Latest / Ignition / Vom Experten-Stundensatz zum KI-Daten-Imperium
Transcript
- 0:00Willkommen bei IGNITION.
- 0:01Starte mit KI in Dein selbstbestimmtes Leben.
- 0:04Heute zerlegen wir ein Geschäft, das durch KI plötzlich anders funktioniert.
- 0:08Stell Dir vor, ein großes KI Lab braucht dringend tausende medizinische Befunde oder
- 0:14juristische Analysen, um ein neues Modell zu trainieren.
- 0:17Aber die Daten im Netz reichen einfach nicht mehr aus.
- 0:20Was macht man da?
- 0:21Man heuert hunderte Fachärzte, Anwälte und Chemiker an, die diese Daten bewerten.
- 0:26Genau in dieses Geschäft ist das Startup micro1 hineingestolpert.
- 0:30Und zwar durch einen ziemlich bemerkenswerten Pivot.
- 0:33Warte mal, wieso hineingestolpert?
- 0:35Was haben die denn ursprünglich gemacht?
- 0:37Der Gründer Ali Ansari wollte eigentlich eine Plattform für KI gestütztes Recruiting
- 0:42aufbauen.
- 0:42Aber dann hat er gemerkt, dass seine Kunden das Werkzeug für etwas ganz anderes
- 0:46genutzt haben.
- 0:47Sie haben damit gezielt Ingenieure gesucht, um Trainingsdaten für KI Modelle zu
- 0:51annotieren.
- 0:53Die Kunden haben das Produkt also quasi umfunktioniert, noch bevor die Firma selbst
- 0:57darauf kam?
- 0:58Genau so war es.
- 0:59Ansari hat das nicht ignoriert, sondern die Firma komplett gedreht.
- 1:03Für IGNITION analysieren wir aktuelle Entwicklungen aus KI,
- 1:07Technologie, Wirtschaft und Forschung.
- 1:09Wir vergleichen Quellen, prüfen Behauptungen und trennen belastbare Signale von
- 1:13kurzfristigem Hype.
- 1:15Okay, wie sieht diese Dienstleistung heute in der Praxis aus?
- 1:19Was kaufen die KI Labore da konkret ein?
- 1:21Sie bestellen sogenannte Reinforcement Learning Gyms.
- 1:24Das bedeutet, micro1 sucht hochqualifizierte Fachexperten, also zum Beispiel Ärzte
- 1:29oder Physiker auf Honorarbasis.
- 1:31Diese Experten testen die Ausgaben von KI Modellen, korrigieren sie und geben
- 1:36direktes Feedback.
- 1:37Aber am Ende des Tages vermitteln sie doch einfach nur freie Mitarbeiter,
- 1:40oder?
- 1:41Ich meine, wo ist da die echte Skalierung, wenn hinter jedem Datenpunkt immer noch
- 1:46ein teurer menschlicher Experte sitzt?
- 1:48Genau da lohnt sich der Blick auf die Zahlen.
- 1:51Laut Berichten von TechCrunch ist der Brutto Jahres Run Rate von micro1 innerhalb
- 1:55von nur acht Monaten von 100 Millionen auf 500 Millionen US Dollar geschossen.
- 2:01500 Millionen?
- 2:02Das klingt ja gigantisch.
- 2:04Aber jetzt mal ehrlich, wie viel bleibt davon wirklich hängen?
- 2:07Das ist die entscheidende Frage.
- 2:09Bei einer halben Milliarde Brutto handelt es sich um eine weiche Zahl.
- 2:12Da stecken die Honorare für die Fachkräfte noch komplett drin.
- 2:15micro1 behält etwa 60 bis 70 Prozent davon.
- 2:19Der Netto Run Rate liegt also eher zwischen 150 und 200 Millionen US Dollar.
- 2:24Für ein reines Dienstleistungsmodell mit Menschen im Hintergrund ist eine Marge von
- 2:2860 bis 70 Prozent allerdings extrem stark.
- 2:32Trotzdem bleibt es am Anfang arbeitssintensiv.
- 2:35Wenn mehr Daten gebraucht werden, braucht man auch mehr Köpfe.
- 2:38Richtig.
- 2:39Aber das war nur Phase eins des Geschäftsmodells.
- 2:41Wie sieht Phase zwei aus?
- 2:43Wie kommt man von einer menschlichen Dienstleistung zu echter Software Dynamik?
- 2:47Indem man anfängt, die Daten nicht mehr jedes Mal individuell auf Bestellung zu
- 2:51produzieren, sondern fertige synthetische Datensätze baut.
- 2:55Zum Beispiel lässt micro1 hunderte Menschen Alltagshandlungen im Haushalt filmen,
- 2:59um Datensätze für Robotik Training zu erstellen, oder erzeugt automatisierte
- 3:04Videobeschreibungen.
- 3:05Heißt konkret: Sie produzieren einen Datensatz einmal und verkaufen ihn dann als
- 3:09Produkt von der Stange, also Off the Shelf, an mehrere Kunden gleichzeitig?
- 3:14Genau das.
- 3:15Und in dem Moment, wo Du denselben Datensatz an fünf verschiedene KI Labore
- 3:20verkaufst, fallen die Grenzkosten pro Kopie nahezu auf null.
- 3:23Die Bruttomarge springt bei diesen synthetischen Daten plötzlich auf 80 bis 90
- 3:28Prozent.
- 3:28Okay, das klingt auf dem Papier perfekt.
- 3:31Aber jetzt lass uns mal den Realitätscheck machen.
- 3:34Wo ist der Haken bei der Sache?
- 3:35Welche Risiken siehst Du als Erstes?
- 3:37Erstens die Datenqualität.
- 3:40Wenn KI Modelle mit synthetischen Daten trainiert werden, droht doch das Phänomen
- 3:44Model Collapse, wenn die Daten nicht absolut perfekt sind.
- 3:48Zweitens, was hindert die riesigen KI Labore daran, solche Daten in Zukunft einfach
- 3:54selbst synthetisch zu generieren?
- 3:56Ein sehr berechtigter Einwand.
- 3:57Zudem ist der Wettbewerb enorm.
- 3:59Konkurrenten wie Mercor liegen bereits bei zwei Milliarden US Dollar Brutto Run
- 4:03Rate, Handshake bei einer Milliarde.
- 4:06micro1 ist in diesem Markt nicht der Einzige und die Abhängigkeit von wenigen sehr
- 4:10großen Käufern ist riesig.
- 4:12Was ist dann das eigentliche übertragbare Muster hier?
- 4:15Was können Gründer und Operatoren aus diesem Fall lernen, ohne gleich ein
- 4:19Datenunternehmen aufzubauen?
- 4:21Das Muster heißt: Service to Productized Asset.
- 4:25Du startest mit einer teuren, manuelle Dienstleistung, weil der Markt dort sofort
- 4:29bereit ist, Geld abzudrücken.
- 4:31Und während Du die Dienstleistung erbringst, baust Du im Hintergrund
- 4:34wiederverwendbare Bausteine auf, die Deine Marge Schritt für Schritt nach oben
- 4:38treiben.
- 4:39Das bringt mich auf drei sehr konkrete Lektionen für Solo Unternehmer und kleine
- 4:43Teams.
- 4:44Welche sind das?
- 4:44Erstens: Teste die Nachfrage immer zuerst über einen Service.
- 4:49Baue nicht monatelang an einem Produkt, wenn niemand bereit ist,
- 4:52für das Lösen des Problems zu zahlen.
- 4:55Zweitens: Suche gezielt nach dem menschlichen Flaschenhals und ersetze ihn
- 5:00schrittweise durch Automatisierung, ohne dass die Qualität leidet.
- 5:03Und der dritte Punkt?
- 5:04Drittens: Schaffe digitale Vermögenswerte.
- 5:08Ein Stundensatz skaliert nicht.
- 5:10Aber ein fertiger Datensatz, eine Vorlage oder eine automatisierte Lösung,
- 5:15die Du mehrfach verkaufen kannst, verändert Deine gesamte wirtschaftliche Welt.
- 5:19Das war der Business Case des Tages.
- 5:21IGNITION.
- 5:22Jeden Morgen.
- 5:23Ein echter Business Case.
- 5:25Eine echte Chance für Dich.