Die unsichtbare Arbeit: Menschen, die Robotern beibringen, ein Glas zu halten
Bevor humanoide Roboter unsere Fabriken und Küchen betreten, filmen Tausende Menschen tagtäglich ihre eigenen Hände — banal, repetitiv, und im Kern einer der tiefsten wirtschaftlichen Umwälzungen unserer Zeit.
Équipe Shiftometer
Analystes carrière
Bevor humanoide Roboter unsere Fabriken und Küchen betreten, verbringen Tausende Menschen ihre Arbeitstage damit, ihre eigenen Hände zu filmen. Das ist banal, repetitiv — und steht im Zentrum einer der tiefsten wirtschaftlichen Transformationen unserer Zeit.
Eine Kamera auf der Stirn, acht Stunden am Tag
Stellen Sie sich vor: Sie kommen zur Arbeit, befestigen eine Kamera an der Stirn und verbringen den Tag damit, Servietten zu falten. Kisten zu stapeln. Kabel anzuschließen. Wasser aus einer Karaffe in ein Glas zu gießen. Wieder. Wieder. Wieder.
Das ist der Alltag Tausender Arbeitnehmer in Indien heute. Die Kamera filmt ihre Hände in Subjektivperspektive — jede Mikrobewegung, jede Griffanpassung, jede instinktive Korrektur des Handgelenks. Diese Sequenzen wandern dann in Rechenzentren in den Vereinigten Staaten, wo neuronale Netze sie zerlegen, um humanoiden Robotern beizubringen, mit der physischen Welt zu interagieren.
In der Branche nennt man das Handforms.
Die Logik ist einfach, fast entwaffnend. Damit ein Roboter lernt, einen Gegenstand zu greifen, ohne ihn zu zerbrechen oder fallen zu lassen, braucht er Millionen menschlicher Beispiele. Millionen annotierter, klassifizierter, hierarchisierter Gesten. Und Hände in Indien zu filmen kostet heute weniger, als Roboter einzusetzen, um dieselben Daten zu erzeugen. Solange das stimmt, werden Menschen Kameras auf der Stirn tragen.
Das ist kein Fehler im System. Das ist das System.
Auch die „weißen Kragen“ sind dabei
Es wäre bequem zu glauben, diese Geschichte betreffe nur manuelle Jobs — dass Ingenieurinnen, Anwältinnen und Finanzanalysten in Sicherheit seien. Das wäre ein Fehler.
Sehen Sie, was Plattformen wie Mercor oder Scale AI seit zwei oder drei Jahren tun. Sie stellen keine gering qualifizierten Klicker ein. Sie rekrutieren ehemalige Mitarbeitende von Goldman Sachs, Ärztinnen, Juristinnen, Senior-Ingenieurinnen — und zahlen bis zu 200 Dollar die Stunde für eine sehr präzise Sache: ihr Fachwissen in KI-Modelle zu übertragen.
Ein Argument korrigieren. Eine Antwort bewerten. Einen Vertrag annotieren. Das „ideale“ Beispiel liefern, damit ein Modell lernt, das zu tun, was sie seit Jahren tun.
Mercor wurde 2023 von drei Zwanzigjährigen gegründet. Weniger als drei Jahre später ist das Startup mit 10 Milliarden Dollar bewertet. Es zahlt seinen Auftragnehmerinnen über 1,5 Millionen Dollar pro Tag. Zu den Kunden zählen OpenAI, Google DeepMind, Anthropic, Meta. Das Wachstum ist so steil, dass die Gründer zu den jüngsten selbstgemachten Milliardären der Geschichte wurden.
Das Modell ruht auf einer Spannung, die wenige sehen. Die großen Labs brauchen spitze Branchenexpertise — Finanzen, Recht, Medizin — um ihre Modelle zu verfeinern. Aber Banken und Kanzleien werden ihnen natürlich keine Daten öffnen: Das wäre der eigene Todesstoß. Also umgeht Mercor das Problem, indem es ehemalige Beschäftigte genau dieser Institute anwirbt. Gründer Brendan Foody sagt es unverblümt: „Goldman Sachs mag die Idee nicht, dass Modelle ihre Wertschöpfungskette automatisieren können. Deshalb brauchen die Labs uns.“
Expertise geht durch die Hintertür.
Was Ihnen bei der Einstellung nicht gesagt wird
Ein Satz fasst besser zusammen als jeder Analystenbericht, was gerade passiert:
Sie werden nicht mehr dafür bezahlt, Ihr Handwerk auszuüben. Sie werden dafür bezahlt, es zu übertragen.
Jahrhundertelang beruhte der Wert einer Person am Arbeitsmarkt auf etwas Schwerkopierbarem: Intelligenz, Urteil, Reflexe, die im Feld geschärft wurden. Diese Knappheit war die Grundlage des stillschweigenden Vertrags zwischen Menschen und Wirtschaft. Das war der Preis des Menschlichen.
Dieser Vertrag wird gerade umgeschrieben — ohne dass man Ihnen das bei der Unterschrift mitteilt.
Die Handforms-Arbeitnehmerin wird nicht dafür bezahlt, Servietten zu falten. Sie wird dafür bezahlt, dass die Maschine lernt, Servietten ohne sie zu falten. Die Analystin, die bei Mercor die Schlussfolgerungen eines LLM bewertet, wird nicht für ihre Analyse bezahlt. Sie wird dafür bezahlt, ihre Analyse langfristig überflüssig zu machen. Beide leisten im Grunde dieselbe Arbeit: Sie machen sich schrittweise ersetzbar — und werden genau dafür entlohnt.
Das ist kein Zynismus. Das ist die ehrlichste Beschreibung dessen, was sich vor unseren Augen aufbaut.
Ein Wert, der einstürzt
Was die Lage schwer fassbar macht, ist, dass die Bewegung graduell ist. Aber die Richtung ist klar.
Appen war 2020 die Weltreferenz für Datenlabeling — Bewertung: 4,3 Milliarden Dollar. Heute ist dasselbe Unternehmen weniger als 130 Millionen wert. Nicht, weil der Sektor kollabiert ist — im Gegenteil, er explodiert — sondern weil die einfachen Aufgaben, die Appen erledigte, von den Modellen selbst aufgesogen wurden. KI hat das untere Marktsegment gefressen. Nur noch seltene, kontextualisierte Expertise hält stand.
Vorerst.
In manchen Branchen kostet eine Stunde GPU-Rechenleistung schon weniger als ein Monatslohn in Schwellenländern. Die Grenzkosten der Künstlichen Intelligenz fallen schneller, als Ökonomen es modelliert haben. Unsere Institutionen haben dieses Tempo nicht verinnerlicht. Unsere Ausbildungssysteme ebenfalls nicht.
Die eigentliche Frage
Die öffentliche Debatte kreist noch um dieselbe etwas faule Formel: Wird KI Jobs ersetzen?
Das ist nicht mehr die dringliche Frage.
Die dringliche lautet: Was wird aus einer ganzen Wirtschaft, wenn Intelligenz aufhört, ein knappes Gut zu sein?
Wenn die Fähigkeit zu diagnostizieren, analysieren, formulieren, entscheiden und antizipieren reichlich und billig wird, wackelt das gesamte Wertsystem, das den Arbeitsmarkt seit zwei Jahrhunderten ordnet. Das ist keine Science-Fiction. Auch keine absolute Gewissheit. Es ist eine Wahrscheinlichkeit, die sich mit jeder tausend Stunden menschlicher Daten verstärkt, die in ein Modell fließen.
Was wir gerade durchlaufen, ist die Kodierungsphase: der Moment, in dem menschliche Intelligenz systematisch erfasst, komprimiert und übertragen wird. Was danach kommt — die Autonomisierung dieser Maschinen — läuft bereits, weniger spektakulär als man sich vorstellt, aber mit einer Regelmäßigkeit, die die Branchenzahlen jedes Quartal bestätigen.
Fast niemand ist auf den Moment vorbereitet, in dem die Kosten von Intelligenz gegen null gehen.
Quellen: Bain & Company Technology Report 2025, TechCrunch Disrupt 2025, Branchenanalysen Mercor / Scale AI / Surge AI / Appen.
Shiftometer-Manifest
Die Einschätzung von Shiftometer ist kein Schicksal, sondern eine Chance. Jetzt ist der richtige Zeitpunkt, Ihre Karriere selbst zu steuern, Veränderungen vorauszudenken und Umbrüche in einen strategischen Vorteil zu verwandeln.
Berufsanalyse
"KI verändert Fähigkeiten – nicht nur Berufe."
Neugierig, wie sich Ihre Branche entwickelt? Prüfen Sie den Mutationsindex Ihres Berufs.
Meinen Beruf analysieren 🔍Premium
"Die Entwicklung des Arbeitsmarktes ist kein Schicksal – es ist ein neues Spielfeld. Heute vorausdenken heißt, morgen den eigenen Platz wählen."
Zugang zu Prognoseberichten, Umschulungsstrategien und exklusivem Monitoring.
Mit Premium-Plänen voraus sein 🚀