Im Bereich humanoider Roboter wird seit einiger Zeit stets von "Einzug in die Fabrik" und "Einzug ins Zuhause" gesprochen, aber nur selten wird erklärt, wie diese Roboter eigentlich lernen, Dinge zu tun. Die Antwort ist nicht irgendein magisches großes Modell, sondern Teilzeitkräfte in Dutzenden Ländern weltweit, die mit einer auf der Stirn befestigten iPhone Bild für Bild filmen, wie sie Geschirr spülen, Kleidung falten oder Eier braten.
Diese Tatsache wurde Anfang April in einem Bericht des MIT Technology Review enthüllt.
iPhone auf der Stirn, hinein in die Küche
So funktioniert es: Ein iPhone wird auf der Stirn befestigt, auf die eigenen Hände gerichtet, und dann werden verschiedene Hausarbeiten gemäß Aufgabenbeschreibung erledigt – Handtücher falten, Essen aus der Pfanne in eine Schüssel befördern, Küchenarbeitsflächen aufräumen. Jede Aufgabe dauert in der Regel einige Dutzend Minuten. Nach dem Hochladen werden die Videos von KI und menschlichen Prüfern gemeinsam annotiert, wobei Startzeit, Endzeit und Handposition jeder Aktion markiert werden.
Hauptakteur ist das Unternehmen Micro1 mit Sitz in Palo Alto, Kalifornien, das Vertragsarbeiter in über 50 Ländern beschäftigt, mit Schwerpunkt in Nigeria, Indien und Argentinien. Der Stundenlohn beträgt 15 US-Dollar, was gemessen am lokalen Einkommensniveau ordentlich ist.
Auf der Arbeitgeberseite kaufen Unternehmen, die humanoide Roboter bauen – Tesla, Figure AI, Agility Robotics – diese Daten. Damit Roboter lernen, in realen Haushaltsumgebungen zu arbeiten, reichen Simulatoren bei weitem nicht aus; reale menschliche Bewegungsdaten sind ein unersetzlicher Rohstoff.
Nicht nur Micro1. Scale AI gibt an, über 100.000 Stunden ähnlicher Daten gesammelt zu haben. DoorDash bezahlt sogar seine Lieferfahrer dafür, nebenbei ihre Hausarbeit zu filmen. Die gesamte Branche gibt jährlich über 100 Millionen US-Dollar für reale Trainingsdaten aus.
Nicht das erste Mal, aber der Umfang wächst
Dass KI-Trainingsdaten von Menschen annotiert werden, ist nicht neu. Die frühe Bilderkennung stützte sich auf Arbeiter von Amazon Mechanical Turk, die Verarbeitung natürlicher Sprache auf massive Textannotationen. Aber die Trainingsdaten humanoider Roboter haben einen grundlegenden Unterschied: Sie benötigen keine Klassifizierung von Text oder Bildern, sondern dreidimensionale Bewegungsdaten über die Zeit, mit Kraft, Rhythmus und Raumkoordinaten.
Dieses Problem lässt sich nicht allein mit synthetischen Daten lösen, da Roboter in der realen physischen Welt auf zu viele Unterschiede bei Reibung, Gewicht und Materialeigenschaften stoßen. Die Daten von Scale AI stammen zunehmend von speziell angeworbenen Arbeitern, die zu Hause Videos aufnehmen, und nicht von Laborfachleuten.
Was bedeutet das? Die Leistungsgrenzen humanoider Roboter werden gewissermaßen von Haushaltsküchen auf der ganzen Welt bestimmt. Ob ein Roboter Handtücher aus verschiedenen Materialien falten kann, hängt davon ab, ob genügend Videos mit entsprechenden Materialbewegungen aufgenommen wurden.
15 Dollar pro Stunde: Ist dieser Job langfristig stabil?
Die Arbeiter äußern sich recht positiv über diese Arbeit.
"Ich habe das Gefühl, etwas zu tun, das auf der ganzen Welt einzigartig ist." (Teilnehmer Zeus)
Ein anderer Arbeiter namens Dattu sagte, er habe das Gefühl, "einen Abdruck zu hinterlassen", indem seine Daten zum Wachstum der Roboter beitragen. Forscher stellen jedoch die Nachhaltigkeit dieser Branche infrage. Ken Goldberg von der UC Berkeley sagte direkt:
"Die Leute unterschätzen, wie lange es dauert, ausreichend sichere und nutzbare Trainingsdaten für Roboter zu sammeln."
Ein konkreteres Problem ist die Privatsphäre. Die von den Arbeitern gefilmten Inhalte zeigen nicht nur ihre Hände, sondern auch ihre Einrichtung, Familienfotos, Lebensgewohnheiten und Raumaufteilungen. Micro1 gibt an, Gesichter und sensible Informationen zu entfernen, aber die Arbeiter wissen nicht, an welches Unternehmen die Daten letztendlich verkauft wurden, wo sie gespeichert werden oder ob sie weiterverkauft werden könnten. Einige haben Löschungsanträge gestellt, aber niemand kennt das Ergebnis.
Die Forscherin Yasmine Kotturi von der University of Maryland sieht in dieser Informationsasymmetrie ein strukturelles Problem: Die Arbeiter tragen das Informationsrisiko, haben aber kein entsprechendes Recht auf Aufklärung.
Ein weiteres Risiko: Aaron Prather von ASTM International weist darauf hin, dass wenn Arbeiter bei den Aufnahmen nicht standardgemäß vorgehen (z. B. unsichere Schneidetechniken verwenden), diese "Fehldemonstrationen" in die Trainingsdaten einfließen und den Robotern gefährliche Gewohnheiten beibringen könnten.
Diese Lieferkette wird nicht verschwinden
| Datenanbieter | Datenvolumen | Hauptarbeiterquellen |
|---|---|---|
| Scale AI | 100.000+ Stunden | Global verteilt |
| Micro1 | Zehntausende Stunden | Nigeria, Indien, Argentinien |
| DoorDash | Nicht offengelegt | Lieferfahrer |
Damit humanoide Roboter wirklich "ins Zuhause" kommen, müssen unzählige Szenarien bewältigt werden: Möbel in allen Formen, Kleidung aus allen Materialien, Küchen in allen Grundrissen, Arbeitsflächen in allen Höhen. Dies ist keine Menge, die mit einigen tausend Stunden Daten zu bewältigen ist, sondern mit Millionen von Stunden.
Diese globalisierte, dezentrale Datenlieferkette wird langfristig bestehen und immer größer werden. Bevor Roboter vollständig selbstständig lernen können, muss der Mensch es ihnen erst einmal vormachen.
Nur dass derjenige, der es vormacht, vielleicht in einer gemieteten Wohnung in Nigeria sitzt, ein iPhone auf der Stirn, während er Geschirr spült und den Robotern von morgen das Laufen beibringt.
Quellenangabe: CocoLoop, The gig workers who are training humanoid robots at home (MIT Technology Review)