Wenn von künstlicher Intelligenz die Rede ist, die Millionen Beschäftigte in Thailand betrifft, entsteht schnell das Bild, dass Software Menschen in großem Umfang ersetzt. Die jüngsten Daten sprechen jedoch für einen komplizierteren Übergang.
Der thailändische National Economic and Social Development Council (NESDC) wendete einen Rahmen zur Exposition gegenüber generativer KI auf Arbeitsmarktdaten aus dem vierten Quartal 2025 an. Demnach arbeiten rund 8,7 Millionen Menschen oder 21,8% der thailändischen Erwerbsbevölkerung in Berufen, die potenziell von generativer KI betroffen sind.
Entscheidend ist die Aufteilung innerhalb dieser Zahl. Rund 2,2 Millionen Beschäftigte oder 5,4% der Erwerbsbevölkerung gehören zu einer Gruppe, in der Aufgaben teilweise ersetzt werden könnten. Deutlich größer ist mit 6,5 Millionen oder 16,3% die Gruppe, in der KI eher Aufgaben ergänzt und die Produktivität steigert, während zentrale Tätigkeiten weiter menschliche Fähigkeiten benötigen.
Die sinnvollere Frage lautet deshalb nicht nur: "Wie viele Jobs nimmt KI weg?" Wichtiger ist, welche Teile der Arbeit sich verändern und wohin sich der Wert menschlicher Arbeit verschiebt, wenn bestimmte Aufgaben billiger oder schneller werden.
KI-Exposition bedeutet nicht automatisch Jobverlust
Ein Beruf besteht meist aus vielen einzelnen Tätigkeiten. Manche lassen sich automatisieren, manche beschleunigen, andere hängen stark von Kommunikation, Verhandlung, Urteilsvermögen oder Verantwortung ab.
NESDC trennt die Effekte grob in zwei Gruppen. Task Replacement umfasst strukturierte, wiederholbare Aufgaben, bei denen KI einen Teil der Arbeit oder die gesamte Aufgabe übernehmen kann. Diese Gruppe wird auf etwa 2,2 Millionen Beschäftigte geschätzt und umfasst Teile von Büro-, Buchhaltungs- und Programmierarbeit.
Die größere Gruppe Task Augmentation mit rund 6,5 Millionen Beschäftigten umfasst Berufe, in denen KI einzelne Schritte übernehmen oder Informationen effizienter verarbeiten kann, während wichtige Aufgaben weiterhin Menschen benötigen.
Auch die regionalen Daten zeigen in diese Richtung. Die International Labour Organization schätzte, dass 2025 rund 22,9% der Beschäftigung in ASEAN-Berufen mehr als minimal gegenüber generativer KI exponiert waren, während nur 3,3% in die höchste Expositionsgruppe fielen. Bis Juli 2026 sah die ILO nur wenig Hinweise auf eine breite Verdrängung am Arbeitsmarkt durch generative KI.
Das macht das Risiko nicht unwichtig. Es zeigt aber, dass "Arbeit verändert sich" und "Jobs verschwinden" nicht dasselbe bedeuten.
KI erreicht oft zuerst die Aufgabe und erst später den ganzen Beruf
Ein Mitarbeiter im Finanzbereich sammelt Daten, erstellt Tabellen, prüft Auffälligkeiten, erklärt Ergebnisse und verantwortet Empfehlungen. Eine Marketingfachkraft recherchiert Kunden, erstellt Inhalte, bewertet Kampagnen, spricht mit Kunden und entscheidet über Budgets.
KI kann bei einigen dieser Schritte sehr schnell werden, ohne den Wert aller anderen Teile des Berufs zu beseitigen. Wenn KI in wenigen Minuten einen ersten Entwurf erstellt, sinkt möglicherweise der Wert dieses ersten Entwurfs. Wichtiger kann dagegen werden, zu erkennen, welchen Daten man vertrauen kann, wo etwas nicht stimmt, ob eine Schlussfolgerung zu riskant ist und welche Entscheidung folgen sollte.
Darum kann die reine Exposition eines Berufs gegenüber KI täuschen. Ein stark exponierter Beruf kann gleichzeitig Aufgaben enthalten, die leicht automatisierbar sind, und Aufgaben, bei denen KI die Produktivität erhöht, also mit denselben Ressourcen mehr nützlichen Output ermöglicht.
Wenn eine Aufgabe billiger wird, haben Unternehmen mehrere Optionen
Angenommen, Software verkürzt eine Stunde Arbeit auf fünfzehn Minuten. Die Kosten dieser Aufgabe sinken, aber die Reaktion des Unternehmens ist damit noch nicht festgelegt.
Das Unternehmen kann Personal reduzieren. Es kann aber auch das Team behalten, mehr produzieren, mehr Kunden bedienen, Produkte schneller testen oder Beschäftigte auf Tätigkeiten mit höherem Urteilsanteil verlagern. Wenn der Output pro Mitarbeiter steigt und zusätzliche Nachfrage vorhanden ist, kann KI Expansion unterstützen statt sofort Beschäftigung abzubauen.
Das Gegenteil ist ebenfalls möglich. Wenn die Nachfrage nicht wächst und nach der Automatisierung nur wenig wertvolle Arbeit übrig bleibt, steigt der Anreiz, Stellen abzubauen. Das Beschäftigungsergebnis hängt deshalb von Technologie, Geschäftsmodell, Nachfrage und der Fähigkeit der Beschäftigten ab, auf Tätigkeiten auszuweichen, bei denen KI schwächer ist.
Es gibt keine einfache Gleichung, nach der 20% mehr Produktivität automatisch 20% weniger Beschäftigung bedeutet.
Wertvoller könnte Arbeit werden, die Urteilsvermögen verlangt
Je besser Werkzeuge strukturierte Aufgaben übernehmen, desto knapper kann die Fähigkeit werden, Kontext zu verstehen, die richtige Frage zu stellen und Verantwortung für das Ergebnis zu übernehmen.
Die OECD berichtet, dass KI die Qualifikationsanforderungen in vielen Arbeitsplätzen erhöht. Mehr als die Hälfte der befragten Arbeitgeber im verarbeitenden Gewerbe und im Finanzsektor meldeten nach der Einführung von KI einen höheren Bedarf an gut ausgebildeten Beschäftigten. Gleichzeitig schätzt die OECD, dass weniger als 1% der Beschäftigten fortgeschrittene KI-Spezialkenntnisse wie Modellentwicklung oder KI-Programmierung benötigen werden.
Für die meisten Menschen ist ein breiteres Kompetenzprofil entscheidend: Daten nutzen, analysieren und interpretieren, Probleme lösen, kreativ arbeiten, organisieren und mit anderen Menschen umgehen.
Wenn KI die "erste Antwort" billiger macht, kann menschlicher Wert stärker darin liegen, das richtige Problem zu formulieren, Ergebnisse zu prüfen, sie in den Geschäftskontext einzuordnen und bei unvollständigen Informationen zu entscheiden.
Das unmittelbarere Risiko könnte die erste Stufe der Karriereleiter sein
Arbeitsmarktanpassung muss nicht als große Entlassungswelle auftreten. Sie kann auch bedeuten, dass weniger Einstiegsstellen angeboten werden.
Einstiegsjobs enthalten traditionell Aufgaben wie Informationssammlung, Entwurf von Dokumenten, Datenprüfung, einfache Analysen und strukturierte Problemlösung. Genau diese Aufgaben geben jungen Beschäftigten die Erfahrung, die sie später für Rollen mit mehr Urteilsverantwortung brauchen.
Daten des Stanford Digital Economy Lab aus den USA sind hier ein Warnsignal, aber kein Beleg dafür, dass Thailand bereits dasselbe Muster zeigt. Bis Juni 2026 lag die Beschäftigung von 22 – 25-Jährigen in stark KI-exponierten Berufen rund 19% unter dem Niveau, das sich ergeben hätte, wenn sie sich wie gleichaltrige Beschäftigte in weniger exponierten Berufen entwickelt hätte. Die Anpassung zeigte sich vor allem in schwächerer Einstellung und nicht in höheren Abgängen.
Stanford betont ausdrücklich, dass dies beschreibende Muster und keine Kausalschätzung des KI-Effekts sind. Trotzdem stellt sich eine wichtige Frage: Wenn KI mehr Junior-Aufgaben übernimmt, wie sammeln junge Menschen dann die Erfahrung für Senior-Rollen?
Nicht jeder muss KI-Ingenieur werden
Die Antwort auf KI sollte nicht mit der Annahme beginnen, dass jeder Machine Learning oder Modellentwicklung lernen muss.
In vielen Berufen kann der Vorteil darin liegen, das eigene Fach tiefer zu beherrschen, KI für repetitive Arbeit einzusetzen und die Teile zu stärken, die Fachwissen, Prüfung und Urteil brauchen. Ein Buchhalter kann KI zum Ordnen von Daten nutzen, muss Ergebnisse aber weiterhin verifizieren und interpretieren. Im Marketing kann KI Varianten erzeugen, doch Kundenverständnis, Budget, Marke und Geschäftsziele bleiben entscheidend.
Auch für Unternehmen gilt: Der Kauf eines KI-Tools erzeugt nicht automatisch Produktivitätsgewinne. Schlechte Daten, unklare Prozesse und schwache Kontrolle können Arbeit beschleunigen und gleichzeitig Fehler leichter skalieren lassen.
Die wirtschaftliche Chance liegt deshalb darin, Arbeit so neu zu gestalten, dass Menschen und KI jeweils die Teile übernehmen, in denen sie einen Vorteil haben, und Produktivitätsgewinne in wertvollere Produkte oder Dienstleistungen umzusetzen.
Worauf es als Nächstes ankommt
Das erste Signal ist die Einstellung von Berufseinsteigern in Thailand, besonders in Büroarbeit, Finanzen, Buchhaltung, Marketing, Technologie und einfachen Analysefunktionen. Wenn Junior-Stellen schneller zurückgehen als die Gesamtbeschäftigung, könnte dies auf eine Umgestaltung der Karriereleiter hinweisen.
Das zweite Signal sind die geforderten Fähigkeiten in Stellenanzeigen. Entscheidend ist nicht nur, ob "AI" erwähnt wird, sondern ob Analyse, Verifikation, Kommunikation, Projektmanagement und Branchenwissen wichtiger werden.
Das dritte Signal sind Löhne und Beschäftigung in KI-ergänzten Tätigkeiten im Vergleich zu leichter automatisierbaren Tätigkeiten. Eine wachsende Lücke würde die Arbeitsmarktwirkung von KI direkter zeigen als die Zahl der gekauften Tools.
Das letzte Signal sind Investitionen in Upskilling und Reskilling sowie die Frage, ob kleine und mittlere Unternehmen KI wirksam einsetzen können. Wenn Produktivitätsgewinne vor allem bei großen Unternehmen entstehen, könnten sich Effizienz- und Lohnunterschiede zwischen Firmen vergrößern.
KI kann den Wert einzelner Aufgaben senken. Das bedeutet nicht, dass der Wert menschlicher Arbeit im gleichen Tempo fällt. Entscheidend wird, welcher Teil eines Berufs übrig bleibt, nachdem KI eine Schicht von Aufgaben übernimmt, und ob Beschäftigte und Unternehmen schnell genug in diesen neuen Wert hineinwachsen.
