Eine promovierte Soziologin erhält ein Jobangebot, nicht von einer Universität, sondern von einem KI-Recruiter. Die Aufgabe: Eine Maschine darin trainieren, Prüfungen zu entwerfen, studentische Aufsätze zu bewerten und Lehrveranstaltungen für Bachelorstudierende zu halten. Es sind genau die Aufgaben, für deren Bewältigung die Kandidatin ein Jahrzehnt Ausbildung investiert hat. Das ist kein hypothetisches Szenario, sondern es ist James Maisiri passiert, der an der University of Johannesburg promoviert hat. Sein Bericht öffnet die Tür zu einer Entwicklung, die die meiste Berichterstattung über KI und Beschäftigung völlig übersieht.
Die Frage lautet nicht einfach, ob KI Arbeitsplätze vernichten wird. Die Frage ist, ob ausgerechnet die am stärksten gefährdeten Personen dazu gebracht werden, genau das aus der Hand zu geben, was ihre Arbeit unersetzlich macht, noch bevor überhaupt eine Verdrängung stattfindet.
Der Wissenstransfer, den niemand benennt
Es gibt eine gut dokumentierte Kategorie von KI-Arbeit: Datenmarkierung, Annotation, Moderation von Inhalten. Diese Rollen wurden jahrelang an Arbeitskräfte in Kenia, Nigeria und anderen Ländern ausgelagert, und sie umfassen relativ mechanische Aufgaben wie das Taggen von Bildern, das Markieren von Inhalten und das Transkribieren von Audioaufnahmen.
Was Maisiri beschreibt, ist strukturell anders. Er wurde nicht rekrutiert, um Daten zu markieren. Er wurde rekrutiert, um Urteilsvermögen zu übertragen. Im Laufe jahrelanger Lehrtätigkeit hatte er die Fähigkeit entwickelt, auswendig gelerntes Wissen von echtem Verständnis zu unterscheiden, zu erklären, warum ein Aufsatz 75 % statt 60 % verdient, und festzustellen, welche Konzepte in einem Grundkurs wirklich zählen. Dieses angesammelte Urteilsvermögen, und nicht nur reines Wissen, war es, was die KI-Plattform wollte.
Plattformen wie Outlier, Mercor und Surge werben mittlerweile genau aus diesem Grund aktiv Ärztinnen und Ärzte, Juristinnen und Juristen, Ingenieurinnen und Ingenieure sowie Lehrkräfte an. Akademische Berufe galten lange Zeit als schwer zu automatisieren, weil sie darauf basieren, Kontexte zu interpretieren, statt starre Regeln anzuwenden. Diese Annahme wird nun auf die Probe gestellt, und den Test übernehmen die Fachleute gleich selbst.
47,4 Prozent Arbeitslosigkeit und ein Angebot von 600 Rand
Die wirtschaftliche Dimension dieser Geschichte lässt sich unmöglich von der ethischen trennen. Die Jugendarbeitslosigkeit in Südafrika lag im zweiten Quartal 2026 bei 47,4 Prozent. Der nationale Mindestlohn beträgt 30,23 Rand pro Stunde, was etwa zwei US-Dollar entspricht. Die Rolle im KI-Training, die Maisiri angeboten wurde, zahlte 600 Rand pro Stunde, was ungefähr 37 US-Dollar entspricht. In diesem Kontext ist die Entscheidung, mitzumachen oder abzulehnen, keine philosophische Übung, sondern eine Existenzberechnung.
Genau diese Dynamik macht Afrika besonders anfällig für eine Entwicklung, die man als Wissensextraktion im großen Stil bezeichnen könnte. Der Kontinent weist eine der niedrigsten KI-Adoptionsraten weltweit auf, die meisten Länder liegen unter dem globalen Durchschnitt von etwa 18 Prozent in der Bevölkerung im erwerbsfähigen Alter. Südafrika liegt mit 23 Prozent knapp darüber. Dennoch verfügt Afrika auch über einige der jüngsten Bevölkerungen der Welt, einen wachsenden Pool an hochgebildeten Fachkräften und ein wirtschaftliches Umfeld, das von hoher Arbeitslosigkeit und bescheidenem Wachstum geprägt ist. Für KI-Unternehmen schafft diese Kombination einen strukturellen Anreiz, denn Expertenwissen ist zu Kosten verfügbar, die deutlich unter denen auf westlichen Märkten liegen.
Unterdessen erhalten Müllsortierer und Schweißer in Indien am anderen Ende der Lohnskala 250 Rupien pro Stunde, etwa 2,60 US-Dollar, dafür, dass sie Kameras tragen und ihre täglichen Arbeitsabläufe aufzeichnen. Dieses Filmmaterial trainiert humanoide Roboter, die genau diese Jobs erledigen sollen. Das Lohngefälle zwischen Maisiri und diesen Arbeitskräften ist enorm, aber die zugrundeliegende Transaktion ist identisch: menschliche Expertise, verkörpert oder intellektuell, wird in Maschinenfähigkeit umgewandelt.
Was Urteilsvermögen tatsächlich bedeutet und warum es nicht von der Person getrennt werden kann
Das ist der Punkt, den die meisten Diskussionen über KI und Arbeit nicht direkt ansprechen. Urteilsvermögen ist keine Fähigkeit im herkömmlichen Sinne. Es ist keine Technik, die dokumentiert, extrahiert und sauber übertragen werden kann. Es ist das Produkt aus gesammelter Erfahrung, ethischer Prägung und kontextueller Sensibilität. Wenn eine Lehrkraft entscheidet, dass der Aufsatz des einen Studierenden echtes Verständnis zeigt, während der eines anderen das nicht tut, greift diese Entscheidung auf alles zurück, was die Lehrkraft über Jahre hinweg gesehen, gelesen und gelehrt hat. Sie ist untrennbar mit der Person selbst verbunden.
Wenn KI-Plattformen Fachkräfte rekrutieren, um ihre Systeme zu trainieren, beschaffen sie sich nicht nur Datenpunkte. Sie versuchen, diese Art von situiertem, persönlichem Wissen in ein Modell einzucodieren, das dieses Wissen dann ohne die Person anwendet. Maisiriz Bericht wirft eine Frage auf, die es wert ist, ernst genommen zu werden: Welche Art von Urteil lernen diese Systeme eigentlich? Ist es ein faires Urteil? Ist es ein ethisches Urteil? Erkennt es den Kontext so wie ein menschlicher Praktiker?
Das sind keine rhetorischen Fragen, sondern Designfragen, und genau die Leute, die am besten dafür positioniert wären, sie zu beantworten, werden dafür angeheuert, Inputs zu liefern, anstatt Ergebnisse zu gestalten.
Maisiri stieg schließlich aus dem Prozess aus, obwohl er einräumt, dass er nicht ganz genau erklären kann, warum. Er sucht weiterhin nach einer akademischen Position. Seine Geschichte löst die Spannung, die sie beschreibt, nicht auf, sondern macht sie einfach sichtbar.
Kurz gefasst
KI-Systeme werden zunehmend nicht mit Rohdaten trainiert, sondern mit beruflichem Urteilsvermögen, also genau jenem Vermögen, dessen Entwicklung Jahre dauert und ganze Karrieren prägt. Hochgebildete Arbeitskräfte in Volkswirtschaften mit hoher Arbeitslosigkeit stehen vor einem echten Dilemma, denn der finanzielle Anreiz zur Teilnahme ist real, und das gilt auch für das Risiko, die eigene Verdrängung zu beschleunigen. Was bei diesen Transaktionen übertragen wird, ist nicht nur Wissen, sondern die Fähigkeit zu entscheiden, und einmal übertragen, kommt sie nicht mehr zurück.
Basierend auf Berichten von Rest of World.