Sie werden Ihren Job nicht an KI verlieren. Sie werden ihn an jemanden verlieren, der KI einsetzt.

Einblicke vom Scaling Business Summit 2026, Ho-Chi-Minh-Stadt.

Dru Nguyen, Managing Partner von Tictag, eröffnete die Sitzung mit einer Handerhebung. Mehr als die Hälfte des Raums nutzte bereits KI in ihren Unternehmen. Seine Sitzung debattierte nicht, ob KI wichtig ist. Sie befasste sich mit etwas Nützlicherem: warum KI-Tools in lokalen Märkten versagen und was das für Unternehmen bedeutet, die KI in Südostasien aufbauen oder einsetzen.

1. KI ist nicht die Bedrohung. Untätigkeit ist es.

Beim Weltwirtschaftsforum nutzte Jensen Huang einen Radiologen als Beispiel. Scannen, Markieren, Dokumentieren – KI übernimmt die repetitive Schicht. Der Mensch konzentriert sich auf das, was nicht automatisiert werden kann: Urteilsvermögen, Erfahrung, Patientenversorgung.

Drus Version war direkter. “Sie werden Ihren Job nicht an KI verlieren, aber Sie werden ihn an jemanden verlieren, der KI einsetzt.” Das ist keine Zukunftswarnung. Es ist eine aktuelle Einstellungs- und Schulungsentscheidung.

Lektion 1: KI-Adoption ist kein Wettbewerbsvorteil mehr. Sie ist ein Grundstandard. Die Frage ist, wie schnell Ihr Team damit vertraut wird.

2. Jedes KI-Modell läuft auf einer Datenpipeline, die die meisten Menschen nie sehen

Bevor ein KI-Modell identifizieren, klassifizieren oder vorhersagen kann, braucht es Rohdaten, Annotation und Qualitätskontrolle. Rohdaten sind unverarbeitete Videos, Bilder oder Texte. Annotation gibt ihnen Kontext und Labels. Qualitätskontrolle überprüft die Genauigkeit, bevor das Modell trainiert wird.

Dru veranschaulichte dies mit einem intelligenten Mülleimer, der Abfall in Kompost, Wegwerfprodukte und Dosen sortiert. Die Hardware ist einfach. Die Intelligenz kommt von Tausenden verifizierten, beschrifteten Datenpunkten. Jede Nutzerkorrektur verbessert das Modell.

„Ohne Genauigkeit sind die Daten Müll. Man kann sie nicht verwenden.“

Lektion 2: Bevor Sie ein KI-Tool auswählen, fragen Sie, mit welchen Daten es trainiert wurde und wie diese Daten verifiziert wurden. Die Genauigkeit auf der Annotationsebene bestimmt alles Nachgelagerte.

3. Die meiste KI wurde nicht für Südostasien entwickelt

Die großen LLMs und Spracherkennungstools, die die meisten Unternehmen nutzen, werden vorwiegend auf westlichen Datensätzen trainiert. Sie funktionieren gut auf Englisch und in international standardisierten Kontexten. Sie funktionieren deutlich schlechter bei lokalen Sprachen, regionalen Akzenten und kulturellen Nuancen.

Drus konkretes Beispiel: Ein Modell, das nicht zwischen einem nordvietnamesischen und einem südvietnamesischen Akzent unterscheiden kann, hat ein grundlegendes Genauigkeitsproblem für jede sprachabhängige Anwendung. „Obwohl es Vietnamesisch ist, werden noch immer unterschiedliche Vokabeln verwendet.“ Auf westlichen Daten trainierte Modelle behandeln sie als identisch. Sie sind es nicht. Das ist es, was souveräne KI in der Praxis bedeutet: Länder entwickeln Trainingsdaten, die ihre eigene Sprache, Kultur und ihren Kontext widerspiegeln, anstatt die eines anderen zu borgen.

Lektion 3: Auf westlichen Daten trainierte KI hat in südostasiatischen Kontexten eine messbare Genauigkeitslücke. Lokale Sprach- und Kulturanwendungen brauchen lokal beschaffte Trainingsdaten.

4. Die Bildungslücke ist die Arbeitskräftelücke

Ein Singapurer Wirtschaftsstudent, den Dru beschrieb, war verpflichtet, LLMs für jede Aufgabe zu nutzen und jeden Schritt zu dokumentieren. Das Ergebnis: ein komplettes Restaurantkonzept, Menü, Branding, Inhalte, Positionierung – erstellt und dokumentiert mit KI. Ein Student. Ein Projekt.

Vietnams Schulsystem ist noch nicht so weit. Der Wunsch nach KI-Bildung ist vorhanden. Die Infrastruktur nicht. „Wenn Sie in der Schule keine KI verwenden dürfen, wie werden Sie jemals in der realen Welt konkurrieren können?“ Absolventen, die jetzt in den Markt eintreten, wurden ohne sie ausgebildet. Unternehmen, die intern KI-Kompetenz aufbauen, warten nicht darauf, dass das System aufholt – sie bauen jetzt einen sich verstärkenden Vorteil auf.

Lektion 4: Vietnams KI-Bildungslücke ist eine Arbeitskräftelücke. Bauen Sie intern KI-Kompetenz auf. Warten Sie nicht darauf, dass das Schulsystem sie liefert.

Das CEO-Execution-Playbook: Was Sie morgen tun sollten

1. 1. Testen Sie Ihre KI-Tools mit lokalen Eingaben. Führen Sie Ihre Sprach- oder Spracherkennungstools gegen nord- und südvietnamesische Akzente aus. Wenn die Genauigkeit sinkt, haben Sie ein Trainingsdatenproblem.
2. 2. Fragen Sie Anbieter nach Trainingsdaten. Bevor Sie ein KI-Modell lokal einsetzen, fragen Sie, womit es trainiert wurde. Westlich ausgerichtete Antworten sollten Ihre Genauigkeitserwartungen beeinflussen.
3. 3. Kartieren Sie repetitive Aufgaben in der Woche Ihres Teams. Identifizieren Sie die fünf zeitaufwändigsten wiederholbaren Aufgaben. Testen Sie, ob ein LLM eine davon übernehmen kann. Dokumentieren Sie, was funktioniert, und verbreiten Sie es.
4. 4. Bauen Sie jetzt intern KI-Kompetenz auf. Grundlegendes Prompting, Workflow-Integration, Tool-Dokumentation. Warten Sie nicht auf das Bildungssystem.

→ Den vollständigen Vortrag auf YouTube ansehen