👨‍🚀 Die verrückte Geschichte über die Drecksarbeit für AI

Moin AInauten,

Willkommen zur neuen Ausgabe deines Lieblingsnewsletters! Heute einmal drei zusammenhängende Themen.

Wir steigen ein mit Inspiration, wie viel Geld im Moment Menschen mit AI verdienen. Dann lernen wir etwas über die “Drecksarbeit” für AI, die aber auch lukrativ sein kann. Und schließen mit einem konkreten Nutzen für dich ab!

Das haben wir heute für dich im Gepäck:

• 🤑 AI-Researcher: Sind jetzt teurer als Profi-Fußballer

• 🔥 Data-Labeling: Die verrückte Geschichte über die Drecksarbeit für AI

• 🤔 Ist das der nächste Top-Job in AI für alle Nicht-Techies?

Los geht’s!

🤑 AI-Researcher teurer als Profi-Fußballer

Steigen wir mit ein wenig Szene-Gossip ein.

Es macht schon mehrere Tage die Runde, dass Meta (der Konzern hinter Facebook, Instagram, WhatsApp) ein neues AI-Team zusammenstellen will und dabei recht aggressiv bei Konkurrenten Talente abwirbt (siehe auch unseren Bericht zur “Übernahme” von Scale AI hier).

Konkret heißt das Team „Meta Superintelligence Labs“ und hat kein geringeres Ziel, als die Führung im AI Bereich zu übernehmen.

Während es am Anfang so aussah, als sei Meta beim Abwerben nicht sonderlich erfolgreich, hat sich jetzt gezeigt, dass sich mit Geld doch so einiges lösen lässt …

Bis zu 100 Millionen Dollar soll Meta einzelnen AI-Researchern als Antrittsprämie geboten haben… Wie sich zeigt: mit Erfolg!

In einem internen Memo hat Mark Zuckerberg jetzt das Team vorgestellt. Darunter hat es auch führende Namen, die für wichtige Durchbrüche bei OpenAI, DeepMind und Co. gesorgt haben.

Warum ist das relevant?

Das massive Investment von Meta zeigt, dass sich hier die Strategie geändert hat. Es geht nicht mehr nur darum, „gute“ Open-Source-Sprachmodelle zu entwickeln, sondern vielmehr führend auf dem Weg hin zu AGI, der künstlichen allgemeinen Intelligenz, zu sein.

Den großen Vorteil, den Meta ja eh schon hat, sind die Milliarden an Nutzer ihrer Plattformen, die bestehende Rechenzentrumsinfrastruktur und natürlich die Unmengen an Daten über uns alle.

Dazu kommt noch ein sehr wichtiger Edge hinsichtlich der Benutzererfahrung: die Meta Smart Glasses

Wenn du uns schon eine Weile liest, dann weißt du, dass wir große Fans der Smart Glasses von Meta sind.

Vielleicht bauen OpenAI und Jony Ive ein komplett neues AI-Device, das wir uns jetzt noch nicht vorstellen können.

Aber für uns sind Smart Glasses der nächste logische Schritt, wie Menschen AI in unserem Alltag nutzen.

• Eine AI, die sieht, was du siehst

• Mit der du bequem, diskret sprechen kannst

• Antworten über Knochenschall statt Kopfhörer bekommst

Wenn jetzt noch die Display-Projektion in die Brillengläser funktioniert, ist es für uns das Next Big Thing im Bereich der AI-Geräte.

Mit dem neuen Team und den bestehenden Ressourcen, Produkten, Reichweiten, würden wir persönlich auf die nächsten Jahre bei Meta nicht Short gehen*.

Wir sind sehr gespannt, wie die Konkurrenz reagiert und wie sich das Ganze entwickelt.

(* Definitiv keine Anlageempfehlung. Wir haben keine Ahnung. 😉)

🔥 Data-Labeling: Die verrückte Geschichte über die Drecksarbeit für AI

Weil es gerade so gut zum Thema passt, wollen wir hier einmal auf die versteckten Champions von AI eingehen. Es sind Unternehmen, die kaum einer kennt.

Jene Menschen, die eine Arbeit machen, von der die wenigsten wissen, dass es sie gibt - die aber absolut essenziell dafür ist, dass AI heute da ist, wo es ist!

Dazu kommen auch noch zwei verrückte Erfolgsstorys, die wir sehr spannend finden.

Meta kauft 49 % von Scale AI für über 14 Milliarden

Wir haben ja bereits darüber geschrieben, wie gerne Meta im Moment Geld für AI Talente ausgibt.

Vor einigen Wochen wurde auch bekannt, dass Meta sich für über 14 Milliarden US-Dollar rund 49% des Unternehmens Scale AI gesichert hat.

Der erst 28-jährige 🤯 CEO von Scale AI leitet ab sofort das oben erwähnte Meta Superintelligence Lab.

Doch was macht Scale AI überhaupt und warum ist es so viel Geld wert?

Warum Scale AI & Co. so wichtig sind

Unternehmen wie Scale AI (oder auch ein Wettbewerber wie Surge AI, mehr dazu unten) sind das unsichtbare Rückgrat der gesamten AI-Revolution!

Während alle über ChatGPT und Co. reden, machen diese Firmen die eigentliche Drecksarbeit. Sie labeln und kuratieren die Daten, mit denen alle großen AI-Modelle trainiert werden.

Was sie machen:

• Data-Labeling: Menschen markieren Bilder, bewerten Texte, korrigieren AI-Outputs

• RLHF (Reinforcement Learning from Human Feedback): Sie bringen AI-Modellen bei, was "gut" und was "schlecht" ist

• Quality Control: Sie sorgen dafür, dass AI-Training-Daten hochwertig und nicht voreingenommen sind

Warum das mega wichtig ist: Eine verhältnismäßig sehr einfache Aufgabe, die nur Menschen machen können, ist so wichtig. Ohne diese Companies gäbe es kein ChatGPT, kein Claude, keine autonomen Autos - nix! 🤯

Dazu arbeiten diese Unternehmen mit tausenden Auftragnehmern, oft Freelancern, zusammen, die in ihrem Auftrag die Daten kategorisieren.

Ein Wettbewerber von Scale AI ist zum Beispiel Surge AI. Die Geschichte dahinter ist auch ziemlich verrückt…

Woran erkennt man, dass Unternehmen Geld drucken? Genau, wenn sie solche Webseiten haben. Ohne Call-To-Action-Button. Ohne Pop-ups. Ohne Lead-Formulare.

Der Gründer hat das Unternehmen komplett ohne externes Geld gestartet. Profitabel seit Tag 1. In 2024 über 1 Milliarde Umsatz.

Wir nehmen einfach einmal an, dass ca. 30 % an die Daten-Labler ausgezahlt werden. Dann noch etwas Overhead. Unter dem Strich sollten da ein paar hundert Millionen Gewinn hängen bleiben.

Und das einfach, in dem er junge Leute aus dem College angesprochen und ihnen gezeigt hat, wie man Daten kategorisiert - und das dann für das 2-fache an OpenAI & Co. weiterverkauft.

Ein verhältnismäßig einfacher Job, für den es (noch) Menschen braucht, ist das Rückgrat unserer AI!

P.S. Wer sich für das Thema interessiert. Es sind wohl bis zu sechsteilige Gehälter möglich durch Data-Labeling. Einfach einmal auf den Jobseiten der zwei Player vorbeischauen und nach Data Annotator oder Generative AI Generalist suchen.

🤔 Ist das der nächste Top-Job in AI für alle Nicht-Techies?

So, und was machen wir jetzt mit diesen Infos? Oder anders gesagt: Wie können wir und du profitieren, oder die unglaublichen Chancen nutzen?

Lass uns den Newsletter abschließen mit einem Thema, was für dich konkret nützlich sein kann.

Weil, wenn wir ehrlich sind, dann wissen wir auch: die wenigsten von uns haben die Fähigkeiten, ein AI-Researcher zu werden, den Meta dann für teures Geld einstellt. Aber Daten-Kategorisierung ist auch eher langweilig und unspektakulär.

Gerade geht aber eine Fähigkeit, besser gesagt eine neue Jobbeschreibung, durch die Welt, die wir alle lernen können. Auch als Nicht-Techies.

Dürfen wir vorstellen: Der AI-Automation-Engineer

Hier z. B. der Post von Wade Foster, dem Gründer und CEO der beliebten No-Code Plattform Zapier:

Das Statement ist schon stark: “Wenn du ein AI Automation Engineer bist, stellen wir dich ein. In jede Position, die wir offen haben.”

Was ist ein AI-Automation-Engineer?

Bevor wir dazu kommen, wie du mit überschaubarem Aufwand zum AI-Automation-Engineer werden kannst, hier kurz was es überhaupt ist:

Ein AI Automation Engineer ist jemand, der AI konkret und unmittelbar einsetzt, um Alltagsprobleme und Arbeitsabläufe einfacher und produktiver zu machen. Kein theoretischer Researcher, sondern jemand mitten in der Praxis.

Stell dir vor, du siehst täglich kleine nervige Aufgaben in Vertrieb, Kundensupport oder HR. Anstatt diese immer wieder händisch zu lösen, baust du schnelle, praktische Automationen.

Du verwandelst einfache Ideen direkt in lauffähige Lösungen, mit Tools wie Zapier, n8n, Make, Airtable, etc.

Dein Job ist es, die entscheidenden Stellen zu identifizieren, an denen Automatisierungen wirklich Sinn machen.

Du baust Prototypen innerhalb weniger Tage, begleitest Teams vor Ort, verstehst deren Arbeitsabläufe und optimierst sie mit deinen AI-Automationen.

Warum ist diese Rolle so wichtig?

Weil viele Teams zwar wissen, dass AI etwas verändern könnte, aber nicht genau wissen, wie sie starten sollen.

Der AI-Automation-Engineer schließt genau diese Lücke zwischen Theorie und praktischer Umsetzung. Er bringt direkt sichtbare Ergebnisse, spart Arbeitsstunden und verbessert die Qualität der Abläufe im Unternehmen.

Und wer hat die besten Voraussetzungen dafür?

• No-Code-Enthusiasten, die sich z. B. intensiv mit Zapier oder Airtable beschäftigen.

• Generalisten aus Start-ups, die ein Gespür für Automatisierung haben.

• Prompt- und Context-Engineers oder LLM-Produkt-Hacker, die gerne experimentieren und umsetzen.

• AI-/Automation-Interessierte, die lernwillig sind und Durchhaltevermögen haben 😄

Das Schöne daran: Du brauchst dafür keine jahrelange technische Ausbildung. Du brauchst vor allem Neugier, praktisches Denken und die Fähigkeit, Tools clever zu kombinieren.

Kurz gesagt: Du wirst zur Schnittstelle zwischen Mensch und AI.

Wie kann man es lernen?

Wenn du uns schon länger liest, weißt du, dass wir vor über einem Jahr genau über dieses Jobbild geschrieben haben.

Dass mittlerweile so große Unternehmen wie Zapier konkret danach suchen, freut uns sehr und bestätigt auch, dass wir zurecht auf dieses wichtige Thema gesetzt haben.

Das war auch der Grund, warum wir damals unseren AI + Automation Accelerator samt Community entwickelt haben.

Hier lernst du nämlich konkret auch als absoluter Anfange und Nicht-Techie, wie du AI-Automatisierungen bauen kannst.

Für dich bedeutet das konkret: Mit ein wenig Einarbeitung kannst du diesen Weg einschlagen und dich zum AI-Automation-Engineer weiterentwickeln.

Es ist eine Fähigkeit, die heute schon gefragt ist und deren Bedeutung in Zukunft massiv steigen wird.

Die Welt braucht genau diese praktische Kombination aus AI und Automatisierung und genau DU kannst diesen Job machen.

Wenn du Lust hast es zu lernen, schau dir unseren AI + Automation Accelerator und die Community dazu an.

Geschafft! Lange Ausgabe. Danke fürs Lesen und bis am Samstag.

Reto & Fabian von den AInauten