Forward-Deployed Engineers: Die menschliche Infrastrukturschicht der Agentic AI

Für den größten Teil von 2023–2025 lautete die dominierende Frage: Wie leistungsfähig sind die Modelle, wie viele GPUs werden benötigt, und wem gehört der Infrastruktur-Flaschenhals? Das war die AI-Capex-Phase, und der Markt honorierte die sichtbare Lieferkette — GPUs, HBM, Advanced Packaging, Foundry-Kapazität, Networking, Strom, Kühlung, Rechenzentren. Unser Rubin Build-Out-Index wurde genau dafür konstruiert, diese Kette zu verfolgen.

Die nächste Phase ist anders. Die Frage ist nicht mehr allein, ob das Modell denken, Code schreiben oder Tools aufrufen kann. Sie lautet, ob diese Fähigkeit in die realen Arbeitsabläufe von Banken, Versicherern, Regierungen, Industrieunternehmen, Krankenhäusern, Logistikkonzernen und regulierten Unternehmen eingebettet werden kann. Genau hier kommt der Forward-Deployed Engineer ins Spiel — und deshalb verfolgen wir ihn nun als Frühindikator für die Thesen zum Agentic Ecosystem (opex) und zu den Agentic Winners. Er ist das angebotsseitige Gegenstück zu unserer nachfrageseitigen Agentic Demand-Familie und die menschliche Kante derselben Übergabe, die wir im Pulse-Beitrag Opex Handover beschrieben haben.

Was ist ein Forward-Deployed Engineer?

Ein Forward-Deployed Engineer (FDE) ist ein Software-Ingenieur, der direkt innerhalb oder neben der Betriebsumgebung des Kunden arbeitet. Die Rolle wurde durch Palantir bekannt, dessen eigene Beschreibung den Forward-Deployed Software Engineer als jemanden definiert, der sich mit Kunden verzahnt, um die Plattform um deren schwierigste operative Probleme herum zu konfigurieren. Die Unterscheidung, die Palantir trifft, ist präzise: Ein normaler Product Engineer baut eine Fähigkeit für viele Kunden; der Forward-Deployed Engineer ermöglicht viele Fähigkeiten für einen Kunden.

Diese Unterscheidung ist entscheidend. Ein FDE ist kein Berater und nicht bloß Pre-Sales, Customer Success oder Implementierung. Der FDE sitzt an der Schnittstelle, an der Produkt, Code, Daten, Workflow und Geschäftsergebnis kollidieren. Die Aufgabe ist es, die Technologie in der Realität funktionieren zu lassen.

In der KI-Ära beschreibt OpenAI seine Forward-Deployed Engineers als Personen, die komplexe End-to-End-Deployments von Frontier-Modellen in der Produktion bei strategischen Kunden leiten — Discovery, technisches Scoping, Systemdesign, Build und Produktions-Rollout — und sagt, dass Erfolg gemessen wird an Produktionsadoption, messbarer Workflow-Wirkung und Feedback, das die Produkt- und Modell-Roadmaps verändert. Das ist der Schlüsselsatz. Der FDE hilft dem Kunden nicht dabei, „KI zu nutzen“. Der FDE übersetzt Frontier-Modell-Fähigkeit in messbare Produktions-Workflow-Wirkung.

Warum die Rolle existiert

Enterprise-KI ist nicht Plug-and-Play. Die Demo ist einfach; das Produktions-Deployment ist schwer. Ein Modell kann in einer kontrollierten Umgebung magisch wirken und trotzdem innerhalb eines Unternehmens scheitern, weil die reale Umgebung Legacy-Systeme, Berechtigungsebenen, fragmentierte Daten, Compliance-Beschränkungen, unzuverlässige Prozesslandkarten, Audit-Anforderungen, menschliche Freigabeschleifen und interne Politik enthält.

Die Belege sind unmissverständlich. Eine MIT-Studie (Project NANDA) aus 2025 untersuchte rund 300 öffentliche Enterprise-KI-Projekte und stellte fest, dass die große Mehrheit kaum oder keine messbare Gewinn-und-Verlust-Wirkung erzeugte — die Modelle funktionierten, aber die Deployments nicht. Die Lücke zwischen Fähigkeit und Ergebnis ist die Aufgabe des FDE.

Das gilt besonders für Agentic AI. Ein Chatbot kann am Rand des Unternehmens leben; ein Agent kann das nicht. Ein Agent muss Systeme der Aufzeichnung, Workflow-Engines, Datenschichten, Identitätssysteme, Ticketing, ERP, CRM, Code-Repositories, Dokumentenspeicher und Governance-Kontrollen berühren. Das verwandelt KI-Adoption von einem Modellauswahl-Problem in ein Deployment-Engineering-Problem — und der Forward-Deployed Engineer ist die Brücke.

Der FDE als AI-Opex-Infrastruktur

Der erste KI-Trade war Kapitalausgabe: Der Markt zahlte für die Fabriken der Intelligenz. Der nächste ist Betriebsausgabe: Unternehmen geben nun Geld aus, um diese Modelle innerhalb ihrer eigenen Systeme nutzbar zu machen — und diese Ausgaben fließen nicht nur in Tokens, sondern in Integration, Orchestrierung, Monitoring, Sicherheit, Governance, Workflow-Neugestaltung, Datenvorbereitung, Evaluierung, Agent-Betrieb und Human-in-the-Loop-Kontrolle.

Der FDE ist also nicht nur eine Berufsbezeichnung. Er ist ein Signal, dass der Markt in die Betriebs-Deployment-Phase eintritt. In der Capex-Phase war das knappe Gut Compute. In der Opex-Phase wird das knappe Gut Deployment-Kapazität — und Forward-Deployed Engineers sind eines der klarsten öffentlichen Signale dieser Verschiebung. (Warum der Kollaps der Pro-Token-Kosten diese Migration erzwingt, ist Thema unserer Notiz Inference Economics.)

Warum FDEs ein Frühindikator sind

FDE-Aktivität geht dem Umsatz voraus, weil Unternehmen diese Leute einstellen, bevor der Umsatz vollständig sichtbar wird. Ein Unternehmen baut keine FDE-Organisation auf, weil Kunden experimentieren; es baut eine auf, weil Kunden Systeme fordern, die in der Produktion funktionieren müssen. Die Logik ist einfach:

Keine ernsthafte Agentic-Adoption ohne Deployment-Komplexität. Keine Deployment-Komplexität ohne eingebettetes Engineering. Kein eingebettetes Engineering in der Breite ohne Forward-Deployed-Kapazität.

Wenn die FDE-Einstellungen steigen, sehen KI-Anbieter genug Kundennachfrage, um es zu rechtfertigen, teures Engineering-Talent neben den Kunden zu stellen. Das ist nicht dasselbe wie die Einstellung von Vertriebsmitarbeitern: Vertriebsmitarbeiter zeigen Pipeline an; FDEs zeigen Deployment-Friktion an — und, wichtiger noch, Deployment-Gelegenheit. Der Flaschenhals verschiebt sich von „Kann das Modell es tun?“ zu „Kann das Unternehmen es aufnehmen?“

Der neue Deployment-Stack

Agentic AI braucht einen neuen Betriebs-Stack; das Modell ist nur eine Komponente. Der eigentliche Stack umfasst Enterprise-Datenzugriff; semantische Schichten und Wissensgraphen; Identität und Berechtigungsvergabe; Workflow-Orchestrierung; API- und Tool-Integration; Observability und Evaluierung; Governance und Audit-Trails; menschliche Freigabeschleifen; Sicherheit und Compliance; Kostenkontrolle und Token-Budgetierung; sowie Change-Management innerhalb der Organisation.

Ein Forward-Deployed Engineer berührt viele dieser Schichten — deshalb ist FDE-Wachstum nicht nur für die Labs relevant, sondern auch für Anleger am öffentlichen Markt. Es deutet auf die Kategorien hin, die vom Opex-Übergang profitieren dürften: Datenplattformen, Observability-Anbieter, Identitätsanbieter, Workflow-Systeme, Orchestrierungsschichten, Cloud-Plattformen, Sicherheitsplattformen und Agentic-Infrastruktur-Unternehmen — dieselbe Landkarte wie unser Agentic Ecosystem-Index. Der FDE ist die menschliche Kante dieses Stacks.

Warum das Signal jetzt stärker wird

Das FDE-Modell ist längst nicht mehr nur eine Palantir-Geschichte. In einem Zeitraum von vier Monaten konvergierte die gesamte Wertschöpfungskette — Frontier-Labs, Hyperscaler, Software-Plattformen und IT-Dienstleister — auf dasselbe Deployment-Modell:

• OpenAI betreibt eigene Forward-Deployed-Engineering-Rollen in vielen Märkten (einschließlich München), die ausdrücklich als Leitung von Frontier-Modell-Deployments in Produktion bei strategischen Kunden beschrieben werden.
• Anthropic + DXC (11. Jun 2026) kündigten eine mehrjährige globale Allianz an, um Claude in unternehmenskritische Systeme zu bringen; DXC — ein Global-Premier-Partner — wird Zehntausende Claude-zertifizierte Forward-Deployed Engineers ausbilden, rekrutiert aus den eigenen Teams und in ~90 Tagen über die Anthropic Partner Academy zertifiziert.
• ServiceNow + Accenture (Knowledge 2026, Mai) starteten ein gemeinsames Forward-Deployed-Engineering-Programm, das agentische Workflows nativ auf der ServiceNow-Plattform aufbaut — über 300 vorgefertigte Agent-Skills, gesteuert über einen AI Control Tower — und führt Kunden vom Pilot bis zur Produktion, bevor ein unternehmensweiter Rollout erfolgt.
• AWS (30. Jun 2026) verpflichtete sich zu 1 Milliarde $ für eine Forward-Deployed-Engineering-Organisation, die Ingenieure direkt bei Kunden einbettet — Tausende Ingenieure, ~45-Tage-Deployment-Zyklen, Pods von fünf bis sechs Personen, frühe Kunden reichen vom Allen Institute über Cox Automotive, die NBA, die NFL, Ricoh bis Southwest — ausdrücklich „agentic-first“, wodurch sich Zeitpläne von Monaten auf Tage verdichten, nach OpenAI und Anthropic.
• IBM (22. Jul 2026, Q2-Earnings-Call) verpflichtete sich zu 8000 Forward-Deployed Engineers, um KI in Kundenunternehmen zu installieren — die größte einzelne FDE-Verpflichtung dieser Reihe, die die 1-Milliarde-$-Organisation von AWS drei Wochen nach deren Ankündigung übertrifft. Der Kontext schärft das Signal: Es kam im selben Quartal, in dem IBM meldete, dass der Z-Mainframe-Umsatz um 42% sank, während die verteilte Infrastruktur um rekordhohe 37% wuchs — der Deployer richtet seine Zukunft neu aus, weg vom Verkauf großer Rechner hin zur Installation von Intelligenz.

Wenn Frontier-Labs, Hyperscaler, Software-Plattformen und große IT-Dienstleister sich alle auf dasselbe Modell zubewegen, sagt der Markt etwas: Agentic AI wird nicht als Software-Upgrade adoptiert, sondern als Betriebstransformation. Das erfordert Menschen, nicht nur Modelle.

Die bullische Lesart

FDE-Wachstum bedeutet, dass die Enterprise-KI-Nachfrage real genug ist, um teure technische Arbeitskraft zu rechtfertigen — Unternehmen betten keine Ingenieure bei Kunden ein, wenn der kommerzielle Gewinn nicht groß ist. Das ist bullisch für Agentic AI, weil Agenten reale Workflows brauchen, und bullisch für die Infrastruktur rund um Agenten: Sobald Kunden vom Pilot zur Produktion übergehen, benötigen sie Observability, Berechtigungen, Orchestrierung, Memory, Retrieval, Datengovernance, Identität, Sicherheit und Kostenkontrolle. FDE-Wachstum kann steigende Nachfrage über den gesamten Agentic-Infrastruktur-Stack ankündigen.

Die bärische Lesart

Es gibt ein reales Risiko. Eine steigende FDE-Zahl kann bedeuten, dass das Produkt noch nicht skalierbar ist. Wenn jedes Kunden ein großes eingebettetes Team benötigt, beginnt das Geschäft mehr wie Consulting als wie Software auszusehen: Es kann große Accounts gewinnen, während die Bruttomargen unter Druck geraten, und es kann offenbaren, dass Agentic AI noch zu maßgeschneidert, zu fragil und zu workflow-spezifisch ist, um saubere zu skalieren.

Das Signal muss also im Kontext gelesen werden. FDE-Wachstum ist konstruktiv, wenn es mit steigenden Produktions-Deployments, Vertragsausweitung, Nutzungswachstum, RPO, Net Revenue Retention und wiederholbaren Produktmustern einhergeht. Es ist fragwürdiger, wenn es mit Margendruck, endloser Individualisierung, schwacher Produktwiederverwendung und langsamem Rollout einhergeht. Die besten Unternehmen nutzen FDEs als Lernsensoren — Deployment in Kundenumgebungen, Entdeckung wiederkehrender Muster, Umwandlung in Produktfunktionen, dann Skalierung mit weniger menschlichem Aufwand über Zeit. Die schwächeren vermieten schlicht Ingenieure unter einem KI-Label. Wahrscheinlichkeit, nicht Prophezeiung: Der Indikator zeigt die Richtung der Bewegung, nicht das Ziel.

Wie wir es messen

Das Signal sollte keine einzelne Stellenanzeigen-Zählung sein; es sollte ein Composite sein. Das Framework, das wir verfolgen:

1. FDE Hiring Intensity — Forward-Deployed-, Deployment-, Applied-AI- und Customer-Engineering-Rollen, die von KI-Unternehmen ausgeschrieben werden.
2. FDE Share of Engineering — welcher Anteil der gesamten Engineering-Einstellungen sich hin zu Kunden-Deployment bewegt (größennormiert).
3. FDE Geographic Breadth — wie viele Regionen und Städte FDE-Einstellungen zeigen; Enterprise-Deployment ist lokal, regulatorisch geprägt und beziehungsintensiv.
4. FDE Organization Maturity — nur Individual Contributors, oder auch FDE-Manager, Deployment-Leads und Plattform-Rollen?
5. FDE-to-Sales Ratio — Ingenieure, um Deployments zum Funktionieren zu bringen, oder Vertriebsmitarbeiter, um Pipeline zu erzeugen?
6. FDE-to-Research Ratio — verschiebt sich für die Labs der Schwerpunkt von Modellforschung hin zu Kunden-Deployment?
7. Partner-Certified FDE Capacity — Deployment-Ingenieure, ausgebildet über Allianzen (Anthropic–DXC, ServiceNow–Accenture).
8. Earnings-Call Deployment Language — sprechen Managements zunehmend über Produktions-Deployment, Workflow-Automatisierung, agentische Systeme und messbare Ergebnisse?
9. Production Deployment Count — reale, namentlich genannte Produktions-Rollouts im Vergleich zu Piloten und Proofs of Concept.

Vom Signal zum Closelook-Index

Closelooknet verfolgt diesen Übergang mit einem eigenen Forward Deployment Intensity-Framework — einem Maß dafür, wie schnell sich der Markt von Modellfähigkeit zu agentischer Produktionsadoption bewegt. Es kombiniert öffentliche Daten: Stellenanzeigen und Karriereseiten von Unternehmen, Partnerankündigungen, Earnings-Call-Transkripte und Ankündigungen von Kunden-Deployments. Das Ziel ist nicht, mechanisch eine einzelne Berufsbezeichnung zu zählen; es ist, einen strukturellen Wandel zu messen — KI, die sich von Demo-Software zu Betriebsinfrastruktur bewegt. Das Framework ist um drei Linien aufgebaut:

1. FDE Hiring Index — Forward-Deployed-/Deployment-Engineering-Intensität über die Labs, Hyperscaler, Cloud-Plattformen, Software-Anbieter, Datenunternehmen und Agentic-Infrastruktur-Anbieter hinweg. Linie A live als Forward Deployment Pulse.
2. FDE Partner Capacity Index — zertifizierte oder angekündigte Deployment-Kapazität über IT-Dienstleister, Beratungen und Plattform-Allianzen. In Aufbau.
3. AI Production Deployment Index — ein harter Filter für reale Evidenz: namentlich genannte Kunden, Produktions-Rollouts, Integrationen in regulierten Branchen, messbare Einsparungen, Nutzungsausweitung, unternehmensweite Skalierung. In Aufbau.

Zusammen zeigen diese Linien, ob Agentic AI lediglich diskutiert wird oder tatsächlich in Enterprise-Workflows aufgenommen wird. Es ist die Brücke vom AI-Capex-Trade zum AI-Opex-Trade: Die Capex-Phase wurde in GPUs, HBM, CoWoS-Kapazität, Strom und Rechenzentrums-Ausgaben gemessen; die Opex-Phase wird in Deployment-Ingenieuren, Produktionsagenten, Workflow-Durchdringung, Orchestrierung, Observability, Identität, Governance und Nutzungsökonomie gemessen. Der Forward-Deployed Engineer sitzt im Zentrum dieses Übergangs — deshalb behandeln wir die FDE-Intensität als Frühindikator für agentische Adoption, neben unseren bestehenden Frameworks zu AI Capex, AI Opex und AI Applications.

Dies ist Forschung und Positionierungslogik — eine Referenz-Tagebuch-Perspektive, keine Anlageberatung; nichts hier ist eine Empfehlung.

Verfolgen Sie den Moment, in dem KI aufhört, eine Modell-Geschichte zu sein, und zu einer Betriebssystem-Geschichte wird.

Stay close. Look closer.

Verwandt auf Closelook

• Forward Deployment Pulse — die tägliche Live-Zählung der FDE-Einstellungen, auf der dieses Paper aufbaut
• The Opex Handover — warum der KI-Trade rotiert und nicht kippt
• Agentic Ecosystem — die Operate/OPEX-Schicht · Agentic Winners — die Wertschöpfungsschicht
• Agentic Demand-Familie — das nachfrageseitige Gegenstück zu diesem angebotsseitigen Signal
• 101: Agentic Disruption · Inference Economics · Work as a Service

Quellen (verifiziert 2026-06-30)

• Palantir — Rollenbeschreibung Forward-Deployed Software Engineer (palantir.com/careers)
• OpenAI — Rollenbeschreibungen Forward-Deployed Engineer (openai.com/careers)
• Indeed/Live Data Technologies — FDE-Ausschreibungen 643 (Apr 2025) → 5330 (Apr 2026), +729% im Jahresvergleich (ein Messwert; andere Auswertungen berichten ~1165% im Jahresvergleich und ~10-fach über 18 Monate)
• MIT Project NANDA (2025) — ~300 öffentliche Enterprise-KI-Projekte; große Mehrheit kaum/keine messbare GuV-Wirkung
• Anthropic / DXC — „DXC and Anthropic announce multi-year global alliance“, 11. Jun 2026 (anthropic.com/news; dxc.com Newsroom)
• ServiceNow / Accenture — „Forward deployed engineering program to scale agentic AI“, Knowledge 2026, Mai 2026 (servicenow.com / accenture.com Newsroom)
• AWS — „$1 billion forward-deployed AI engineer organization“, 30. Jun 2026 (aboutamazon.com/news/aws; TechCrunch; SiliconANGLE)
• IBM — Q2-2026-Earnings-Call, 22. Jul 2026: 8000 Forward-Deployed Engineers für Kunden-KI-Deployments verpflichtet (ibm.com/investor; Call-Transkript)