- Ein AWS-Bericht vom Oktober 2026 untersuchte 4.420 Start-ups in 20 Ländern. Dabei zeigte sich, dass 15 % physische KI entwickeln, darunter Roboter, unbemannte Luftfahrzeuge (UAVs), autonome Fahrzeuge und intelligente Geräte.
- Vietnam gehört zur Gruppe der aufstrebenden Märkte. Dort entwickeln 10 % der Start-ups physische KI – weniger als in Deutschland (24 %), Japan (21 %), Südkorea (20 %) und Singapur (17 %).
- Die größte Lücke liegt nicht bei der Technologie, sondern bei der Kommerzialisierung. Nur 26 % der Start-ups, die physische KI entwickeln, halten den Markt für einsatzbereit.
- Bei den Entwicklungsbedingungen bewerten 68 % das verfügbare Fachkräftepotenzial positiv, 60 % die Lieferketten, 46 % das Investitionskapital und 40 % das regulatorische Umfeld.
- 76 % prognostizieren, dass sich physische KI in den kommenden fünf Jahren weit verbreiten wird. Das verarbeitende Gewerbe liegt mit 55 % an erster Stelle, gefolgt von Logistik (52 %) und Gesundheitswesen (36 %).
- Cloud Computing ist für 72 % der Start-ups unverzichtbar. Zudem betrachten 62 % Simulationen und synthetische Daten als entscheidende Faktoren.
- In Vietnam berichten 40 % der Start-ups, dass ihre Kunden der Effizienzsteigerung Vorrang vor dem Ersatz von Arbeitskräften geben.
- AWS empfiehlt Praxistests unter realen Bedingungen, technische Weiterbildung, eine Verbesserung der rechtlichen Rahmenbedingungen sowie die Nutzung öffentlicher Beschaffung, um eine erste Nachfrage zu schaffen.
📌 Der Bericht zeigt Entwicklungschancen für physische KI in Vietnam auf, insbesondere in der Fertigung, Logistik und Landwirtschaft. Da sich bislang 10 % der Start-ups in diesem Bereich engagieren, besteht die größte Herausforderung darin, von der Forschung zur kommerziellen Anwendung überzugehen. Die Politik sollte Testumgebungen, Sicherheitsstandards, die Ausbildung von Fachkräften und die Unterstützung von Unternehmen bei der Einführung entsprechender Lösungen priorisieren. Die Wirksamkeit der Einführung sollte insbesondere anhand von Produktivität, Qualität und Kosten bewertet werden – nicht nur anhand der Anzahl experimenteller Modelle.

