tun?"

Die Antwort ist klar: Wissenstransfer. Wenn die Qualifikation am primären Arbeitsmarkt nicht mehr gefragt ist, wird der sekundäre Arbeitsmarkt zur Restpostenbörse für Berufserfahrung. Ein ganzes Berufsleben als Trainingsdatenpaket zum Festpreis.

Marktforscher schätzen das Volumen für KI-Trainingsdaten in China 2026 auf rund eine Milliarde Euro.

Hierzulande sind KI-Trainer diejenigen, die anderen Menschen den Umgang mit KI beibringen. In China bringen KI-Trainer der KI bei, wie ein Mensch denkt. Oder worauf man achten muss, wenn man zwei Kupferrohre für eine Heizungsleitung zusammenpresst. Echtes, praktisches Erfahrungswissen, keine Theorie. Wissen, das man nur einmal weitergeben kann. Danke, Seymour, mehr davon.

Damit Sprachmodelle strukturiert lernen, brauchen sie sortierte, bewertete und kommentierte Daten. In China passiert das in Zentren im ländlichen Landesinneren, weit weg von den Tech-Metropolen an der Küste. Dort ist die Arbeit günstiger, und die Konzerne besitzen oder kontrollieren die Gebäude, in denen ihre Trainingsdaten verarbeitet werden. Für sie sind diese Daten nicht einfach Rohmaterial, sondern Forschungs-Assets, die weder bei der Konkurrenz noch im Ausland landen sollen. Die Tätigkeit ähnelt dabei eher einer Station in einer Produktionslinie als einem Tech-Job: Hunderte Menschen pro Standort sitzen in Reihen von Bildschirmarbeitsplätzen und markieren Bilder, schneiden Audiodateien oder bewerten Chatverläufe - einfache, wiederholbare Aufgaben, bezahlt pro Arbeitseinheit.

Die nächste Evolutionsstufe der Modelle braucht mehr als getaggte Bahnübergänge und Fußgängerampeln. Es geht um Urteilsvermögen, Erfahrungswissen, Risikoabschätzung und Entscheidungsfindung für den Einsatz in spezifischen Arbeitsbereichen. Das ist die Stufe, auf der Cuicui arbeitet. Ihre Arbeit ist keine standardisierte Formulareingabe mehr, sondern das Resultat eines Studiums und zwanzig Jahren Berufserfahrung.

Wenn die Anwendung des Wissens nicht mehr für den Lebensunterhalt reicht, dann wird das Wissen selbst zur Einwegware. Es wird zerlegt, vergütet und von der Blackbox, nennen wir sie hier Audrey II, verschlungen. Was Cuicui eingibt, wird Teil eines Modells, von dem ihr nichts gehört, aber dem von nun an ein Teil von ihr gehört. Die Antworten, die es zukünftig gibt, tragen ihren Namen nicht. Die Plattform aber weiß genau, welche Architektin welche Aufgabe bearbeitet hat - jeder Beitrag ist dokumentiert und einem Profil zugeordnet. Im fertigen Modell verschwindet diese Spur. Egal wie oft eine Antwort auf ihr Wissen zurückgeht - Cuicui wurde einmal bezahlt und dabei bleibt es auch.

Je mehr Expertenwissen in ein Modell fließt, desto weniger Relevanz scheint der einzelne Beitrag darin zu haben. Dabei ist es genau diese eine Entscheidung aus zwanzig Jahren Praxis, die den Unterschied zwischen einer plausibel klingenden Antwort und der einen macht, die am Ende richtig ist.

Man gibt aus der Hand, was am schwersten nachzuahmen ist, am meisten zum Selbst gehört und bekommt eine einmalige Abrechnung. Im Grunde machen wir das längst alle - jedes Mal, wenn wir einem Sprachmodell erklären, warum eine Lösung nicht funktioniert, geben wir genau die Art von Feedback, die für das Training von Modellen wertvoll ist. Wir bezahlen sogar Abogebühren dafür. Cuicui macht daraus einen Nebenjob.

"The best part is, they work for peanuts", sagt Studioboss R.K. Maroon über Dumbo in Who Framed Roger Rabbit - bei einem Elefanten wortwörtlich gemeint. Dumbo konnte fliegen. Was das wert war, wusste er nicht. Er kannte nur die Erdnüsse.

In der Musikindustrie kommt dieselbe Frage gerade von der anderen Seite. Bisher trainieren Modelle auf bestehendem Katalogmaterial - Aufnahmen, die für ein Publikum entstanden sind. Alibaba sucht bereits Musikkomponisten als KI-Trainer. Der nächste Schritt ist absehbar: Songwriter, die nicht mehr für einen Artist oder eine eigene Veröffentlichung schreiben, nicht aus innerer Notwendigkeit, nicht für Fame & Fortune, sondern für das Training eines Modells. Ob daraus ein funktionierender Markt wird, hängt an einer einzigen Sache: ob sich nachvollziehen lässt, wessen Wissen in einer Antwort steckt und ob daraus eine faire Beteiligung erfolgt. In der Branche heißt diese Zuordnung Attribution - wessen Beitrag führt zu welchem Output und was folgt daraus?

"Feed me", fleht Audrey II in "Little Shop of Horrors" und Seymour verfüttert schließlich den durchgeknallten Zahnarzt. Ob sich daraus ebenfalls eine Analogie ableiten lässt?

Die Pflanze hatte er übrigens von einem chinesischen Blumenhändler. 

Quelle und weiterführende Recherche:
Rest of World - Now it's China's experts who are gig workers training AI · Seoul Economic Daily - China's AI Trainer Emerges as Hot New Profession · People's Daily - AI trainer certification in Shanghai