Latest / Ignition / 85 Dollar pro Stunde für KI-Training: Wie Mercor Ärzte und Anwälte zu Milliarden-Geschäft macht
Transcript
- 0:00Welcome to the show.
- 0:01Stell dir eine Kardiologin vor,
- 0:03Dienstagabend, Küchentisch, Laptop auf,
- 0:05vielleicht noch halb in der Klinikmentalität drin.
- 0:08Und dann bekommt sie nicht Geld für eine Sprechstunde mit Patienten,
- 0:11sondern 85 Dollar pro Stunde dafür,
- 0:14einer KI zu zeigen, wie ein echter Grenzfall gedacht wird.
- 0:17Also nicht Lehrbuch.
- 0:18Sondern: Dieser Wert ist komisch,
- 0:20der Patient ist 67, hat noch Diabetes,
- 0:23das EKG sieht fast harmlos aus,
- 0:25aber irgendwas passt nicht.
- 0:26Genau solche Abwägungen.Und das Bild ist sofort gut,
- 0:30weil man merkt: Hier wird nicht einfach Content produziert.
- 0:33Hier verkauft jemand Urteilskraft.
- 0:36Aber meine erste Frage geht direkt an den Engpass.
- 0:39OpenAI, Meta, Google oder Microsoft sitzen ja nicht da und schreiben
- 0:44einzelnen Kardiologinnen auf LinkedIn.
- 0:46Die kaufen das offenbar über eine Zwischenschicht ein.
- 0:49Und genau diese Zwischenschicht ist Mercor,
- 0:52oder?
- 0:52Genau.
- 0:53Mercor ist im Prinzip ein Marktplatz zwischen großen KI-Labs und
- 0:53hochspezialisierten
- 0:57Experten.
- 0:58Ärzte, Anwälte, Wissenschaftler,
- 1:01Ingenieure.
- 1:02Die werden nicht primär als Festangestellte eingestellt,
- 1:04sondern für konkrete Trainingsarbeit vermittelt.
- 1:06Also: Wer kann medizinische Antworten bewerten?
- 1:09Wer kann juristische Argumente korrigieren?
- 1:12Wer kann einem Modell zeigen, wie sauberes technisches Reasoning in der
- 1:15Praxis aussieht?Also nicht "wir suchen Talent",
- 1:18ganz breit, sondern sehr gezielt: Wir brauchen jetzt zehn Leute aus Kardiologie,
- 1:24fünf aus Patentrecht, drei aus Chemieingenieurwesen.
- 1:27Und Mercor bündelt das?
- 1:27Ja.
- 1:30Und die Größenordnung macht das erst richtig sichtbar.
- 1:32Mercor arbeitet mit rund 30.
- 1:32000 aktiven Experten.
- 1:36Es fließen über 1, 5 Millionen Dollar pro Tag an Auszahlungen.
- 1:40Und wenn man das hochrechnet, landet man bei einem Jahresumsatz von über
- 1:44einer Milliarde Dollar.
- 1:45Das ist kein Nebenmarkt mehr.
- 1:48Das ist eine eigene Infrastruktur-Schicht im KI-Markt.Diese
- 1:521, 5 Millionen Dollar pro TAG -- das ist die Zahl,
- 1:55an der ich hängenbleibe.
- 1:57Weil das heißt ja: Das sind nicht ein paar Prestigeprojekte.
- 2:00Das ist laufende, industrielle Nachfrage nach menschlichem Spezialwissen.
- 2:00Genau
- 2:06das.
- 2:06Viele reden bei KI nur über Modelle.
- 2:09Für mich ist entscheidend, was diese Modelle FÜTTERT und verbessert.
- 2:13Und hier sieht man sehr klar: Selbst sehr leistungsfähige Systeme brauchen
- 2:16an entscheidenden Stellen immer noch Menschen,
- 2:18die die Fachlogik liefern. Ich glaube,
- 2:21das ist der Teil, den viele unterschätzen.
- 2:23Solange KI Standardaufgaben macht,
- 2:26klingt alles nach: okay, schneller Text,
- 2:29schnellere Zusammenfassung, schneller Code.
- 2:31Aber sobald du in Medizin, Recht oder Engineering gehst,
- 2:35reicht "ganz gut" eben nicht mehr.
- 2:38Da kostet ein kleiner Denkfehler plötzlich echtes Geld -- oder Gesundheit.
- 2:38Richtig.
- 2:44Der Engpass ist nicht mehr die einfache Antwort,
- 2:46sondern spezialisiertes Reasoning.
- 2:48Modelle sind bei Standardaufgaben viel weiter als noch vor kurzer Zeit.
- 2:52Aber bei medizinischen, juristischen oder technischen Grenzfällen brauchst
- 2:56du echte Menschen mit Fachlogik.
- 2:57Nicht nur Wissen im Sinne von Fakten,
- 2:59sondern Urteilsfähigkeit: Was ist hier relevant,
- 3:02welche Ausnahme schlägt die Regel,
- 3:04welcher Fehler ist gefährlich und welcher nur unsauber formuliert.
- 3:04Dann
- 3:08lass uns den Geldfluss sauber machen.
- 3:10Wer bezahlt hier eigentlich wofür?
- 3:12Also was kauft ein KI-Lab konkret ein?
- 3:15Und was macht Mercor selbst, statt es wiederum auszulagern?
- 3:20Die Labs zahlen für vier Dinge.
- 3:21Erstens Trainingsdaten in hochspezialisierten Domänen.
- 3:25Zweitens Antwortprüfung -- also ist die Modellantwort fachlich korrekt
- 3:28oder nicht?
- 3:29Drittens Fehlerkorrektur.
- 3:31Und viertens Beispiele für gutes Denken,
- 3:34also wie ein Experte Schritt für Schritt zu einer belastbaren Lösung
- 3:37kommt.
- 3:38Mercor selbst organisiert das Matching,
- 3:40prüft die Experten, strukturiert die Arbeit und kassiert die Marge zwischen
- 3:44dem, was der Experte ausgezahlt bekommt,
- 3:46und dem, was dem Kunden berechnet wird.Diese vier
- 3:49Punkte sind wichtig.
- 3:50Trainingsdaten, Antwortprüfung,
- 3:52Fehlerkorrektur, gutes Denken.
- 3:55Das heißt: Mercor verkauft nicht einfach Stunden.
- 3:58Sie verkaufen Qualitätssicherung für Reasoning.
- 3:58Ja,
- 4:02und das ist der eigentliche Hebel.
- 4:03Die Experten verdienen im Schnitt über 85 Dollar pro Stunde.
- 4:07Je nach Auftrag bekommen sie ungefähr 60 bis 70 Prozent des Kundensatzes.
- 4:12Mercor verdient an der Vermittlung und Orchestrierung.
- 4:15Nicht an einem eigenen KI-Produkt.
- 4:17Das ist betriebswirtschaftlich interessant,
- 4:19weil du keine Wette darauf eingehen musst,
- 4:21selbst das beste Modell zu bauen.
- 4:23Du verdienst daran, dass ALLE besseren Modelle brauchen.Aber
- 4:27da würde ich schon einmal reinstechen.
- 4:29Wenn ich höre "60 bis 70 Prozent des Kundensatzes",
- 4:33dann denke ich sofort: okay, die Marge ist real.
- 4:37Aber sie muss auch verdient werden.
- 4:39Warum sollte ein großes Lab diese Leute nicht direkt sourcen?
- 4:39Weil Direktbeschaffung
- 4:44bei dieser Art Arbeit überraschend teuer und langsam wird.
- 4:47Wenn du heute zwanzig Kardiologen,
- 4:49nächste Woche Patentanwälte und danach Materialwissenschaftler brauchst,
- 4:53dann baust du nicht jedes Mal einen neuen Recruiting-Prozess.
- 4:56Du willst Geschwindigkeit, Vorprüfung,
- 4:59Verfügbarkeit, Compliance und verlässliche Abwicklung.
- 5:03Mercor reduziert genau diese Reibung.Für mich ist das
- 5:03Muster
- 5:08ziemlich klar: Mercor verkauft nicht KI.
- 5:11Mercor verkauft den Rohstoff, aus dem KI besser wird -- menschliches
- 5:15Spezialwissen in regulierten Berufen und anspruchsvollen Fachgebieten.
- 5:19Das wirkt fast unspektakulär, aber genau darin liegt oft das starke
- 5:19Geschäft.
- 5:24Also klassische Schaufel-Logik.
- 5:26Nicht nur die Goldgräber verdienen,
- 5:27sondern auch der, der Schaufeln,
- 5:29Siebe und den Zugang zum Gelände verkauft.
- 5:31Nur dass die Schaufel hier eben...
- 5:34Kardiologen, Anwälte und Ingenieure sind.
- 5:37Ja, ein etwas teurerer Baumarkt.
- 5:41Aber das Bild passt.
- 5:42Und hier verschiebt sich auch die Marktplatzlogik.
- 5:45Auf der Nachfrageseite hast du wenige sehr große Käufer: OpenAI,
- 5:49Meta, Google, Microsoft, Nvidia,
- 5:52Amazon.
- 5:53Auf der Angebotsseite hast du sehr viele spezialisierte Experten.
- 5:56Ein Marktplatz kann diese fragmentierte Angebotsseite viel besser bündeln
- 6:00als ein einzelnes Lab.
- 6:00Wenige große Käufer und viele kleine Anbieter --
- 6:06das ist fast das Gegenteil von klassischen Konsumentenplattformen.
- 6:09Da würde ich als Hörer sofort fragen: Klingt gut,
- 6:12aber was wäre daran schwer zu kopieren?
- 6:14Morgen baut jemand "Mercor 2.
- 6:140" und sagt: Wir haben auch Ärzte,
- 6:20wir haben auch Juristen.
- 6:21Wo ist der Burggraben?
- 6:21Der Burggraben ist wahrscheinlich nicht eine magische
- 6:27Technologie.
- 6:28Der Burggraben ist Systemleistung.
- 6:30Also: Wie schnell kannst du passende Experten finden?
- 6:33Wie gut ist dein Screening?
- 6:35Wie zuverlässig ist die Qualität?
- 6:37Wie sauber laufen Datenschutz,
- 6:39Vertraulichkeit und Abrechnung?
- 6:41Und ganz wichtig: Hast du auf beiden Seiten Vertrauen aufgebaut?
- 6:44Für die Labs ist das Beschaffungsinfrastruktur.
- 6:47Für Experten ist es ein glaubwürdiger Zugang zu gut bezahlter,
- 6:51professioneller Arbeit. Vertrauen ist hier wirklich das Wort.
- 6:54Weil ein Wirtschaftsanwalt oder eine Ärztin ja nicht irgendwo klicken
- 6:58und hoffen will, dass das seriös ist.
- 7:00Gerade in Berufen, in denen Vertraulichkeit und Ruf alles sind.
- 7:00Genau.
- 7:06Der Punkt ist ein anderer als bei einem generischen Freelancer-Marktplatz.
- 7:10Hier reicht es nicht, Angebot und Nachfrage zusammenzubringen.
- 7:13Du musst ein Umfeld schaffen, in dem Hochqualifizierte sagen: Ja,
- 7:17das ist sauber organisiert.
- 7:18Und Großkunden sagen: Ja, darauf können wir unsere Trainingspipelines
- 7:22stützen.Und jetzt der unangenehme Teil.
- 7:24Denn die Knappheit ist attraktiv,
- 7:27aber sie ist auch das Risiko.
- 7:29Medizin, Recht, Forschung, Engineering -- das sind keine beliebig skalierbaren
- 7:34Talentpools.
- 7:35Das macht den Rohstoff wertvoll.
- 7:37Aber es heißt auch: Wenn irgendetwas auf der Nachfrageseite kippt,
- 7:42kann es schnell wehtun.
- 7:42Absolut.
- 7:44Die Stärke liegt in der Knappheit von Spezialwissen.
- 7:47Für KI-Labs wird dieses Wissen zum knappen Rohstoff.
- 7:50Gleichzeitig steckt das Risiko im Kern des Geschäfts: wenige große Kunden
- 7:55machen wahrscheinlich einen erheblichen Teil des Umsatzes aus.
- 7:58Wenn diese Labs anfangen, mehr intern aufzubauen,
- 8:01oder ihre Bedarfe anders organisieren,
- 8:03kann ein Teil des Marktes schnell schrumpfen.Diese
- 8:06"wenigen großen Kunden" -- das ist der Teil,
- 8:09der mich nervös macht.
- 8:10Wenn dir zwei oder drei Namen wegbrechen,
- 8:13ist das nicht wie bei einer Plattform mit Tausenden kleinen Werbekunden.
- 8:17Dann fehlt plötzlich ein großes Stück.
- 8:17Ja.
- 8:20Und dazu kommen die harten Realitäten: Datenschutz,
- 8:23Vertraulichkeit, geistiges Eigentum.
- 8:25Gerade wenn du mit medizinischen oder juristischen Inhalten arbeitest,
- 8:29ist das kein Detail.
- 8:30Außerdem ist der Markt nicht leer.
- 8:32Es gibt etablierte Player wie Scale AI und Surge AI.
- 8:35Das heißt: Mercor ist nicht nur in einem guten Markt,
- 8:38sondern in einem umkämpften Markt.
- 8:38Ich merke bei mir,
- 8:41dass ich so ein Business immer an drei Dingen prüfen würde.
- 8:44Erstens: Wie schnell geht Vermittlung wirklich?
- 8:48Also nicht auf der Website, sondern operativ.
- 8:51Zweitens: Kommen die Aufträge wieder?
- 8:53Und drittens -- vielleicht der wichtigste Punkt -- wollen Kunden immer
- 8:57wieder dieselben Experten?
- 8:59Denn wenn ja, dann entsteht echte Bindung.
- 9:02Wenn nein, bist du eher austauschbare Durchlaufstation.[short
- 9:07pause] Das ist ein sehr guter Test.
- 9:08Ich würde noch ergänzen: Wiederholen sich nicht nur die Kunden,
- 9:11sondern auch die Arbeitsmuster?
- 9:12Wenn ein Lab merkt, wir brauchen dauerhaft Kardiologie-Review,
- 9:16dauerhaft Patentrechts-Checks,
- 9:18dauerhaft technische Fehlerkorrektur,
- 9:19dann wird daraus planbare Nachfrage.
- 9:21Wenn alles nur projektbasiert und erratisch ist,
- 9:24bleibt das Geschäft fragiler. Ich hatte mal in einem ganz
- 9:28anderen Kontext so einen Moment bei einer kleinen Agentur.
- 9:31Nicht KI, viel kleiner.
- 9:34Aber der Unterschied zwischen "cooles Projekt" und "echtes Business"
- 9:39war brutal einfach: Kommen die Kunden drei Monate später wieder,
- 9:43ohne neu überzeugt werden zu müssen?
- 9:45Seitdem gucke ich auf Wiederholung fast mehr als auf Wachstum.
- 9:45Das ist
- 9:51kein Nebengedanke, das ist zentral.
- 9:53Wachstum kann man einkaufen.
- 9:55Wiederholung muss man verdienen. Für Hörer steckt hier mehr drin
- 9:59als nur die Geschichte von Mercor.
- 10:01Die erste Lektion ist: Im KI-Boom ist die Schaufel oft profitabler als
- 10:05das Gold.
- 10:06Die Frage lautet also nicht nur,
- 10:08welche KI man selbst baut.
- 10:09Sondern welches Werkzeug, welche Datenquelle oder welche
- 10:09Vermittlungsschicht
- 10:13man verkaufen kann.
- 10:13Und die zweite Lektion ist fast noch praktischer.
- 10:18Wer Zugang zu echten Experten hat -- Ärzte,
- 10:22Anwälte, Bauingenieure, Apotheker,
- 10:25Steuerberater -- sitzt möglicherweise auf einem Rohstoff,
- 10:28den große Labs nicht einfach selbst aus dem Boden stampfen können.
- 10:32Das ist ja die eigentliche Verschiebung.
- 10:35Nicht jeder kann ein Foundation Model bauen.
- 10:38Aber viele können Zugang, Struktur und Vertrauen in einer Nische organisieren.
- 10:38Genau.
- 10:44Und daraus folgt die dritte Lektion: Vertikale Marktplätze schlagen breite
- 10:48Plattformen, wenn sie eine Gruppe besonders gut verstehen.
- 10:51Nicht "Talent für alles", sondern zum Beispiel "die besten Kardiologen
- 10:55für medizinisches KI-Reasoning".
- 10:57Nicht "Freelancer für beliebige Tasks",
- 11:00sondern "verifizierte Patentanwälte für juristische Modellbewertung".
- 11:04Je enger und klarer der Use Case,
- 11:06desto stärker kann das Angebot werden.Heißt für mich auch:
- 11:10Wer heute gründen will, sollte vielleicht weniger fragen "Welche App kann
- 11:14ich noch auf ein Modell draufsetzen?" und mehr "Welche knappe Schicht
- 11:18zwischen Modell und Realität versteht noch niemand richtig?" Das kann
- 11:22Datenzugang sein, Qualitätsprüfung,
- 11:25Compliance, Vermittlung, Onboarding von Experten...
- 11:28also all das, was nicht sexy klingt,
- 11:31aber bezahlt wird.
- 11:31Ja.
- 11:33Viele suchen die große technische Erfindung.
- 11:36Dabei entstehen starke Geschäfte oft dort,
- 11:38wo Komplexität reduziert wird.
- 11:40Wer Zugang organisiert, Qualität sichert und Reibung aus einem neuen
- 11:44Markt nimmt, baut oft die stabilere Firma.Und dann bleibt für
- 11:47mich die größere Frage stehen.
- 11:49Wenn KI gerade neue Wertschöpfungsstufen erzeugt -- wer baut die nächste
- 11:54Schicht?
- 11:55Die Modelle selbst?
- 11:56Oder die Infrastruktur um sie herum?
- 11:59Ich glaube, viele der interessanten Firmen sehen am Anfang fast unspektakulär
- 12:05aus, weil sie nicht sagen: Wir sind die Magie.
- 12:08Sondern: Wir machen die Magie verlässlich nutzbar.Genau.
- 12:12Vielleicht ist das die sauberste Art,
- 12:14auf diesen Markt zu schauen.
- 12:16Nicht nur: Wer hat das beste Modell?
- 12:18Sondern: Wer kontrolliert den Zugang zu dem,
- 12:21was Modelle besser, sicherer und nützlicher macht?
- 12:23Danke dir, Eva.
- 12:23Danke dir,
- 12:27Max.
- 12:27Und genau mit dieser Frage lassen wir euch heute mal weiterdenken.