Die Autoindustrie benötigt viel Bild- und Videomaterial, um die Autos per maschinellem Lernen darauf zu trainieren, Objekte korrekt einzuordnen. Dieses Verfahren Menschen zu überlassen, sei aber mühsam und zeitaufwendig, erklärt Philip Kessler. Der Informatiker hat zusammen mit seinem Kollegen Marc Mengler das Startup understand.ai gegründet und präsentiert eine Lösung, die den Labeling-Prozess zehnmal schneller und präziser machen soll: Er werde dank künstlicher Intelligenz hauptsächlich automatisiert durchgeführt, schreibt das Karlsruher Institut für Technologie (KIT), wo Kessler studiert hat. Die Qualitätskontrolle am Schluss übernehme aber immer noch ein Mensch, um Fehler auszuschließen.

Die Hans-Böckler-Stiftung des DGB hat jüngst die Arbeitsbedingungen der sogenannten Crowdworker, die solche Bilddaten bisher in der Regel weltweit auswerten und markieren, unter die Lupe genommen. Neue Anbieter hätten sich auf die gestiegenen Qualitätsansprüche der Kunden eingestellt, heißt es in dem Bericht. Die Crowdworker fühlten sich von ihnen respektvoller behandelt und verlässlicher bezahlt als von herkömmlichen Anbietern. Die Höhe der Entlohnung ließe aber weiterhin oft zu wünschen