Die Szene hat etwas beinahe Schwindelerregendes. Eine Architektin, die jahrelang ausgebildet wurde, beendet ihren Arbeitstag, öffnet eine Online-Plattform und erklärt einer Maschine Schritt für Schritt, wie man einen Gebäudeentwurf vorbereitet oder eine Rentabilitätsanalyse durchführt. Das ist keine schulische Übung. Sie greift auf ihre echte Arbeit zurück, auf ihre beruflichen Routinen, auf jenen Teil des Fachwissens, den man nur selten aus einem Handbuch lernt.

Diese Architektin heißt Cuicui und lebt in Shenzhen. Innerhalb von fünf Jahren hat sich ihr Einkommen halbiert, vor dem Hintergrund sinkender öffentlicher Infrastrukturausgaben. Abends arbeitet sie deshalb für TalentsAI, um ihren Immobilienkredit und die außerschulischen Aktivitäten ihres Kindes zu bezahlen. Darin liegt das Paradox: Kurzfristig monetarisiert sie Wissen, das langfristig dazu beitragen könnte, die Knappheit ihres eigenen Berufs zu verringern.

Um heute zahlungsfähig zu bleiben, bringen manche Fachkräfte der Maschine bei, was ihre eigene Arbeit morgen weniger unverzichtbar machen könnte.

Das ist keine Annotation mehr: Es ist Wissenstransfer aus dem Beruf

Das Wort „Annotation“ weckt noch immer das Bild kleiner, repetitiver Aufgaben: ein Foto einordnen, einen Satz prüfen, auf eine Kategorie klicken. Hier geht es um eine andere Größenordnung. Die Plattformen suchen Menschen, die berufliche Denkweisen, Methoden, Abwägungen und manchmal sogar die Fähigkeit vermitteln können, eine gute Antwort zu erkennen, ohne sie in einer einfachen Regel erklären zu können.

ByteDance startete Xpert im Jahr 2025 und gibt an, mehr als 50.000 Experten angeworben zu haben, von Schriftstellern bis zu Therapeuten. Alibaba rekrutiert mit Siriser unter anderem Lehrkräfte, Maschinenbauingenieure und Komponisten. TalentsAI und MeetChances richten sich ebenfalls an Journalisten, Steuerexperten oder Headhunter. In den USA werben Mercor, Surge AI und Handshake bereits Anwälte, Wissenschaftler und Filmschaffende an, um Modelle für Aufgaben von Wissensarbeitern zu trainieren.

Die Veränderung ist bedeutsam: Der Rohstoff sind nicht mehr nur Daten, sondern menschliches Urteilsvermögen. Bei diesen Aufträgen wird danach gesucht, wie ein Experte von einem unvollständigen Problem zu einer nutzbaren Entscheidung gelangt. Im Juni rief Chinas Nationale Datenverwaltung zudem zur Entwicklung hochwertiger Datensätze auf und ermutigte Hochschulabsolventen, Annotation als flexible Beschäftigung in Betracht zu ziehen.

Der chinesische Markt für KI-Trainingsdaten soll 2026 ein Volumen von 1,1 Milliarden Dollar erreichen, 25 % mehr als 2025. Gleichzeitig stieg der tägliche Token-Verbrauch in China von rund 100 Milliarden Anfang 2024 auf 500 Billionen Mitte 2026. Diese Zahlen bedeuten nicht, dass Experten verschwinden werden. Sie zeigen jedoch, wie sehr das Ökosystem einen anspruchsvolleren Treibstoff benötigt: Beispiele menschlicher Denkprozesse, die von Modellen genutzt werden können.

Warum einen potenziellen Konkurrenten ausbilden?

Die einfachste Antwort ist zugleich die unangenehmste: weil ein moralisches Prinzip nur selten so schwer wiegt wie eine fällige Kreditrate. In China beschreiben befragte Arbeitskräfte diese Tätigkeit als anspruchsvoll, unsicher und schlechter bezahlt als in den USA. Manche Aufträge bringen zwischen 100 und 500 Yuan ein, also etwa 15 bis 74 Dollar, obwohl sie mehrere Stunden dauern. Aufgaben können von Qualitätsteams abgelehnt und dann nicht bezahlt werden.

Der wirtschaftliche Kontext spielt daher eine zentrale Rolle. Die Jugendarbeitslosigkeit in China wird mit 17,9 % angegeben. MeetChances nutzte auf RedNote sogar ein sehr direktes Werbeargument: Nach einer Entlassung im mittleren Alter könne die Tätigkeit als KI-Trainer eine Option sein. Das Versprechen lautet nicht auf eine prestigeträchtige Karriere. Es lautet auf sofort verfügbares Einkommen.

Derselbe Konflikt zeigt sich anderswo. In Südafrika lehnte James Maisiri, promovierter Arbeitssoziologe, einen Auftrag ab, bei dem er einer KI vermitteln sollte, was er in zehn Jahren über die Konzeption von Prüfungen, Unterricht und Korrektur gelernt hatte. Die Tätigkeit wurde mit 600 Rand pro Stunde bezahlt, rund 37 Dollar und damit deutlich mehr als der nationale Mindestlohn von 30,23 Rand. Dennoch kam er zu dem Schluss, dass die Bezahlung das grundsätzliche Problem nicht aufwiege: daran mitzuwirken, ein Werkzeug zu bauen, das mit dem Beruf konkurrieren kann, den er über Jahre erlernt hat.

Nicht jeder kann sich eine solche Ablehnung leisten. In Südafrika lag die Jugendarbeitslosigkeit im zweiten Quartal 2026 bei 47,4 %. An diesem Punkt wird das Dilemma weniger philosophisch. Je schlechter sich der Arbeitsmarkt entwickelt, desto schwieriger wird es, die Grenze zwischen „Ich schütze mein Fachwissen“ und „Ich verkaufe, was ich verkaufen kann“ aufrechtzuerhalten.

Auch besser bezahltes Fachwissen beseitigt das Paradox nicht

In den USA kann das Modell deutlich lukrativer sein. Mercor, mit 10 Milliarden Dollar bewertet, verfügt über mehr als 30.000 freie Wissensarbeiter, die für Labore wie OpenAI oder Anthropic tätig sind. Anwälte und Ärzte sollen dort durchschnittlich 85 bis 200 Dollar pro Stunde verdienen, während einige Fachgebiete wie Psychiatrie oder Risikokapital 350 bis 1.000 Dollar pro Stunde erreichen können.

Doch ein hoher Stundensatz verändert die Natur des Austauschs nicht. Der Experte verkauft weniger eine Produktionsstunde als vielmehr einen Teil seines Wettbewerbsvorteils. Genau deshalb verdient dieser neue Markt einen anderen Blick als den auf einen bloßen „KI-Nebenjob“.

Was China für Europa ankündigt — und was nicht

Man muss präzise bleiben: Keiner der hier dokumentierten Fälle erlaubt die Aussage, dass dieses Phänomen bereits in Frankreich oder Europa etabliert ist. China, die USA, Südafrika und Indien zeigen jedoch, dass der Mechanismus nicht auf ein einziges Wirtschaftssystem beschränkt ist. Er tritt sowohl in einem Markt auf, in dem Expertise hoch bezahlt wird, als auch in Ländern, in denen wirtschaftliche Not dazu drängt, prekäre Aufträge anzunehmen.

Auf Europa übertragbar ist daher nicht unbedingt das Vergütungsniveau, der rechtliche Status oder die genaue Form der Plattformen. Übertragbar ist der Mechanismus: Wenn eine Branche weniger einstellt, ein KI-Unternehmen eine seltene Fähigkeit sucht und eine Fachkraft diese Fähigkeit besitzt, aber zu wenige Beschäftigungsmöglichkeiten hat, kann ein Markt entstehen, der ihr implizites Wissen in Trainingsmaterial verwandelt.

Diese Möglichkeit verdient umso mehr Aufmerksamkeit, als Einstiegsstellen für bestimmte Wissensberufe — junge Anwälte, Finanzanalysten, Forscher — laut Datasumi seit 2019 bereits um 50 % zurückgegangen sein sollen. Es wäre überzogen, daraus zu schließen, KI sei die einzige Ursache oder Europa werde zwangsläufig demselben Pfad folgen. Doch die Abfolge ist schlüssig genug, um eine ernsthafte Frage zu stellen: Was geschieht, wenn die Einstiegsjobs, in denen man Erfahrung sammeln konnte, seltener werden, während Maschinen genau lernen, einen Teil dieser Aufgaben zu übernehmen?

Menschliches Wissen ist als Rohstoff vielleicht mehr wert als als Stelle

Das ist für mich der beunruhigendste Punkt. Lange ging man davon aus, dass komplexe Berufe geschützt seien, weil sie auf jahrelanger Erfahrung, Kontext, Ausnahmen und Urteilsvermögen beruhen. Doch genau diese Komplexität wird für KI-Unternehmen wertvoll.

Menschliches Know-how ist also nicht nutzlos geworden. Fast das Gegenteil ist der Fall: Es ist wertvoll genug, dass Experten dafür bezahlt werden, es einzufangen. Die Frage ist, wer den Wert behält, sobald dieses Wissen in reproduzierbare Softwarefähigkeit verwandelt wurde.

  • Für die Fachkraft bringt der Auftrag sofortiges Einkommen.
  • Für die Plattform verwandelt er seltenes Fachwissen in Beispiele, die sich in großem Maßstab wiederverwenden lassen.
  • Für das Kundenunternehmen kann er künftig den Bedarf verringern, für jede ähnliche Aufgabe einen Experten einzusetzen.

Daraus sollte man nicht schließen, dass jeder Anwalt, Architekt oder Ingenieur gerade seine eigene Entlassung programmiert. Nichts in den dokumentierten Fällen erlaubt eine derart mechanische Schlussfolgerung. Die Dynamik verdient dennoch mehr als das Klischee vom „Roboter, der Arbeitsplätze stiehlt“.

Der eigentliche Wandel ist subtiler: Fachkräfte unter Druck können zu vorübergehenden Lieferanten des Wissens werden, das einen Teil ihrer eigenen Wertschöpfungskette automatisiert. China zeigt uns vor allem, wie dieser Markt aussieht, wenn der wirtschaftliche Druck hoch ist. Für Europa ist die Warnung keine Prophezeiung. Sie ist eine Frage, die geklärt werden sollte, bevor die Notwendigkeit anstelle der Fachkräfte entscheidet: Was ist Expertise wert, wenn man sie einmal verkauft, sie danach aber nahezu unbegrenzt reproduziert werden kann?