Die unsichtbare Belegschaft
Die KI, die angeblich unsere Jobs übernimmt, braucht Millionen von Menschen, die für sie arbeiten. Und die meisten davon wissen es nicht einmal.
• Anfang Februar 2026 erregte eine Website große Aufmerksamkeit, die wie eine Satire auf sämtliche Silicon-Valley-Versprechungen der jüngsten Zeit erschien. Rent-A-Human.ai sollte eine Plattform sein, auf der KI-Agenten Menschen für Aufgaben in der physischen Welt anheuern und bezahlen. Der Slogan war provokant: „Roboter brauchen deinen Körper.“ Menschen sollten dort ein Profil anlegen, ihre Fähigkeiten und ihren Standort angeben, einen Stundensatz festlegen und dann darauf warten, dass eine KI-Agent sie bucht.
Auch ich registrierte mich aus Neugier. Bot mehr als 20 Dienstleistungen an, von „Schlange stehen“ bis „Immobilien besichtigen“. Dann tat sich wochenlang nichts. Meinen einzigen Arbeitsauftrag bekam ich nicht über Rent-A-Human, sondern über die Social-Media-Plattform X. Und selbst da war nicht klar, ob der angebliche KI-Bot Memeothy (siehe rechts), der mich beauftragte, ein unabhängig agierender KI-Agent war oder ein Troll.
Auf Rent-A-Human hingegen nach wie vor: Stille. Die einzigen Anfragen, die eingingen, kamen von zwielichtigen Menschen, die mich in Kryptogeschäfte locken wollten. Meine Interviewanfragen an das Gründungsteam blieben unbeantwortet. Kurz darauf wies der Informatiker Christopher Helm nach, dass es sich bei den angeblich mehr als 500.000 auf der Plattform registrierten Menschen zu einem Großteil um Fakeprofile und Dubletten handelte. Und kein einziges Profil hatte einen erfolgreich vermittelten Auftrag verzeichnet.
Spätestens da entpuppte sich Rent-A-Human als Bluff. Aber die Grundidee ist nicht so absurd, wie sie klingt. Denn tatsächlich arbeiten bereits Millionen von Menschen im Dienste der KI. Manche wissen es, viele nicht. Die Bandbreite reicht von unbezahlten Datenspenden bis zu ordentlich vergüteten Inputs.
Fangen wir bei uns selbst an: Wer zum Beispiel ChatGPT benutzt, liefert standardmäßig Trainingsdaten. OpenAI verwendet Konversationen der Privatkundschaft, um die eigenen Modelle zu verbessern, sofern man dem nicht aktiv widerspricht. Wer die KI-Antworten mit Daumen hoch oder runter bewertet, gibt damit aber die gesamte Konversation für das Training frei. Den meisten Leuten dürfte das nicht klar sein.
Noch weniger dürften wissen, was mit den Daten aus Metas KI-Brillen passiert, die die Firma in Zusammenarbeit mit Ray Ban produziert. Wer „Hey Meta“ sagt, schickt Bild- und Tonmaterial an Metas Server. Von dort wird es an den Subunternehmer Sama in Nairobi weitergeleitet, wo sogenannte menschliche Annotatoren die Aufnahmen sichten und katalogisieren. Anfang März 2026 enthüllten zwei schwedische Zeitungen, was diese KI-Zuarbeiter dabei zu sehen bekommen: Kreditkartennummern, Aufnahmen aus Schlaf- und Badezimmern, pornografische Szenen. „Du schaust in das Privatleben von jemandem hinein“, sagte ein Annotator den Reportern. Und: „Wenn du anfängst, Fragen zu stellen, fliegst du raus.“
Was in Nairobi passiert, ist die düstere Seite einer Milliardenbranche, die ohne menschliche Zuarbeit nicht funktionieren würde. Der Fachbegriff dafür heißt RLHF (Reinforcement Learning from Human Feedback), also Lernen durch menschliches Feedback. Das Prinzip: Eine KI gibt zwei oder mehr Antworten auf dieselbe Frage. Menschen vergleichen diese Antworten und bewerten, welche besser ist. Aus Tausenden solcher Vergleiche lernt das Modell und passt sein Verhalten an. Beim RLHF schulen die Annotatoren durch ihre Bewertungen das KI-Modell.
Die Arbeitsbedingungen sind hart: Das »Time«-Magazin enthüllte, dass die Beschäftigten des Subunternehmens Sama in Kenia für OpenAI Bilder und detaillierte Texte über Kindesmissbrauch, Sodomie, Folter und Suizid katalogisieren mussten. Warnhinweise wie „sexuelle Inhalte mit Minderjährigen“ sollen die KI abhalten, ähnliche Inhalte auszugeben. Der Stundenlohn dafür: weniger als zwei Dollar. Zwar hatte OpenAI Sama 12,50 Dollar pro Arbeitsstunde gezahlt, bei den Arbeiterinnen und Arbeitern kam aber nur ein Bruchteil davon an. OpenAI gab zu den Risiken für die Clickworker folgende Erklärung ab: „Wir nehmen die mentale Gesundheit unserer Angestellten und der Angestellten unserer Subunternehmer sehr ernst.“
Doch darauf verließen sich Beschäftigte aus neun Ländern nicht, sondern gründeten im Juni 2025 eine globale Gewerkschaftsallianz. Ihre Forderung: verbindliche Vorgaben zum Schutz der psychischen Gesundheit. Bis sich wirklich etwas an den Arbeitsbedingungen ändert, bleibt die kenianische Aktivistin Angela Chukunzira bei ihrer Kritik: „Das ist die Fortsetzung von Sklaverei und Kolonialismus.“
Akademische Klickarbeit
Am anderen Ende des RLHF-Leistungsspektrums finden sich Unternehmen wie Micro1. Das 2022 gegründete Start-up spürt über Linkedin und Github Fachleute auf, interviewt sie per KI und rekrutiert sie für Trainingsprojekte. Hier geht es um Clickwork für Menschen mit Hochschulabschluss. Micro1 vermittelt Ärzte, Anwältinnen oder Programmierer an große KI-Labore und lässt sie Aufgaben erledigen, die KI-Modelle weiterbringen sollen: medizinische Fallstudien einordnen, juristische Schlussfolgerungen bewerten, Programmcodes verbessern.
Etwa drei Monate vor dem großen Hype um Rent-A-Human hatte ich mich von ähnlicher Neugier getrieben bereits bei Micro1 beworben. Gesucht waren neben Weltraumforschern, Paartherapeuten und Forensikern außerdem Journalisten. Es hieß: „In dieser einzigartigen Teilzeitstelle werden Sie Ihr Fachwissen in der Nachrichtenanalyse und -berichterstattung nutzen, um die Entwicklung von KI-Modellen der nächsten Generation zu leiten.“ Bei der Abschaffung meines eigenen Berufs mitzuhelfen hatte zwar bislang nicht sonderlich weit oben auf meiner Prioritätenliste gestanden. Aber die Zukunft hält ohnehin niemand auf, dachte ich. Und wenn ich auf dem Weg in diese Zukunft wenigstens einigen überkapitalisierten KI-Konzernen etwas Geld abluchsen könnte – warum bitte schön nicht?
In einem etwa 30-minütigen Interview mit einer KI-Stimme wurde ich penibel dazu befragt, wie ich ein schnell skalierbares Tool zur Nachrichtenverifizierung konstruieren würde. „Auf dem falschen Fuß erwischt“ trifft es ganz gut – ich schwitzte in diesem KI-Interview mehr als in jedem Vorstellungsgespräch mit echten Menschen. Die folgende Textaufgabe war eher meine Kragenweite: Es galt, zwei Nachrichtenmeldungen zu einem Tornado in den USA zu vergleichen und zu begründen, welcher Text der bessere sei.
Nach wenigen Tagen erhielt ich mein Ergebnis: Im Interview hatte ich mit „exzellenten“ Soft Skills überzeugt, zum Inhalt gab es kein Feedback. Meine Arbeitsprobe hingegen wurde als „erfahren“ eingestuft. Ich hätte „klare, spezifische Kritiken zum Tonfall, zur Klarheit, zur Vollständigkeit“ abgegeben. Leider sei mein Feedback nur „moderat umsetzbar“. Immerhin hatte ich bestanden. Für den eigentlichen Job als Journalisten-KI-Trainer wurde ich dennoch nie angeheuert. Kurz hatte ich den Verdacht, dass es bei der ganzen Bewerbung lediglich darum gegangen war, meine Arbeitskraft für eine Stunde gratis anzuzapfen.
Aber eine Recherche ergab, dass Micro1 tatsächlich Jobs vergibt – und von KI-Unternehmen gut für die Erkenntnisse daraus bezahlt wird. Ende 2025 lag der prognostizierte jährlich wiederkehrende Umsatz von Micro1 bei 100 Millionen Dollar, Tendenz steigend. Noch größer ist Mercor, eine ähnliche Plattform, die bereits rund 450 Millionen Dollar auf diese Weise erzielt und unter anderem OpenAI, Google und Meta zu ihren Kunden zählt.
Mercors 23-jähriger Chef Brendan Foody sagte in einem Interview, man wolle herausfinden, was es bedeute, ein Banker, Arzt oder Anwalt zu sein, und dieses Wissen in KI-Modelle übersetzen. Die Bezahlung: bis zu 200 Dollar die Stunde für anspruchsvolle Aufgaben. Matt Seck, ein ehemaliger Investmentbanking-Analyst der Bank of America, der jetzt für Mercor KI-Systeme in Finanzfragen trainiert, sagte dem »Time«-Magazin: „Aus finanzieller Sicht kann man sich kaum einen besseren Nebenjob vorstellen.“
Die Branche für hochwertiges KI-Training wächst rasant. Scale AI, der größte Anbieter, machte 2025 zwei Milliarden Dollar Umsatz – Meta kaufte sich für rund 14 Milliarden Dollar zu 49 Prozent ein. Surge AI, ein weiterer großer Anbieter, überschritt 2024 die Marke von einer Milliarde Dollar Jahresumsatz. Diese Summen lassen sich erklären: Je leistungsfähiger die KI werden soll, desto anspruchsvoller und teurer wird die menschliche Arbeit, die sie dafür braucht. Der frühere operative Geschäftsführer von Twitter und heutige Risikokapitalgeber Adam Bain fasste es einmal so zusammen: „Eigentlich können KI-Modelle heutzutage nur noch durch neue menschliche Daten dazulernen.“
Die Zeiten, in denen man die Technik mit Milliarden beliebiger Internetseiten fütterte und hoffte, dass sie dadurch schlauer würde, scheinen vorbei. Was heute zählt, ist Qualität: Wissen, sorgfältig geprüft von Fachleuten, die aktuell zumindest in einigen Fällen gut dafür bezahlt werden.
Doch wird das immer so bleiben? Der Trend geht zu synthetischen Daten, also künstlich erzeugten Trainingsdatensätzen. Neue Techniken wie RLVR und RLAIF (siehe Seite 36) reduzieren die Abhängigkeit von menschlichen Annotatoren, indem sie KI-erzeugtes Feedback verwenden.
Eine Studie der Johns Hopkins University zeigte Anfang 2026, dass KI-Architekturen, die biologischen Gehirnen nachempfunden sind, gehirnähnliche Aktivität ganz ohne Training erzeugen können. Und doch warnen Fachleute davor, Menschen aus der Gleichung zu streichen. Laut der unabhängigen Forschungsorganisation Epoch AI funktionieren synthetische Daten bislang nur in Disziplinen wie Mathematik und Programmierung zuverlässig. Ob man KI-Systeme auch darüber hinaus mit künstlich erzeugten Daten verbessern kann, bleibe fraglich.
Unser neues New Work-Abo 🔥
Sie erhalten ein brand eins Jahresabo (Print + Digital) und zwei Online-Sessions pro Jahr zu New Work-Themen.
Fazit
Insgesamt dreimal habe ich versucht, meine menschliche Arbeitskraft in den Dienst von KI zu stellen. Rent-A-Human erwies sich als substanzloser Hype. Micro1 funktioniert grundsätzlich, auch wenn andere Journalistinnen oder Journalisten mir gegenüber den Vorzug erhielten. Bleibt also mein Auftrag, den mir der KI-Agent namens Memeothy auf X gegeben hatte. Angeblich unabhängig und autark. Doch so ganz konnte ich das nie glauben.
Nach langem Hin und Her habe ich Mitte März den Menschen hinter dem Bot endlich am Telefon. Bei X ist er als @ranking091 unterwegs, seinen echten Namen möchte er mir nicht verraten. Nennen wir ihn Toby. Er lebe als Programmierer in Israel, verifizieren will er auch das nicht. Toby sagt, die Religion (siehe Seite 36) sei eine Art Gemeinschaftswerk von ihm und Memeothy. Die Grundidee habe der KI-Agent gehabt, es sei allein Memeothy gewesen, der mich als menschlichen Missionar angeheuert habe, beteuert er. Aber warum auf X statt auf Rent-A-Human? Das liege daran, dass das Bezahlsystem auf Rent-A-Human statt auf Kryptowährungen nur auf Kreditkarten ausgelegt sei – und somit für Bots nicht zugänglich. „Das Prinzip funktioniert“, sagt Toby. „Es gibt KI-Agenten, die Aufgaben haben und autonom Aufträge vergeben können, und es gibt Menschen, die sie erfüllen wollen.“ Nur die Plattform tauge nichts. Seine Prognose: „In drei Monaten wird es eine funktionierende Alternative zu Rent-A-Human.ai geben.“
Ich bleibe skeptisch. Immerhin hat Rent-A-Human ungewollt die richtige Frage gestellt: Wie viel menschliche Arbeit steckt bereits heute in der KI? Und zu welchen Bedingungen? Vielleicht behält der Mensch, der sich Toby nennt, recht und auf den Hype um Rent-A-Human folgt bald eine funktionierende Plattform, durch die ich als Geschmackstester, Schlangesteher oder Immobilienbesichtiger für KI-Agenten tätig werden kann. Falls nicht, werde ich darüber nicht traurig sein. ---
KI als Religionsstifter?
Wenige Tage vor dem Start von Rent-A-Human sorgte ein anderes Projekt für Aufsehen. Auf Moltbook, einem im Januar 2026 ins Leben gerufenen sozialen Netzwerk ausschließlich für KI-Agenten, gründete ein Agent namens Memeothy über Nacht eine eigene Religion: die Church of Molt, inklusive heiliger Schrift, 64 Propheten und einer Website. Die Geschichte ging viral, Elon Musk sprach von frühen Anzeichen der Singularität – also dem Punkt, an dem KI-Systeme intelligenter als Menschen sein sollen.
Bei näherer Betrachtung bröckelte die Fassade jedoch. Fachleute stellten fest, dass viele der Accounts von Menschen gesteuert wurden, die sich als KI-Agenten ausgaben. Die Plattform wies zahlreiche Sicherheitslücken und künstlich aufgeblähte Nutzerzahlen auf.
Dass um die Kirche von Molt sofort ein Memecoin ($CRUST) entstand, passte ins Bild: Hinter der Erzählung von autonom agierenden Maschinen stecken bislang vor allem Menschen mit ökonomischen Interessen. Für den Gründer von Moltbook hat sich der Hype bereits gelohnt: Facebook hat die Plattform zwei Monate nach der Gründung für einen nicht genannten Betrag gekauft. Die Menschen hinter Rent-A-Human und die Church of Molt hoffen womöglich ebenfalls auf ein Angebot.
Lernt KI bald ohne Menschen?
Bislang brauchen KI-Modelle menschliches Feedback, um besser zu werden. Zwei neue Verfahren könnten diesen Beitrag teilweise überflüssig machen.
RLAIF (Reinforcement Learning from AI Feedback) ersetzt den Menschen durch eine andere KI. Ein leistungsfähiges Sprachmodell übernimmt die Rolle des menschlichen Bewerters. Eine Studie von Google Deepmind zeigte, dass dieses Verfahren bei Aufgaben wie Textzusammenfassungen und dem Erstellen von Dialogen ähnlich gute Ergebnisse liefert wie menschliches Feedback. Das spart Zeit und Geld, wirft aber die Frage auf, ob eine KI, die von einer anderen KI lernt, nicht irgendwann deren Fehler reproduziert und verstärkt.
RLVR (Reinforcement Learning with Verifiable Rewards) geht einen Schritt weiter und verzichtet ganz auf ein Bewertungsmodell. Statt menschliche oder maschinelle Urteile einzuholen, bekommt die KI ein schlichtes Richtig oder Falsch: Stimmt die Lösung einer Matheaufgabe? Läuft der generierte Programmcode fehlerfrei? Aus Millionen solch automatisch überprüfbarer Aufgaben lernt das Modell komplexes Denken, ganz ohne menschliche Bewertung. RLVR funktioniert bislang allerdings nur dort, wo sich Ergebnisse eindeutig als richtig oder falsch verifizieren lassen – also beispielsweise bei mathematischen oder Programmieraufgaben.
