LONDON (IT BOLTWISE) – Die KI-Trainingsplattform Mode Inc setzt auf einen ungewöhnlichen Ansatz: Sie kauft Konsumenten-Apps und monetarisiert Nutzerdaten über Einwilligung statt klassischer reiner Crowdsourcing-Tätigkeiten. Im Fokus stehen dabei Alltagsdaten wie E-Mail- und Foto-Workflows, Beleg-Uploads, Streaming- und Wearable-Daten. Laut CEO Dan Novaes wächst die Plattform dadurch auf ein Portfolio mit mehr als 100 Millionen monatlich aktiven Nutzern. Gleichzeitig warnt er vor steigender rechtlicher Prüfung und sieht genau darin einen Treiber für consent-basierte Datensammlungen.
Die Frage, woher „trainierbare“ Daten für KI-Systeme kommen, verschiebt sich spürbar vom reinen Crowdsourcing hin zu Einwilligungsmodellen mit direktem Konsumentenzugriff. Mode Inc, ein Startup aus dem Bereich KI-Training, setzt dabei nicht auf große „Arbeitskraft“-Plattformen, sondern auf den Zukauf von Konsumenten-Apps. In den vergangenen zwölf Monaten habe das Unternehmen insgesamt sieben Deals abgeschlossen und dabei unter anderem Trimbox, eine App zur Inbox-Organisation, sowie QR Code Reader übernommen. CEO Dan Novaes beschreibt den Fokus dabei als Alltagsnutzung: Menschen liefern Daten nicht nur „für KI“, sondern während sie E-Mails, Belege und Medienroutinen im Alltag bewältigen.
Der Kernmechanismus wirkt zunächst simpel: Nutzerinnen und Nutzer stellen Daten bereit, Mode Inc nutzt sie für Trainings- und Labeling-Zwecke und belohnt die Beteiligung mit Cash oder Rewards. Die Story dahinter ist jedoch technisch und operativ anspruchsvoll, weil unterschiedliche Datenarten konsolidiert werden müssen—von hochstrukturierten Belegen bis zu weniger formatierten Medien- oder Transaktionssignalen. Die Meldung nennt dabei explizit Uploads von Kaufbelegen (etwa aus Amazon- oder Walmart-Kontexten), Streamingdaten sowie Kennwerte aus Wearables. Damit erweitert Mode Inc sein Portfolio auf eine Größenordnung, die laut Angaben über 100 Millionen monatliche Nutzerkontakte umfasst.
Technisch bedeutet ein solcher Ansatz in der Regel mehr als nur „Daten sammeln“. Mode Inc muss Workflows etablieren, die Datenformate verlässlich in Trainingsdaten übersetzen: E-Mails und Inbox-Inhalte werden dabei zu verarbeitbaren Kategorien, QR-Code-Scans zu Kontext-IDs, Belege zu extrahierbaren Feldern und Streaming- bzw. Wearable-Metriken zu Zeitreihen mit sauberer Zuordnung. Genau hier entscheidet sich, ob ein Modell später robust auf reale Nutzerfälle reagiert. Während klassische Labeling-Setups stärker auf nachgelagerte Annotation setzen, kann ein consent-basierter Vorprozess die Datenqualität erhöhen—wenn Einwilligung, Pseudonymisierung und Datenminimierung sauber umgesetzt sind.
Vergleicht man das mit etablierten Mitspielern im Data-Labeling-Umfeld, wird die Strategie besser greifbar. Mode Inc wird zwar nicht als direkte Konkurrenz zu Plattformen wie Scale AI beschrieben, steht aber in derselben Lieferkette: Große KI-Anwender benötigen häufig Millionen Datensätze, um Systeme für Wahrnehmung, Sprache und Verhalten zu trainieren. Firmen wie Scale AI, aber auch andere Datendienstleister, arbeiten oft stark über verteilte Arbeitskräfte und definierte Labeling-Pipelines. Der Unterschied liegt hier in der „Eingangsquelle“: Mode versucht, Daten möglichst früh in den Nutzer-Flow einzubetten und die Verarbeitung so näher an eine skalierbare Vorstufe zu bringen.
Am Markt dürfte genau diese Abkehr vom reinen „Gig“-Modell auf zunehmendes Interesse stoßen. Mode Inc nennt als indirekten Referenzrahmen ausdrücklich, dass es nicht primär um die Gewinnung von Vertragskräften über reine Pay-per-Gig-Plattformen geht. Gleichzeitig verweist Novaes darauf, dass rechtliche Schritte gegen Unternehmen, die Online-Inhalte für KI nutzen, die Nachfrage nach consent-basierter Sammlung erhöhen könnten. Konkret nennt er als Beispiel eine Anfrage eines KI-Labors, bei der Menschen Formulare mit handschriftlichen Elementen einreichen sollten—etwa Arzt-Notizen oder Belege. Branchenexperten rechnen in solchen Fällen häufig mit einem zusätzlichen Bedarf an strukturierten Einwilligungsnachweisen, weil Daten und Nutzungskontexte künftig stärker dokumentiert werden müssen.
Für Unternehmen, die KI entwickeln oder trainieren, bedeutet das eine neue Form von Beschaffungsrisiko: Nicht nur die Daten selbst, sondern auch die Nachweisbarkeit der Rechte und die Qualität der Einwilligungsprozesse werden Teil des „Datenschutz- und Compliance-Stacks“. Mode argumentiert, dass steigende regulatorische Aufmerksamkeit die Nachfrage nach datenschutzkonformen Sammelmechanismen verstärkt. Das trifft besonders auf Anwendungsfälle zu, in denen aus unstrukturierten Quellen verwertbare Signale entstehen—von Dokumentenverarbeitung bis zu personalisierter Kontextanalyse. Auch für die Skalierung ist das relevant: Je konsistenter Datenlieferung und Verarbeitung sind, desto weniger teuer wird späteres Re-Labeling oder das Korrigieren von Bias.
Aus historischer Perspektive ist der Schritt bemerkenswert, weil die KI-Trainingsökonomie immer wieder zwischen zwei Polen pendelte: erstens zwischen massenhaftem Labeling durch verteilte Arbeitskräfte, und zweitens zwischen automatisierten oder semiautomatisierten Datenerhebungen aus Produktnutzung. Frühe Ansätze konzentrierten sich stark auf externe Crowds, später kamen strukturierte Datenpipelines und zunehmend „synthetische“ Erweiterungen hinzu. Mode kombiniert beide Welten, indem es Konsumentendaten als skalierbare Rohbasis anbietet und die Einwilligung als zentrale Eintrittsbedingung setzt. Die Integration neuer Apps wirkt dabei wie eine langfristige Pipeline-Strategie: Jede zusätzliche Nischenanwendung kann neue Datentypen erschließen und so das Portfolio in Richtung „KI-tauglicher“ Datenvielfalt erweitern.
Der Ausblick von Novaes deutet zudem auf eine weitere Stufe hin: In Planung sei die Akquise von Apps, die Foto-Bibliotheken der Nutzerinnen und Nutzer für KI-Training zugänglich machen könnten. Damit würde Mode eine vielschichtige Mediendomäne erschließen, bei der Einwilligung, Zweckbindung und datenschutzrechtliche Transparenz besonders kritisch sind. Parallel bleibt die Wachstumslogik klar: Entweder entsteht ein einzelnes Großprodukt mit ähnlich hohen aktiven Nutzerzahlen wie bekannte Social-Plattformen, oder man erreicht „Billion“-Skalierung durch 1.000 Apps mit jeweils etwa einer Million monatlich aktiven Nutzern. Für Entwickler und Unternehmen ist das der eigentliche Zukunftspunkt: Wer Datenquellen mit nachvollziehbarer Zustimmung und vorhersehbaren Qualitäten bekommt, kann Trainingskosten und Compliance-Aufwände besser kalkulieren und damit schneller iterieren.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Mode Inc kauft Apps und will mit Einwilligungsdaten KI trainieren" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Mode Inc kauft Apps und will mit Einwilligungsdaten KI trainieren" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Mode Inc kauft Apps und will mit Einwilligungsdaten KI trainieren« bei Google Deutschland suchen, bei Bing oder Google News!