85 Dollar pro Stunde für KI-Training: Wie Mercor Ärzte und Anwälte zu Milliarden-Geschäft macht

Max Quantum

[calm] Welcome to the show. Stell dir eine Kardiologin vor, Dienstagabend, Küchentisch, Laptop auf, vielleicht noch halb in der Klinikmentalität drin. Und dann bekommt sie nicht Geld für eine Sprechstunde mit Patienten, sondern 85 Dollar pro Stunde dafür, einer KI zu zeigen, wie ein echter Grenzfall gedacht wird. Also nicht Lehrbuch. Sondern: Dieser Wert ist komisch, der Patient ist 67, hat noch Diabetes, das EKG sieht fast harmlos aus, aber irgendwas passt nicht. Genau solche Abwägungen.

Eva Cortex

[curious] Und das Bild ist sofort gut, weil man merkt: Hier wird nicht einfach Content produziert. Hier verkauft jemand Urteilskraft. Aber meine erste Frage geht direkt an den Engpass. OpenAI, Meta, Google oder Microsoft sitzen ja nicht da und schreiben einzelnen Kardiologinnen auf LinkedIn. Die kaufen das offenbar über eine Zwischenschicht ein. Und genau diese Zwischenschicht ist Mercor, oder?

Max Quantum

Genau. Mercor ist im Prinzip ein Marktplatz zwischen großen KI-Labs und hochspezialisierten Experten. Ärzte, Anwälte, Wissenschaftler, Ingenieure. Die werden nicht primär als Festangestellte eingestellt, sondern für konkrete Trainingsarbeit vermittelt. Also: Wer kann medizinische Antworten bewerten? Wer kann juristische Argumente korrigieren? Wer kann einem Modell zeigen, wie sauberes technisches Reasoning in der Praxis aussieht?

Eva Cortex

[questioning tone] Also nicht “wir suchen Talent”, ganz breit, sondern sehr gezielt: Wir brauchen jetzt zehn Leute aus Kardiologie, fünf aus Patentrecht, drei aus Chemieingenieurwesen. Und Mercor bündelt das?

Max Quantum

Ja. Und die Größenordnung macht das erst richtig sichtbar. Mercor arbeitet mit rund 30.000 aktiven Experten. Es fließen über 1,5 Millionen Dollar pro Tag an Auszahlungen. Und wenn man das hochrechnet, landet man bei einem Jahresumsatz von über einer Milliarde Dollar. [short pause] Das ist kein Nebenmarkt mehr. Das ist eine eigene Infrastruktur-Schicht im KI-Markt.

Eva Cortex

[skeptical] Diese 1,5 Millionen Dollar pro TAG -- das ist die Zahl, an der ich hängenbleibe. Weil das heißt ja: Das sind nicht ein paar Prestigeprojekte. Das ist laufende, industrielle Nachfrage nach menschlichem Spezialwissen.

Max Quantum

Genau das. Viele reden bei KI nur über Modelle. Für mich ist entscheidend, was diese Modelle FÜTTERT und verbessert. Und hier sieht man sehr klar: Selbst sehr leistungsfähige Systeme brauchen an entscheidenden Stellen immer noch Menschen, die die Fachlogik liefern.

Eva Cortex

[thoughtful] Ich glaube, das ist der Teil, den viele unterschätzen. Solange KI Standardaufgaben macht, klingt alles nach: okay, schneller Text, schnellere Zusammenfassung, schneller Code. Aber sobald du in Medizin, Recht oder Engineering gehst, reicht “ganz gut” eben nicht mehr. Da kostet ein kleiner Denkfehler plötzlich echtes Geld -- oder Gesundheit.

Max Quantum

Richtig. Der Engpass ist nicht mehr die einfache Antwort, sondern spezialisiertes Reasoning. Modelle sind bei Standardaufgaben viel weiter als noch vor kurzer Zeit. Aber bei medizinischen, juristischen oder technischen Grenzfällen brauchst du echte Menschen mit Fachlogik. Nicht nur Wissen im Sinne von Fakten, sondern Urteilsfähigkeit: Was ist hier relevant, welche Ausnahme schlägt die Regel, welcher Fehler ist gefährlich und welcher nur unsauber formuliert.

Eva Cortex

Dann lass uns den Geldfluss sauber machen. Wer bezahlt hier eigentlich wofür? Also was kauft ein KI-Lab konkret ein? Und was macht Mercor selbst, statt es wiederum auszulagern?

Max Quantum

[matter-of-fact] Die Labs zahlen für vier Dinge. Erstens Trainingsdaten in hochspezialisierten Domänen. Zweitens Antwortprüfung -- also ist die Modellantwort fachlich korrekt oder nicht? Drittens Fehlerkorrektur. Und viertens Beispiele für gutes Denken, also wie ein Experte Schritt für Schritt zu einer belastbaren Lösung kommt. Mercor selbst organisiert das Matching, prüft die Experten, strukturiert die Arbeit und kassiert die Marge zwischen dem, was der Experte ausgezahlt bekommt, und dem, was dem Kunden berechnet wird.

Eva Cortex

[responds quickly] Diese vier Punkte sind wichtig. Trainingsdaten, Antwortprüfung, Fehlerkorrektur, gutes Denken. Das heißt: Mercor verkauft nicht einfach Stunden. Sie verkaufen Qualitätssicherung für Reasoning.

Max Quantum

Ja, und das ist der eigentliche Hebel. Die Experten verdienen im Schnitt über 85 Dollar pro Stunde. Je nach Auftrag bekommen sie ungefähr 60 bis 70 Prozent des Kundensatzes. Mercor verdient an der Vermittlung und Orchestrierung. Nicht an einem eigenen KI-Produkt. Das ist betriebswirtschaftlich interessant, weil du keine Wette darauf eingehen musst, selbst das beste Modell zu bauen. Du verdienst daran, dass ALLE besseren Modelle brauchen.

Eva Cortex

[skeptical] Aber da würde ich schon einmal reinstechen. Wenn ich höre “60 bis 70 Prozent des Kundensatzes”, dann denke ich sofort: okay, die Marge ist real. Aber sie muss auch verdient werden. Warum sollte ein großes Lab diese Leute nicht direkt sourcen?

Max Quantum

Weil Direktbeschaffung bei dieser Art Arbeit überraschend teuer und langsam wird. Wenn du heute zwanzig Kardiologen, nächste Woche Patentanwälte und danach Materialwissenschaftler brauchst, dann baust du nicht jedes Mal einen neuen Recruiting-Prozess. Du willst Geschwindigkeit, Vorprüfung, Verfügbarkeit, Compliance und verlässliche Abwicklung. Mercor reduziert genau diese Reibung.

Max Quantum

[reflective] Für mich ist das Muster ziemlich klar: Mercor verkauft nicht KI. Mercor verkauft den Rohstoff, aus dem KI besser wird -- menschliches Spezialwissen in regulierten Berufen und anspruchsvollen Fachgebieten. Das wirkt fast unspektakulär, aber genau darin liegt oft das starke Geschäft.

Eva Cortex

[warmly] Also klassische Schaufel-Logik. Nicht nur die Goldgräber verdienen, sondern auch der, der Schaufeln, Siebe und den Zugang zum Gelände verkauft. Nur dass die Schaufel hier eben... Kardiologen, Anwälte und Ingenieure sind. [chuckles]

Max Quantum

[chuckles] Ja, ein etwas teurerer Baumarkt. Aber das Bild passt. Und hier verschiebt sich auch die Marktplatzlogik. Auf der Nachfrageseite hast du wenige sehr große Käufer: OpenAI, Meta, Google, Microsoft, Nvidia, Amazon. Auf der Angebotsseite hast du sehr viele spezialisierte Experten. Ein Marktplatz kann diese fragmentierte Angebotsseite viel besser bündeln als ein einzelnes Lab.

Eva Cortex

Wenige große Käufer und viele kleine Anbieter -- das ist fast das Gegenteil von klassischen Konsumentenplattformen. Da würde ich als Hörer sofort fragen: Klingt gut, aber was wäre daran schwer zu kopieren? Morgen baut jemand “Mercor 2.0” und sagt: Wir haben auch Ärzte, wir haben auch Juristen. Wo ist der Burggraben?

Max Quantum

Der Burggraben ist wahrscheinlich nicht eine magische Technologie. Der Burggraben ist Systemleistung. Also: Wie schnell kannst du passende Experten finden? Wie gut ist dein Screening? Wie zuverlässig ist die Qualität? Wie sauber laufen Datenschutz, Vertraulichkeit und Abrechnung? Und ganz wichtig: Hast du auf beiden Seiten Vertrauen aufgebaut? Für die Labs ist das Beschaffungsinfrastruktur. Für Experten ist es ein glaubwürdiger Zugang zu gut bezahlter, professioneller Arbeit.

Eva Cortex

[curious] Vertrauen ist hier wirklich das Wort. Weil ein Wirtschaftsanwalt oder eine Ärztin ja nicht irgendwo klicken und hoffen will, dass das seriös ist. Gerade in Berufen, in denen Vertraulichkeit und Ruf alles sind.

Max Quantum

Genau. Der Punkt ist ein anderer als bei einem generischen Freelancer-Marktplatz. Hier reicht es nicht, Angebot und Nachfrage zusammenzubringen. Du musst ein Umfeld schaffen, in dem Hochqualifizierte sagen: Ja, das ist sauber organisiert. Und Großkunden sagen: Ja, darauf können wir unsere Trainingspipelines stützen.

Eva Cortex

[skeptical] Und jetzt der unangenehme Teil. Denn die Knappheit ist attraktiv, aber sie ist auch das Risiko. Medizin, Recht, Forschung, Engineering -- das sind keine beliebig skalierbaren Talentpools. Das macht den Rohstoff wertvoll. Aber es heißt auch: Wenn irgendetwas auf der Nachfrageseite kippt, kann es schnell wehtun.

Max Quantum

Absolut. Die Stärke liegt in der Knappheit von Spezialwissen. Für KI-Labs wird dieses Wissen zum knappen Rohstoff. Gleichzeitig steckt das Risiko im Kern des Geschäfts: wenige große Kunden machen wahrscheinlich einen erheblichen Teil des Umsatzes aus. Wenn diese Labs anfangen, mehr intern aufzubauen, oder ihre Bedarfe anders organisieren, kann ein Teil des Marktes schnell schrumpfen.

Eva Cortex

[questioning tone] Diese “wenigen großen Kunden” -- das ist der Teil, der mich nervös macht. Wenn dir zwei oder drei Namen wegbrechen, ist das nicht wie bei einer Plattform mit Tausenden kleinen Werbekunden. Dann fehlt plötzlich ein großes Stück.

Max Quantum

Ja. Und dazu kommen die harten Realitäten: Datenschutz, Vertraulichkeit, geistiges Eigentum. Gerade wenn du mit medizinischen oder juristischen Inhalten arbeitest, ist das kein Detail. Außerdem ist der Markt nicht leer. Es gibt etablierte Player wie Scale AI und Surge AI. Das heißt: Mercor ist nicht nur in einem guten Markt, sondern in einem umkämpften Markt.

Eva Cortex

Ich merke bei mir, dass ich so ein Business immer an drei Dingen prüfen würde. Erstens: Wie schnell geht Vermittlung wirklich? Also nicht auf der Website, sondern operativ. Zweitens: Kommen die Aufträge wieder? Und drittens -- vielleicht der wichtigste Punkt -- wollen Kunden immer wieder dieselben Experten? Denn wenn ja, dann entsteht echte Bindung. Wenn nein, bist du eher austauschbare Durchlaufstation.

Max Quantum

[approving][short pause] Das ist ein sehr guter Test. Ich würde noch ergänzen: Wiederholen sich nicht nur die Kunden, sondern auch die Arbeitsmuster? Wenn ein Lab merkt, wir brauchen dauerhaft Kardiologie-Review, dauerhaft Patentrechts-Checks, dauerhaft technische Fehlerkorrektur, dann wird daraus planbare Nachfrage. Wenn alles nur projektbasiert und erratisch ist, bleibt das Geschäft fragiler.

Eva Cortex

[nostalgic] Ich hatte mal in einem ganz anderen Kontext so einen Moment bei einer kleinen Agentur. Nicht KI, viel kleiner. Aber der Unterschied zwischen “cooles Projekt” und “echtes Business” war brutal einfach: Kommen die Kunden drei Monate später wieder, ohne neu überzeugt werden zu müssen? Seitdem gucke ich auf Wiederholung fast mehr als auf Wachstum.

Max Quantum

Das ist kein Nebengedanke, das ist zentral. Wachstum kann man einkaufen. Wiederholung muss man verdienen.

Max Quantum

[calm] Für Hörer steckt hier mehr drin als nur die Geschichte von Mercor. Die erste Lektion ist: Im KI-Boom ist die Schaufel oft profitabler als das Gold. Die Frage lautet also nicht nur, welche KI man selbst baut. Sondern welches Werkzeug, welche Datenquelle oder welche Vermittlungsschicht man verkaufen kann.

Eva Cortex

Und die zweite Lektion ist fast noch praktischer. Wer Zugang zu echten Experten hat -- Ärzte, Anwälte, Bauingenieure, Apotheker, Steuerberater -- sitzt möglicherweise auf einem Rohstoff, den große Labs nicht einfach selbst aus dem Boden stampfen können. Das ist ja die eigentliche Verschiebung. Nicht jeder kann ein Foundation Model bauen. Aber viele können Zugang, Struktur und Vertrauen in einer Nische organisieren.

Max Quantum

Genau. Und daraus folgt die dritte Lektion: Vertikale Marktplätze schlagen breite Plattformen, wenn sie eine Gruppe besonders gut verstehen. Nicht “Talent für alles”, sondern zum Beispiel “die besten Kardiologen für medizinisches KI-Reasoning”. Nicht “Freelancer für beliebige Tasks”, sondern “verifizierte Patentanwälte für juristische Modellbewertung”. Je enger und klarer der Use Case, desto stärker kann das Angebot werden.

Eva Cortex

[curious] Heißt für mich auch: Wer heute gründen will, sollte vielleicht weniger fragen “Welche App kann ich noch auf ein Modell draufsetzen?” und mehr “Welche knappe Schicht zwischen Modell und Realität versteht noch niemand richtig?” Das kann Datenzugang sein, Qualitätsprüfung, Compliance, Vermittlung, Onboarding von Experten... also all das, was nicht sexy klingt, aber bezahlt wird.

Max Quantum

Ja. Viele suchen die große technische Erfindung. Dabei entstehen starke Geschäfte oft dort, wo Komplexität reduziert wird. Wer Zugang organisiert, Qualität sichert und Reibung aus einem neuen Markt nimmt, baut oft die stabilere Firma.

Eva Cortex

[softly] Und dann bleibt für mich die größere Frage stehen. Wenn KI gerade neue Wertschöpfungsstufen erzeugt -- wer baut die nächste Schicht? Die Modelle selbst? Oder die Infrastruktur um sie herum? Ich glaube, viele der interessanten Firmen sehen am Anfang fast unspektakulär aus, weil sie nicht sagen: Wir sind die Magie. Sondern: Wir machen die Magie verlässlich nutzbar.

Max Quantum

[reflective] Genau. Vielleicht ist das die sauberste Art, auf diesen Markt zu schauen. Nicht nur: Wer hat das beste Modell? Sondern: Wer kontrolliert den Zugang zu dem, was Modelle besser, sicherer und nützlicher macht? [short pause] Danke dir, Eva.

Eva Cortex

Danke dir, Max. Und genau mit dieser Frage lassen wir euch heute mal weiterdenken.