Amazon Mechanical Turk nimmt keine Neukunden mehr an

Seit dem 30. Juli 2026 nimmt Amazon Mechanical Turk keine neuen Kunden mehr an. Bestehende Nutzer sollten laut Mitteilung auf der MTurk-Website weiterhin Zugriff behalten. Für neue Projekte fällt damit ein früher selbstverständlicher Baustein weg: menschliche Prüfarbeit lässt sich nicht mehr kurzfristig über einen offenen MTurk-Zugang organisieren.

Wer Human-in-the-loop-Kapazität einkaufen will, braucht deshalb einen anderen, belastbaren Weg. Das betrifft Agenten-Evaluationen ebenso wie manuelle Freigaben und Datenprüfungen.

Was sich bei Mechanical Turk geändert hat

Amazon formulierte auf der MTurk-Startseite: „Amazon Mechanical Turk will be closed to new customers, effective July 30, 2026. Existing users will not be impacted by this change.“ Die Mitteilung trennt damit klar zwischen neuen Kunden und bereits bestehenden Accounts.

Mechanical Turk war über Jahre ein verbreiteter Weg, menschliche Arbeit in digitale Abläufe einzubauen: Daten prüfen, Texte gegenlesen, Umfragen ausspielen, Inhalte moderieren oder Labels erzeugen. Gerade frühe KI- und Datenprojekte konnten so kurzfristig viele Urteile einholen, ohne zunächst eine eigene Review-Struktur aufzubauen.

Diese Abkürzung steht neuen Kunden nicht mehr offen. Ein allgemeiner MTurk-Zugang taugt daher nicht länger als spontan buchbarer Review-Backstop für neue Vorhaben.

Amazon verweist auf spezialisierte Angebote

Auf derselben Seite nennt Amazon SageMaker Ground Truth und Ground Truth Plus als Alternativen. Nach Angaben des Unternehmens unterstützt Ground Truth den Aufbau eigener Labeling-Workflows und Workforce-Setups; Ground Truth Plus bietet einen verwalteten Dienst mit einer Experten-Workforce. Über diese Angebote soll MTurk weiterhin erreichbar sein.

Die Verschiebung ist deutlich: Menschliche Datenarbeit rückt näher an einen ML-Stack mit festgelegten Prozessen und Workforce-Modellen. Das ist aufwendiger als eine schnell vergebene Einzelaufgabe, kann aber für verlässliche Prüfungen sinnvoller sein.

Bei Agentensystemen reicht ein einzelnes Label ohnehin selten aus. Reviewer müssen häufig gemeinsam beurteilen, welches Tool gewählt wurde, welcher Kontext vorlag, welche Aktion ausgelöst wurde und ob das Ergebnis fachlich stimmt. Eine Ja-Nein-Frage an einen anonymen Klickmarkt bildet diese Kette nur unzureichend ab.

Was neue Projekte jetzt einplanen sollten

Zuerst muss klar sein, welche Entscheidung ein Mensch tatsächlich prüfen soll. Eine schnelle Sichtkontrolle hilft wenig, wenn geklärt werden muss, ob ein Agent ein Risiko übersehen oder einen Prozessschritt falsch interpretiert hat.

In produktiven Workflows wird Review damit zum Teil des Betriebsmodells. Sobald Agenten E-Mails sortieren, Deployments anstoßen oder Kundendaten verarbeiten, braucht es nachvollziehbare Testfälle, klare Bewertungskriterien und Eskalationswege. Mehr Bearbeiter allein schaffen noch keine verlässliche Kontrolle.

Auch die Fehlerdiagnose verlangt fachliche Tiefe. Ein Team muss unterscheiden können, ob ein Problem im Modell, im Tool, im Prompt oder im Ablauf entstanden ist. Geeignete Reviewer oder interne Prüfpfade kosten mehr, liefern aber eher eine Diagnose, mit der sich das System verbessern lässt.

Die Konsequenz für Agentensysteme

Menschliche Kontrolle sollte sich am realen Risiko orientieren. Wer prüft Unsicherheit? Wer stoppt riskante Aktionen? Und wer entscheidet, ob ein formal erfolgreicher Tool-Aufruf fachlich korrekt war?

Diese Rollen dürfen nicht erst nach einem Zwischenfall entstehen. Sie gehören mit Prüfkriterien und Eskalationswegen in das Systemdesign. Human-in-the-loop ist keine Restarbeit am Ende, sondern eine Sicherheitsfunktion des laufenden Betriebs.