Deutscher Titel: Detaillierte Untersuchung von 151 JD-Vorgängen – Enthüllungen über „Datenersteller“: Extreme Unterschiede in den Gehältern, ein grausames Zukunftsszenario Beschreibung: Die Untersuchung analysiert die Arbeitsbedingungen und Gehaltsunterschiede von „Datenerstellern“ bei JD (JD.com), einem führenden chinesischen E-Commerce-Konzern. Es zeigt sich eine deutliche Kluft zwischen den einzelnen Abteilungen sowie extremen Gehaltsunterschieden – teilweise bis zu 30-fach. Zudem wird

Zusammenfassung der Kerninhalte:

Datenerkennung (Data Annotation) bildet die „menschliche Grundlage“ hinter KI – ChatGPT kann Gedichte schreiben, autonome Fahrzeuge erkennen Ampeln, und Sprachassistenten verstehen Befehle, alles dank der manuellen Datenverarbeitung durch Auftragsverarbeiter. Doch die Branche ist heute stark fragmentiert: Die Einkommen variieren um das 30-fache (von monatlich 2.000 bis 65.000 Euro), und die Arbeitsinhalte haben sich von mechanischen Aufgaben wie dem „Einfügen von Rahmen“ zu anspruchsvolleren Tätigkeiten wie der „AI-Trainierung“ entwickelt. Die Unternehmenstruktur sieht so aus, dass Großunternehmen die Regeln festlegen und Outsourcing-Unternehmen die Ausführung übernehmen; zudem führt die automatische Datenerkennung dazu, dass einfache Arbeitsplätze abgelöst werden, während Expertenauftragsverarbeiter mit Fachwissen immer knapper werden.

Detaillierte Analyse:

1. Warum gibt es solche großen Einkommensunterschiede bei der Datenerkennung?

Die Einkommen in der Datenerkennung folgen einer „Pyramide-Struktur“:

• Untere Ebene (2.000–5.000 Euro): Meist Teilzeit- oder Crowdsourcing-Arbeiten, die sich auf repetitive Aufgaben beschränken – beispielsweise das Markieren von Ampelrahmen in Bildern oder das Transkribieren von Sprachaufnahmen. Hier sind keine besonderen Qualifikationen erforderlich, und die Bezahlung erfolgt täglich (100–200 Euro). Jeder kann diese Arbeit übernehmen.
• Mittlere Ebene (ca. 10.000 Euro): Vollzeit-Auftragsverarbeiter, die etwas anspruchsvollere Aufgaben übernehmen (z. B. das Erkennen von Sprachemotionen), aber die Arbeit basiert immer noch auf festgelegten Regeln und ist leicht ersetzbar.
• Oberste Ebene (20.000–65.000 Euro): Es geht nicht mehr nur um das simple Markieren von Daten, sondern auch um das Festlegen von Standards für die AI-Trainierung, das Evaluieren von Programmfehlern oder das Überwachen der Qualität medizinischer Bildergebnisse. Hier sind Abschlüsse wie ein Master sowie fachliches Wissen in Bereichen wie Informatik, Medizin oder Finanzen erforderlich. Solche Fachkräfte sind schwer zu ersetzen und daher besser bezahlt.

Beispiel: Baidu zahlt Praktikanten, die Algorithmen für das autonome Fahren entwickeln, 500–600 Euro pro Tag (Master-Abschluss erforderlich), während Crowdsourcing-Auftragsverarbeiter nur 185 Euro pro Tag verdienen – ein Unterschied von mehr als dem Dreifachen.

2. Auftragsverarbeiter müssen heute nicht mehr nur „Rahmen einfügen“ – sie benötigen auch Programmierkenntnisse, Dialekte und sogar medizinisches Wissen!

Früher beschränkten sich die Aufgaben der Auftragsverarbeiter auf einfaches Markieren von Daten. Heute sind sie zunehmend auf spezialisiert:

• Texterkennung: In der Ära großer KI-Modelle ist Programmierwissen erforderlich – beispielsweise müssen Mitarbeiter bei Tencent feststellen, ob Programme Fehler enthalten.
• Spracherkennung: Es wird auch auf Dialekte und Emotionen geachtet –马斯ks xAI sucht beispielsweise Übersetzer, die mit chinesischen Dialekten vertraut sind, oder Französisch-Auftragsverarbeiter mit einem Niveau von C1.
• Bild-/Videoerkennung: Im Bereich der autonomen Fahrzeuge ist Wissen über Sensoren erforderlich – ein Automobilhersteller sucht beispielsweise Ingenieure, die 3D-Daten verarbeiten können (Monatsgehalt: 40.000–70.000 Euro).
• Multimodale Erkennung: Es geht um die gleichzeitige Verarbeitung von Bildern, Texten, Sprache und Video – beispielsweise müssen Auftragsverarbeiter für die KI-Lernung das visuelle Erscheinungsbild sowie die logischen Zusammenhänge verstehen. Diese Art der Arbeit macht 36 % der gesamten Nachfrage aus.

Zusammenfassung: Heutige Auftragsverarbeiter müssen eine Kombination aus Fachexperten und AI-Hilfsystemen sein.

3. Wie ist die Arbeitsteilung zwischen Großunternehmen und Outsourcing-Unternehmen?

Die Arbeitsteilung in der Branche ist klar definiert:

• Großunternehmen (wie JD.com, Tencent, Alibaba): Sie legen die Regeln für die Datenerkennung fest und suchen hochqualifizierte Fachkräfte (z. B. für die Programmierung oder Bewertung großer KI-Modelle) und kontrollieren die Qualität der Daten.
• Outsourcing-Unternehmen (wie Haitian Ruisheng, Yunce Data): Sie unterteilen die Aufgaben in kleinere Einheiten und verteilen sie an Auftragsverarbeiter in Mittelstädten. Diese wissen oft nicht genau, wofür ihre Daten verwendet werden – sie arbeiten wie Arbeiter auf einer Produktionslinie, die nur den eigenen Teil der Arbeit sehen.

Warum bevorzugen Outsourcing-Unternehmen Mittelstädte? Weil die Lohnkosten dort niedriger sind: In Peking ist es schwierig, Mitarbeiter zu finden (4.000 Euro), während in Kleinstädten bereits für 2.000 Euro Interesse besteht.

4. Die Entwicklung der Branche über die letzten 30 Jahre:**

Die Datenerkennung entstand nicht von Anfang an – ihr Wachstum verlief in vier Phasen:

• Frühe Phase (2006–2014): Akademische Forscher nutzten Datenerkennung für ihre Arbeit (z. B. das ImageNet-Datensatzprojekt von Li Feifei). Später wurde dies als „Schande“ angesehen, da Universitätsstudenten diese Arbeit als mühsam empfanden.
• Phase der Ausweitung in Geschäftsmodelle (2014–2017): Die Datenerkennung entwickelte sich zu einem kommerziellen Bereich; erste Unternehmen eröffneten „Fabriken“ in Mittelstädten und stellten Jugendliche sowie Mütter ein, die einfache Aufgaben übernahmen. Dies galt als anständige Beschäftigung.
• Phase der Differenzierung (2017–2020): Das Ministerium für Arbeit und Soziales führte „Künstliche Intelligenz-Trainer“ in das Berufsverzeichnis auf; Auftragsverarbeiter wurden in drei Kategorien eingeteilt: einfache Markierer, Qualitätskontrolleure und Regelsetzer (jährliches Gehalt über 300.000 Euro).
• Phase der Automatisierung (seit 2020): Durch die Entwicklung von automatischen Technologien wie GPT-3 ist die Notwendigkeit für manuelle Datenerkennung gesunken; gleichzeitig entstanden neue Anforderungen (z. B. die Bewertung der Genauigkeit von KI-Antworten), die weiterhin menschliches Urteilsvermögen erfordern.

5. Was wird die Zukunft bringen? Wird KI die Arbeitsplätze der Auftragsverarbeiter übernehmen?

Die Antwort lautet: Einfache Aufgaben werden abgelöst, während spezialisierte Fachkräfte immer wertvoller werden:

• Abgelöste Aufgaben: Reine Ausführungsarbeiten wie das Markieren von Daten oder das Transkribieren von Texten – diese werden zunehmend durch automatische Systeme und menschliche Überprüfungen ersetzt.
• Überlebende Fachkräfte: Es bleiben Experten mit speziellem Wissen (z. B. in Medizin oder Finanzen) sowie Personen, die in der Projektmanagement- und Regelsetzung tätig sind.

Fazit: Die Branche der Datenerkennung durchläuft eine Umstrukturierung: Mechanische Arbeiten werden von KI übernommen, während Fachkräfte mit kritischem Denken immer wertvoller werden. Dies stellt sowohl eine Herausforderung als auch neue Chancen für Menschen dar, in die KI-Branche einzusteigen.

Zusammenfassung: Die Datenerkennungsbranche befindet sich in einem Wandelprozess – einfache Aufgaben werden automatisiert, während Fachkräfte mit tiefgehendem Wissen immer gefragter sind.