Tutorials

Outlier AI: Die ultimative Schritt-für-Schritt-Anleitung, um Projekte zu bekommen

Melden

Outlier AI bietet Freiberuflern, Fachexperten und Programmierern die Möglichkeit, fortschrittliche KI-Modelle durch Aufgaben wie RLHF (Reinforcement Learning from Human Feedback), Fact-Checking und Prompt-Engineering zu trainieren. Die Bezahlung ist oft überdurchschnittlich hoch, doch der Weg zum ersten stabilen Projekt kann verwirrend sein.

In dieser Anleitung erfährst du Schritt für Schritt, wie du dein Profil aufbaust, die Tests bestehst und kontinuierlich mit Projekten versorgt wirst.

Schritt 1: Das Fundament legen (Profil & Verifizierung)

Der Zuweisungs-Algorithmus von Outlier basiert auf den Daten, die du bei der Anmeldung angibst.

  1. Wähle deine Nische weise:
    • Gib Fachbereiche an, in denen du wirklich glänzen kannst (z. B. Softwareentwicklung/Coding, Mathematik, Physik, Linguistik oder kreatives Schreiben).
    • Wichtig: Sei ehrlich. Die Screening-Aufgaben für Experten-Tracks (z. B. Tier 3 Coder) sind extrem anspruchsvoll.
  2. Lebenslauf/LinkedIn hochladen:
    • Lade einen aktuellen Lebenslauf hoch. Outlier scannt diesen automatisiert nach Schlüsselwörtern.
  3. Identitätsprüfung (ID-Verification):
    • Schließe die Verifizierung (meist über Persona) sofort mit Ausweis/Pass ab. Ohne verifizierte Identität wirst du keinem Projekt zugewiesen.
  4. Kein VPN verwenden:
    • Achtung Bann-Gefahr: Nutze Outlier niemals über ein VPN oder einen Proxy. Das System sperrt Accounts bei unklarem Standort oft vollautomatisch und dauerhaft.

Schritt 2: Die Einstiegs-Assessments bestehen

Bevor du echte Projekte siehst, musst du allgemeine Screening-Tests bestehen. Hier scheitern die meisten Bewerber.

  • Nimm dir Zeit: Auch wenn es oft kein Zeitlimit gibt, hetze nicht. Lies jede Anweisung (Rubric) doppelt.
  • Das Regelwerk (Guidelines) ist Gesetz: Wenn in den Regeln steht: „Antworten müssen mindestens drei Absätze lang sein“, führt eine Antwort mit zwei Absätzen unweigerlich zum Durchfallen – egal wie gut der Inhalt ist.
  • Justifications (Begründungen) meistern: Bei fast allen Tests musst du erklären, warum Modell A besser ist als Modell B.
    • Schlecht: „Modell A klingt flüssiger und hat keine Fehler.“
    • Gut: „Modell A folgt der Negativ-Einschränkung aus dem Prompt (keine Adjektive zu verwenden) strikt, während Modell B in Zeile 3 zwei Adjektive enthält. Zudem liefert Modell A bei der Faktenprüfung zu [Thema] korrekte Quellen.“
  • Verwende Desktop: Mache Assessments niemals auf dem Smartphone. Halte Google Docs für Notizen und Fact-Checking-Tabs bereit.

Schritt 3: Projektspezifisches Onboarding absolvieren

Sobald du die allgemeinen Tests bestanden hast, erscheint auf deinem Dashboard das erste projektspezifische Onboarding (z. B. für Projekte wie Bulba, Flamingo, Pref-Eval etc.).

  1. Schulungsmaterial durcharbeiten: Klicke nicht einfach auf „Weiter“. Oft sind kleine Kontrollfragen eingebaut.
  2. Benchmark-/Assessment-Tasks:
    • Am Ende des Onboardings musst du 1 bis 3 Probe-Aufgaben lösen.
    • Diese werden oft von Senior-Taskern oder automatisch bewertet. Erst wenn du diese bestehst, wird deine „Queue“ (Warteschlange) für bezahlte Aufgaben freigeschaltet.
    • Wenn du hier durchfällst, wirst du aus dem Projekt entfernt und musst warten, bis das System dich für ein anderes Projekt vorschlägt.

Schritt 4: Projekt halten durch hohe Qualität (Qualitäts-Score)

Die Zuweisung von neuen Aufgaben hängt von deiner Task-Historie ab. Jeder deiner eingereichten Tasks wird stichprobenartig von „Reviewern“ auf einer Skala von 1 bis 5 bewertet.

  • Konstante 4er- und 5er-Bewertungen: Führen dazu, dass du mehr Aufgaben bekommst, in prioritäre Pools aufgenommen wirst oder selbst zum Reviewer befördert wirst (höherer Stundenlohn).
  • 1er- und 2er-Bewertungen: Führen schnell zur temporären oder dauerhaften Entfernung aus dem Projekt.

Tipps für hohe Bewertungen:

  • Fact-Checking belegen: Wenn du eine KI-Antwort als falsch markierst, füge den Link zur seriösen Quelle in deine Begründung ein.
  • Instruction Following priorisieren: Hat das Modell alle Teile der Benutzeranfrage beantwortet? Wenn der Nutzer nach 5 Punkten gefragt hat, das Modell aber nur 4 liefert, ist das ein schwerer Fehler.

Schritt 5: Community-Plattformen nutzen (Discourse / Slack)

Sobald du einem Projekt zugewiesen bist, erhältst du Zugriff auf ein projektbezogenes Forum (meist Discourse oder Slack).

  • Lies die „Pinned Posts“: Hier posten QM (Queue Manager) Updates zu Regeländerungen. Richtlinien bei generativer KI ändern sich wöchentlich.
  • Projekt pausiert? Oft liegt es nicht an dir, wenn du keine Aufgaben hast, sondern das Projekt hat global keine Daten mehr. Im Forum erfährst du sofort, ob das gesamte Projekt leer ist oder nur dein Account.

Häufiges Problem: „Empty Queue“ (EQ) – Was tun?

Fast jeder Tasker sieht früher oder später die gefürchtete Meldung: "No tasks available" (Empty Queue). So gehst du damit um:

  1. Füße stillhalten (24–48h): Oft werden Batches neu geladen oder Review-Runden abgewartet.
  2. Dashboard-Skills aktualisieren: Gehe in dein Profil und füge neue Fähigkeiten hinzu, falls verfügbar, um für andere Projekte infrage zu kommen.
  3. Support nicht zuspammen: Ein Support-Ticket wegen EQ bringt selten etwas, da der Support Aufgaben nicht manuell zuweist. Kontaktiere den Support nur, wenn du seit mehr als zwei Wochen ohne Erklärung komplett blockiert bist.

Zusammenfassung für deinen Erfolg

  1. Profil präzise ausfüllen (Fokus auf echte Stärken).
  2. Assessment-Guidelines wortwörtlich befolgen (Instruktionen sind wichtiger als dein Bauchgefühl).
  3. Ausführliche Begründungen schreiben (Begründe jede deiner Entscheidungen mit Beweisen).
  4. Auf Discourse/Slack aktiv bleiben (Verpasse keine Änderungen der Regeln).
  5. Geduld bei EQ (Projekte kommen in Wellen).
0