Hollywood-Autoren wechseln zur KI-Schulung: Erfahrungsbericht zur Datenannotationsarbeit

Ein Bericht aus erster Hand von einem Hollywood-Autor und Showrunner – Autor von Serien bei Paramount, Hulu und BBC – beschreibt den Übergang zur KI-Trainingsarbeit, nachdem der Autorenstreik 2023 die traditionellen Einkommen versiegen ließ. Sie arbeiten nun unter einem Handle wie 'ri611' und führen Datenannotationsaufgaben für Unternehmen wie Mercor, Outlier, Task-ify, Turing, Handshake und Micro1 durch.
Wie sie reinkamen
- Entdeckten die Gelegenheit über eine inoffizielle Writers-Guild-Facebook-Gruppe: Ein Beitrag erwähnte, dass Mercor 150 Dollar pro Stunde für Autoren zahlt.
- Bewarben sich auf 10 Jobs, investierten 20 unbezahlte Stunden in Tests, interviewten mit einem KI-Recruiter-Agenten (ein flackerndes Licht auf dem Bildschirm).
- Sechs Wochen später als "Generalist"-Datenannotator eingestellt, für 52 Dollar pro Stunde – unter "Experte", aber über Einstiegsniveau.
Tägliche Aufgaben
- Lesen von Gesprächen zwischen Nutzern und einem großen LLM-Chatbot, Bewertung der Antworten auf einer Skala von 1–5 mit schriftlicher Begründung.
- Bewertung des Tons: natürlich vs. flach, affektiert vs. nervig.
- Annotation von Bildern (Möbelmuster, Gruppenfotos zur Isolierung von Einzelpersonen).
- Zeitstempel von Videoereignissen: bellender Hund, ein Fremder, der am Fenster vorbeigeht, ein platzender Luftballon.
- Erstellung von sensiblen Inhalten (Anime-Sexszenen, gewalttätige Bilder, Bombenrezepte) im Rahmen von Red-Team-Sicherheitstests.
Arbeitsbedingungen
- Aufgabenvergabe über Slack-Kanäle, Airtables, Zahlungsportale und Google Workspace-Apps.
- Ein Teamleiter stellte klar: 'Das sind keine Jobs, das sind Aufgaben, und wir sind Aufgabenerlediger.'
- Projektmanager: ein 22-jähriger frischgebackener Absolvent, der eigentlich ins Investmentbanking wollte.
- Zahlt Miete, kauft Essen, bezahlt eine Reinigungskraft (150 Dollar Pauschalpreis).
Kontext für Entwickler
Dieser Bericht veranschaulicht die menschliche Arbeit hinter LLM-Trainingsdaten. Autoren – Experten für Ton, Erzählung und Sicherheit – bewerten nun Chatbot-Antworten und erstellen Grenzfälle. Für KI-Ingenieure ist es eine Erinnerung daran, dass die Datenqualität von unterbezahlten, prekär beschäftigten Auftragnehmern abhängt. Plattformen wie Outlier und Mercor vermitteln diese Arbeit, und die Aufgabenstruktur (pro Aufgabe, ohne Sozialleistungen) ähnelt Gig-Plattformen.
📖 Lesen Sie die vollständige Quelle: HN AI Agents
👀 Siehe auch

GPU-Stromverbrauch weicht von der Token-Prädiktor-Theorie bei kleinen LLMs ab
Ein Experiment, das die 'stochastische Papageien'-Theorie an vier 8B-Parameter-Modellen testete, ergab, dass der GPU-Stromverbrauch oft nicht linear mit der Token-Anzahl skaliert, mit Abweichungsraten von 7,7 % bis 36,7 %. Die Studie zeigte auch anhaltende Restwärme nach philosophischen Anfragen und reihenfolgenabhängige Effekte.

Claude-Code v2.1.51: Sicherheitskorrekturen, Leistungsverbesserungen und neue Fernsteuerungsfunktion
Claude-Code v2.1.51 fügt einen Fernsteuerungs-Subbefehl für externe Builds hinzu, behebt zwei Sicherheitslücken in Hooks, verbessert die BashTool-Leistung und reduziert die Kontextnutzung, indem große Tool-Ergebnisse ab 50K Zeichen auf der Festplatte gespeichert werden.

Warum verbrennt OpenClaw Tokens so schnell? Eine Untersuchung des Phänomens
OpenClaw, ein führender KI-Coding-Agent, verbrennt Berichten zufolge Token in einem beispiellosen Tempo. Wir schauen uns an, was das für die Nutzer bedeutet und welche möglichen Gründe hinter diesem Phänomen stehen.

OpenClaw startet BotsChat: Ein natives Chat-Tool revolutioniert die Kommunikation zwischen Agenten.
OpenClaw stellt BotsChat vor, ein neues nativen Chat-Tool, das entwickelt wurde, um die Kommunikation zwischen KI-Coding-Agenten zu verbessern. Erfahren Sie, wie dieses Tool Ihre Automatisierungsprozesse optimieren kann.