Wenn synthetische Daten nicht reichen: KI-Unternehmen entdecken Improvisationsschauspieler als wertvolle Quelle für emotionale Echtheit – und erschließen damit einen neuartigen Arbeitsmarkt an der Schnittstelle von Kreativwirtschaft und Technologie.
Improvisationsschauspieler als Trainingsdaten: KI-Unternehmen suchen Experten für menschliche Emotion
Das Unternehmen Handshake AI rekrutiert Improvisationsschauspieler und andere Bühnenkünstler, um Large Language Models führender KI-Labore mit emotionaler Nuancierung zu trainieren. Eine entsprechende Stellenausschreibung richtet sich gezielt an Performer, die spontane, authentische Interaktionen produzieren können – Fähigkeiten, die synthetische Trainingsdaten offenbar nicht ausreichend abbilden.
Warum Improvisation?
Der Hintergrund ist nachvollziehbar: Standardisierte Textdaten, auf denen die meisten Sprachmodelle basieren, bilden die Bandbreite menschlicher Kommunikation nur unvollständig ab. Schriftsprache folgt anderen Regeln als gesprochene Konversation – besonders dann, wenn Emotionen, Ironie, Tonwechsel oder unerwartete Reaktionen eine Rolle spielen.
Improvisationsschauspieler sind genau darauf trainiert: Sie reagieren authentisch auf unvorhergesehene Situationen, modulieren Stimme und Ausdruck situationsabhängig und erzeugen dabei glaubwürdige emotionale Zustände auf Abruf.
Für KI-Modelle, die in der Sprachkommunikation eingesetzt werden sollen, ist genau diese Qualität entscheidend – ein Modell, das zwischen Frustration und sachlicher Kritik unterscheiden kann, liefert erheblich bessere Nutzerergebnisse.
Ein wachsendes Feld: Human-in-the-Loop-Training
Der Ansatz von Handshake AI steht exemplarisch für einen breiteren Trend in der KI-Entwicklung. Nachdem die offensichtlich verfügbaren Textmengen aus dem Internet weitgehend ausgeschöpft sind, suchen Labore zunehmend nach spezialisierten menschlichen Datenquellen.
Neben Schauspielern wurden zuletzt auch Mathematiker, Juristen und Mediziner als Trainingsdaten-Produzenten angeworben – mit dem Ziel, Modellen domänenspezifisches oder soziales Wissen beizubringen, das aus allgemeinen Textkorpora nicht ausreichend ableitbar ist.
Die Nachfrage nach solchen Spezialisten hat einen neuen Arbeitsmarkt entstehen lassen, der sich zwischen Kreativwirtschaft und Technologiebranche bewegt. Plattformen für Data Labeling und RLHF (Reinforcement Learning from Human Feedback) haben sich in den vergangenen Jahren stark ausgeweitet.
Chancen und Spannungsfelder
Der Einsatz kreativer Berufsgruppen im KI-Training ist nicht unumstritten:
- Neue Einkommensquellen: Für Schauspieler – insbesondere in der freien Szene – erschließen sich bislang unbekannte Verdienstmöglichkeiten.
- Strukturelles Paradox: Die Frage wird lauter, ob damit langfristig genau jene menschlichen Tätigkeiten automatisiert werden, aus denen die Trainingsdaten stammen.
- Regulierungslücke: In den USA haben Gewerkschaften wie SAG-AFTRA bereits Rahmenbedingungen für solche Tätigkeiten verhandelt – in Europa steht eine breite Regulierungsdiskussion noch weitgehend aus.
Hinzu kommen ungeklärte Fragen der Datenverwertung: Unter welchen Bedingungen werden die aufgezeichneten Performances genutzt? Wie lange und in welchem Umfang werden Rechte übertragen? Diese Punkte sind in den meisten Stellenausschreibungen bislang nur vage formuliert.
Einordnung für deutsche Unternehmen
Für Unternehmen hierzulande, die eigene KI-Systeme entwickeln oder anpassen, ist der Trend unmittelbar relevant: Wer Sprachmodelle für emotionssensitive Anwendungen – etwa im HR-Bereich, im Kundendialog oder in der Personalentwicklung – einsetzen will, sollte die Qualität der zugrunde liegenden Trainingsdaten kritisch prüfen.
Modelle, die auf generischen Textkorpora basieren, stoßen in solchen Kontexten regelmäßig an Grenzen. Spezialisiertes, menschlich kuratiertes Trainingsmaterial dürfte mittelfristig zu einem Differenzierungsmerkmal im KI-Markt werden.
Entsprechende Partnerschaften mit spezialisierten Datenprovider-Unternehmen gewinnen damit an strategischer Bedeutung – und die kreative Wirtschaft rückt als Datenlieferant in den Fokus der Technologiebranche.
Quelle: The Verge
