Menschen in der KI-Branche, die von der Erzählung über hohe Gehälter statistisch mitdurchschnittlicht werden
Um 23 Uhr schließt Yang Han ihren Laptop, und die zwölfstündige ununterbrochene Arbeit findet vorläufig ein Ende. Obwohl sie den Dienst beendet hat, ist ihr Nervensystem noch nicht abgeschaltet: Sobald es Probleme mit den Daten gibt, muss sie 24 Stunden lang bereitstehen.
Yang Han hat bereits vor drei Jahren ihren Abschluss gemacht. Sie hat einen Bachelor-Abschluss in Informatik an einer „985“-Universität und einen Master-Abschluss an einer Hochschule, die unter den Top 20 des QS-Rankings liegt. Sie arbeitet seit jeher im Bereich KI, hat Praktika absolviert und Berufserfahrung bei mehreren großen Technologieunternehmen gesammelt und war sogar Leiterin der KI-Abteilung bei einem Startup.
Mit einem solch soliden Lebenslauf und einer extrem hohen Arbeitsbelastung sollte ihr Einkommen eigentlich weit über dem Durchschnitt liegen. Aber derzeit reicht ihr Monatsgehalt gerade an das der führenden Entwicklungsingenieure im Bereich der fortschrittlichen Fertigung heran und liegt in großen Internetunternehmen nur im mittleren Bereich.
Das hängt damit zusammen, dass sie „rechtzeitig den Rückzug angetreten“ hat, um in einem Forschungsinstitut an Basismodellen zu arbeiten. Abgesehen davon hat sie noch etwas zu sagen: „KI-Mitarbeiter sind bei weitem nicht so glamourös, wie die Außenwelt es sich vorstellt.“
Die aktuelle KI-Erzählung versammelt die beneidenswertesten Jobs und die begehrtesten Gehälter: Bei Großmodellalgorithmen, Agentenentwicklung, KI-Infrastruktur und anderen Bereichen liegen die Gehälter oft bei Hunderttausend Yuan aufwärts ohne Obergrenze; bei den Talentprogrammen großer Unternehmen ist ein Jahresgehalt von einer Million nur der Einstiegspreis.
Aber die hohen Gehälter, die durch das heiße Kapital geschaffen werden, gehören nur einer kleinen Gruppe an der Spitze der Pyramide. Diese extrem hohen Werte wirken wie eine riesige Zugkraft, die das „Durchschnittsgehalt“ der gesamten KI-Branche nach oben zieht. Die Menschen unterhalb der Spitze der Pyramide erleben einen enormen Unterschied.
Und die riesige Lücke zwischen Einsatz und Ertrag muss von allen Menschen ausgefüllt werden. Die Überstunden und der Angstindex der normalen Mitarbeiter haben die Gehaltssteigerungen längst überholt.
Die Seite, die nicht im Rampenlicht steht, ist der Alltag der meisten Menschen.
1
Die Hürden werden erhöht, die Campus-Rekrutierung wird zur Berufserfahrenen-Rekrutierung
Jedes Mal, wenn Chen Mo von seinen Kommilitonen erzählt, die einen Master-Abschluss unter den Top 3 ihrer Fachrichtung haben und bei der Campus-Rekrutierung kein einziges Angebot erhalten haben, wird er immer widersprochen: „Du lügst nur, sie haben nur kein zufriedenstellendes Angebot bekommen.“
In den vergangenen Jahren war das tatsächlich so. Die älteren Kommilitonen von Chen Mo, die über Algorithmus-Papiere und Praktikumserfahrung verfügten, hatten selbst dann die Chance, in KI-Unternehmen mit Einhorn-Status oder große Technologieunternehmen einzusteigen, wenn ihr Fach nicht ganz passte oder sie ihren Bachelor an einer Hochschule ohne Doppelspitzen-Status absolviert hatten. Aber die Marktlage hat sich dieses Jahr wirklich verändert: Während der Herbst-Rekrutierung hat er fast 200 Stellen bei Unternehmen jeder Größe beworben, ohne geografische Einschränkungen, aber er hat keine einzige Einladung zum Vorstellungsgespräch bekommen.
Viele Kommilitonen und Freunde von Thomas haben nach zahlreichen Bewerbungen ebenfalls kein einziges Angebot erhalten. Dass er vier Angebote erhalten hat, liegt daran, dass er „Bachelor und Master in Informatik an einer 985-Universität + KI-relevante Papiere + passendes Praktikum bei einem großen Unternehmen“ vorweisen kann – er hat in keinem einzigen Bereich nachgelassen, hat vier bis fünf Jahre lang extrem hart gearbeitet und sich schließlich durchgesetzt.
„Die Internetbranche wird wie die Finanzbranche, es geht um die „Kapitalausstattung“, alle Erfahrungen müssen sehr relevant sein“, bedauert Thomas die Grausamkeit des Wettbewerbs. Früher hatten Berufsanfänger eine Einarbeitungszeit, heute haben die Unternehmen keine Geduld mehr, die Campus-Rekrutierung wird zur Rekrutierung von Berufserfahrenen.
Mike hat mit eigenen Augen miterlebt, wie die Einstiegshürden für die Branche Schritt für Schritt angehoben wurden.
Vor vier Jahren, als er sich für eine Richtung bei der Master-Prüfung entschied, waren das Metaversum und die Blockchain die beliebtesten Schlagwörter. Er hat nicht erwartet, dass die KI danach rasant voranschreitet: von der Konversationsfähigkeit bis zur Erstellung von Bildern und Videos. Letztes Jahr suchten die Menschen um ihn herum Jobs im Bereich „Agentenentwicklung“, dieses Jahr reden alle von „Büroagenten“.
Bei der rasanten technologischen Iteration sind diese beliebten neuen Berufe wie Agentenentwicklung, Prompt-Experte, Workflow-Aufbau noch nicht richtig etabliert und werden schon zu Opfern der Entwicklung.
Noch ärgerlicher ist, dass die KI immer intelligenter wird und immer mehr wie ein Mensch wirkt, der wirklich arbeiten kann, sodass viele alte Stellen schneller ersetzt werden.
Vor zwei Jahren hatten Mikes Kommilitonen keine Sorgen um die Beschäftigung: Große Technologieunternehmen expandierten im KI-Bereich rasant und boten Jahr für Jahr höhere Gehälter an. Die Kommilitonen verlängerten sogar freiwillig ihre Studienzeit: Wenn sie ein halbes oder ein Jahr später abschlossen, zwei weitere Praktika absolvierten und zwei weitere Papiere veröffentlichten, konnten sie ihren Lebenslauf perfekter gestalten und im nächsten Jahr ein besseres Angebot erhalten.
Bis zum Auftauchen von Coding-Agenten verschwand der Mehrwert des manuellen Codierens. Große Unternehmen begannen, keine Anfänger mehr einzustellen, externe Mitarbeiter abzubauen und die mittlere Plattformabteilung zusammenzulegen. „Früher musste eine Abteilung drei Mitarbeiter für Frontend, Backend und Test einstellen, jetzt wird möglicherweise nur noch ein KI-Full-Stack-Entwickler eingestellt, der mit Hilfe von Agenten die Arbeit von drei Personen erledigen kann.“
In diesem Prozess sind die Gehälter kaum gestiegen, aber die Anforderungen sind stark angestiegen.
Wenn der KI-Ingenieur Wu Le jetzt eine Aufgabe von seinem Vorgesetzten erhält, ist seine erste Reaktion, die KI zu öffnen: Er übergibt die Hintergrundbedingungen der KI zur Analyse, lässt die KI die Aufgabe erledigen und bittet sie, ein Dokument für sein Lernen zu schreiben, bevor er es seinem Vorgesetzten vorstellt.
Sieben bis acht von zehn grundlegenden Aufgaben bei der täglichen Arbeit werden von der KI erledigt. Die restlichen zwei bis drei Aufgaben bestehen darin, die Ergebnisse der KI zu prüfen und Fehler zu korrigieren. „Im Grunde bin ich nur ein hochrangiger Korrektor“, sagt Wu Le selbstironisch.
Aber nicht jeder kann ein Korrektor sein: Die KI kann Lösungen liefern, die logisch schlüssig sind, aber nicht mit der tatsächlichen Geschäftspraxis übereinstimmen, versteckte Fehler in den Randbedingungen einbauen oder sogar ernsthaft Daten erfinden. Ohne mehrjährige praktische Erfahrung lassen sich diese Fehler überhaupt nicht erkennen.
Darüber hinaus sind die Erwartungen der Unternehmen an die Arbeitsergebnisse gestiegen, nachdem sie KI-Tools eingeführt haben. Für Arbeiten, die früher einen halben Tag dauerten, wollen die Vorgesetzten jetzt das Ergebnis in zwei Stunden sehen. Sogar Wu Le fühlt sich oft überfordert und hat das Gefühl, nicht die KI zu nutzen, sondern vom Rhythmus der KI angetrieben zu werden.
„Die Bewerber müssen nicht nur über traditionelle Entwicklungserfahrung verfügen, sondern auch „KI-nativ“ sein (Erfahrung im Umgang mit KI und die Fähigkeit, KI zu beherrschen). Beides ist unverzichtbar, was Berufsanfänger gar nicht schaffen können“, gibt er zu. Deshalb sind Unternehmen nicht bereit, Anfänger langsam auszubilden, sondern wollen Mitarbeiter, die sofort einsatzbereit sind.
Natürlich haben die Unternehmen einen harten Grund dafür: Ihr eigener Spielraum für Fehler ist auch fast erschöpft.
2
Countdown zum Entfernen der „Blase“ – die Menschen suchen sich neue Positionen
Nachdem er einen ganzen Vormittag auf einer KI-Konferenz neue Erkenntnisse gesammelt hat, hat Mike das Gefühl, in einer „Endlosschleife“ gefangen zu sein.
Im selben Unternehmen hat Team A einen „Cloud-Desktop-Agent“ entwickelt, Team B „den Branchenworkflow mit KI neu gestaltet“ und Team C sagt, dass „native KI die Arbeit mit einem Klick erledigt“. Obwohl die Namen unterschiedlich sind und die Präsentationen unterschiedlich aussehen, sind die zugrunde liegenden Modelle gleich, die Logik des Tool-Aufrufs ähnelt sich und selbst die Einsatzszenarien überschneiden sich stark.
„Drei Teams kämpfen um dieselben Kunden und denselben Auftrag“, sagt Mike offen. Aber das „Pferderennen“ ist längst eine ungeschriebene Übereinkunft in der Branche: Ein Unternehmen teilt sich in viele unabhängige Gruppen auf, lässt sie frei konkurrieren und behält am Ende nur ein ausgereiftes Projekt.
Ohne Rücksicht auf Kosten, mit tausendfachen Fehlversuchen und sogar gewaltsamen Durchbrüchen schwebt über allen Menschen so etwas wie ein Countdown, der sie dazu zwingt, die richtige Zündschnur zu finden, bevor die Stoppuhr auf null steht.
Yang Han weiß, dass die unsichtbare Hand, die diesen Countdown gestartet hat, „Geld“ heißt.
Als derzeit kostenintensivste Branche fließen von 10 Yuan, die weltweit im Jahr 2025 als Risikokapital investiert wurden, 6 Yuan in die Kassen von KI-Unternehmen. Dieses Jahr hat sich das noch verschärft: Im ersten Quartal machte das Finanzierungsvolumen von KI-Startups bereits 81 % des weltweiten VC-Volumens aus; die Technologiegiganten in China und den USA erhöhen ständig die Obergrenze für Kapitalausgaben und investieren Milliarden um Milliarden.
Das Investitionsvolumen ist erstaunlich groß, aber die Erträge lassen auf sich warten. Das MIT hat mehr als 300 KI-Projekte von Unternehmen analysiert und festgestellt, dass 95 % davon keine quantifizierbaren Auswirkungen auf den Gewinn haben.
„Alle sitzen bereits in diesem schnell fahrenden Zug, niemand möchte abgeworfen werden.“ spürt Yang Han immer stärker. Mit der Zeit und steigenden Investitionen wächst die Angst vor der Amortisation ständig. Alle Teams, egal in welchem Bereich sie arbeiten, wollen so schnell wie möglich Ergebnisse erzielen.
Letztes Jahr, nachdem ChatGPT und Claude mit Coding Geld verdient hatten, strömten die inländischen Anbieter auf der Anwendungsebene in Massen in diesen Bereich; da Coding aus intelligenteren Modellen hervorgeht, müssen sich auch Teams, die sich auf Basismodelle spezialisieren, einem immer größeren Entwicklungsdruck stellen.
Deshalb gibt es in vielen Unternehmen interne „Pferderennen“: Mehrere Teams erforschen gleichzeitig verschiedene Richtungen. Selbst wenn die Arbeit bereits zu 80 % abgeschlossen ist, kann sie jederzeit gestoppt werden, wenn die Ergebnisse nicht mithalten können – eine ganze Geschäftslinie kann von einem Tag auf den anderen verschwinden. Aber die Technologie wird ständig weiterentwickelt, und jedes Update macht alle vorherigen Arbeiten bedeutungslos.
Außerdem „muss die Technologie wirklich funktionieren, indem sie die Bedürfnisse der Nutzer berücksichtigt, echte Probleme löst und Daten für die Optimierung der nächsten Generation sammelt“, sagt Yang Han. Aber niemand kann genau sagen, auf welche Weise die KI in einem Jahr in das Leben eingreifen wird. Die aktuellen Innovationen wie KI-Brillen und KI-Kopfhörer sind nur Erkundungen, niemand kann eine klare Antwort geben.
Das ist die aktuelle Schwierigkeit der KI und zugleich das, was alle, die Geld in diesen Bereich investieren, am meisten beunruhigt.
Für Yang Han und ihre Kollegen bedeutet das, dass ursprünglich für drei Monate oder ein halbes Jahr geplante Pläne schon im nächsten Monat durch die Ergebnisse eines neu erschienenen Modells umgeworfen werden können. Die Arbeitsweise, Struktur und Positionen des Teams ändern sich häufig. Vor allem die mittleren Führungskräfte sind der Teil, der in der KI-Branche als erstes zusammenbricht.
„Anfangs waren mittlere Führungskräfte sehr begehrt: Sie brauchten keine Spitzentechnik zu beherrschen, verdienten aber sehr viel, sodass viele Mitarbeiter großer Technologieunternehmen zu mittleren KI-Führungskräften wechselten.“ Die wiederholten Projektabbrüche, Richtungsänderungen, die große Frustration und die ständig unerreichbaren Leistungsziele machen die mittleren Führungskräfte immer erschöpfter.
Deshalb hat sie die erste Linie verlassen, um nicht um die besten Titel, Marken oder Produkte zu konkurrieren, sondern sich auf grundlegende Bereiche wie die KI-Infrastruktur zu konzentrieren – schließlich wird die Modellentwicklung und ähnliche Arbeit immer fortgesetzt.
Mike, der erst letztes Jahr seinen Abschluss gemacht hat, hat sich auch für Stabilität entschieden und ist zu einem staatlichen Unternehmen gegangen. Damals expandierten die großen Technologieunternehmen noch, und seine Freunde wollten unbedingt dort hinein. Seine Entscheidung wurde von vielen als „Verschwendung seines Bildungsabschlusses“ angesehen.
Aber er hat während seines Praktikums in der KI-Entwicklung erlebt, wie er während der Produktentwicklungsphase mehrere Nächte hintereinander gearbeitet hat, um Dokumente zu durchsehen und Funktionen zu aktualisieren. Er weiß auch, dass diese mit viel Mühe verbundenen Anstrengungen nur eine spontane Versuchung des Vorgesetzten sein könnten.
„Bevor man etwas Erfolgreiches schafft, muss man unbedingt wiederholte Versuche, Richtungsänderungen, Planaufhebungen und Neuanfänge erleben. Der Schmerz während des Prozesses ist ein unvermeidlicher Preis.“ Viele seiner Freunde arbeiten die ganze Nacht, sind jederzeit bereit,