10 Probleme für Firmen mit KI-Gesetz und Datenschutz

In den ersten Monaten im Jahr 2026 gibt es in Vietnam zwei wichtige Gesetze. Das Gesetz zum Schutz von persönlichen Daten und das Gesetz für Künstliche Intelligenz (KI) gelten jetzt. Dazu gibt es neue Regeln, besonders für Big Data. Das sind sehr große Datenmengen. Die Regeln sind sehr streng.

Der Autor ist Experte für Daten und KI-Training. Er interessiert sich für Menschenrechte und Privatsphäre. Er hat oft über die Probleme von Algorithmen geschrieben, die Menschen beobachten. Er findet die neuen Gesetze gut. Das zeigt: Die Politik versteht, wie wichtig Regeln für die digitale Zeit sind.

Aber es gibt ein Problem: Firmen müssen beide Gesetze gleichzeitig befolgen. Das ist manchmal technisch unmöglich. Auch mit gutem Willen und viel Geld können Firmen nicht beide Gesetze komplett befolgen. Dieser Artikel zeigt 10 Probleme. Das wichtigste Problem kommt zuerst.

Problem 1: Öffentliche Daten sammeln für das Training von KI

Das ist das schwierigste Problem für Firmen. Wenn es keine Lösung gibt, ist das schlecht für die KI-Industrie in Vietnam.

Das KI-Gesetz sagt in Artikel 7: Man darf keine Daten sammeln und nutzen, die gegen das Datenschutz-Gesetz, gegen das Recht für geistiges Eigentum oder gegen die Sicherheit im Netz sind. Das gilt für die Entwicklung und den Betrieb von KI.

Das Datenschutz-Gesetz sagt in Artikel 9: Für persönliche Daten braucht man eine Erlaubnis. Die Erlaubnis muss klar, freiwillig und positiv sein. Sie muss für jeden Zweck extra gegeben werden. Die Regel 356 ist noch strenger: Big Data darf man nur für einen klaren und bestimmten Zweck nutzen.

Aber um ein großes Sprachmodell (LLM) zu bauen, braucht man Milliarden von Tokens auf Vietnamesisch. Ein Token ist eine kleine Einheit von Text. Die einzige praktische Methode ist Web Scraping. Das bedeutet: Man sammelt automatisch öffentliche Daten aus dem Internet. Dabei sammelt man sicher auch Namen, E-Mails, persönliche Meinungen und Fotos aus Texten und Kommentaren.

Wenn man das Gesetz sehr streng versteht, braucht man für alle diese Daten eine klare und freiwillige Erlaubnis. Die Firma muss dann Millionen von Menschen fragen: "Darf ich deine Daten für KI-Training nutzen?" Das ist unmöglich.

In Vietnam gibt es dafür noch keine Lösung wie "Fair Use" (faire Nutzung) oder "Legitimate Interest" (berechtigtes Interesse). In der EU gibt es diese Ideen. Die EU nutzt sie flexibel für ihr KI-Gesetz.

Persönliche Meinung des Autors: Das ist der schwierigste Graubereich. Wenn man das Gesetz sehr streng versteht und es keine technische Lösung gibt, um jede Quelle im Netz zu prüfen, sind Firmen sehr unsicher. Sie haben Angst, dass sie ihre KI-Modelle löschen müssen. Diese Modelle haben Millionen US-Dollar gekostet.

Bild: Mỹ Hạnh

Problem 2: Technische Grenze beim Recht auf Vergessenwerden

Seit Anfang 2026 haben alle Bürger in Vietnam das Recht, die Löschung ihrer persönlichen Daten zu verlangen. Die Daten sollen aus allen Systemen gelöscht werden. Regel 356 sagt: Firmen müssen in 2 Arbeitstagen antworten und die Löschung in 20 Tagen fertig machen.

Für eine normale Datenbank ist diese Regel normal. Ein Techniker kann einfach einen Befehl schreiben, zum Beispiel DELETE FROM users WHERE id = ... und die Daten sind weg.

Aber für KI-Systeme ist diese Regel technisch unmöglich. Das gilt besonders für Sprachmodelle (LM - Language Model). Daten in KI sind wie ein Fluss in nur eine Richtung. Man kann sie fast nicht zurückverfolgen.

In einem trainierten neuronalen Netz gibt es persönliche Daten nicht mehr als normalen Text. Man kann sie nicht mehr lesen. Die Daten sind jetzt Teil von Milliarden von mathematischen Gewichten (weights und biases). Sie sind im ganzen Modell verteilt. Es ist sehr schwer, die Daten von einer Person zu finden und zu löschen, ohne das Modell kaputt zu machen. Experten nennen dieses Problem Machine Unlearning. Im Mai 2026 gibt es auf der Welt noch keine komplette Lösung dafür.

In einem trainierten neuronalen Netz gibt es persönliche Daten nicht als normalen Text, sondern sie sind Teil von Milliarden von mathematischen Gewichten im ganzen Modell. Foto: Magnific.

Das häufigste Problem beim "Vergessen" ist catastrophic forgetting. Das bedeutet: Wenn das Modell versucht, eine Information zu vergessen, verliert es auch andere Fähigkeiten, die nichts damit zu tun haben. Die einzige sichere Methode ist, das Modell von Anfang an neu zu trainieren (retrain). Das kostet für ein mittleres Modell hunderttausende bis Millionen US-Dollar für Computer-Leistung.

Wie kann eine kleine oder mittlere Firma in 20 Tagen ein großes Modell neu trainieren? Die Antwort ist: Das ist unmöglich. Das sagt der Autor auf Basis der Technik und Infrastruktur in Vietnam zum Zeitpunkt des Artikels.

Persönliche Meinung des Autors: Das ist ein klassisches Beispiel dafür, wie ein altes Gesetz neue Technik reguliert. Der Autor denkt, man braucht eine andere Lösung.