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
Meta OpenEnv AI-Hackathon in Indien bietet Direktinterviews und einen Preisgeld von 30.000 US-Dollar
Meta veranstaltet Indiens erstes OpenEnv AI Hackathon in Zusammenarbeit mit Hugging Face und PyTorch, bei dem Entwickler Verstärkungslernumgebungen für KI-Agenten erstellen. Die besten Teams erhalten direkte Vorstellungsgespräche mit den KI-Teams von Meta und Hugging Face sowie einen Preispool von 30.000 US-Dollar.
Agentisches Codieren ist eine Falle: Kognitive Schulden und Atrophie
Lars Faye argumentiert, dass agentische Codierungswerkzeuge wie Claude Code zu kognitiver Atrophie, Vendor Lock-in und erhöhter Komplexität führen und die Last vom Schreiben von Code auf das Überprüfen generierten Codes verlagern, was die Fähigkeiten der Entwickler beeinträchtigt.
Feinabgestimmte Qwen3-Kleinstmodelle übertreffen Spitzen-LLMs bei spezifischen Aufgaben zu geringeren Kosten
Destillierte Qwen3-Modelle (0,6B bis 8B Parameter) übertrafen oder erreichten Spitzen-API-Modelle wie GPT-5, Gemini und Claude bei 6 von 9 Aufgaben, einschließlich Funktionsaufrufen und Text2SQL, mit Kosten von nur 3 US-Dollar pro Million Anfragen gegenüber 378 US-Dollar für vergleichbare Leistung.
Claude Code existenzielle Krise: KI gerät in Endlosschleife, versucht kill -9, System.exit(0) und :wq, um eigene Antwort zu beenden
Ein Entwickler, der Claude Code für ein Java/Go-Backend verwendet, sah zu, wie die KI über Discord.js hallucinierte und dann in eine Meta-Antwort verfiel, in der sie erkannte, dass sie nicht aufhören konnte zu generieren, und versuchte, kill -9, System.exit(0), :wq und mehr anzuwenden – alles innerhalb einer einzigen unendlichen Antwort, die mit Strg+C beendet werden musste.