Der erste Konsens der Agenten-Ära hat sich herauskristallisiert: Das Modell ist nicht länger der Engpass; die Menschen sind es.
In nur einer Woche pumpte OpenAI 4 Milliarden Dollar hinein, Anthropic ließ sich im FIS-Hauptquartier nieder, und Google gab die Einstellung von Hunderten von Mitarbeitern bekannt – drei KI-Giganten setzen gleichzeitig auf dieselbe Rolle: FDE.
Am 11. Mai 2026 gab OpenAI die Gründung der "OpenAI Deployment Company" mit einer Anfangsinvestition von 4 Milliarden Dollar bekannt. Ihr Kerngeschäft ist einfach: Ingenieure in Kundenunternehmen zu "entsenden", um ihnen bei der Inbetriebnahme von KI zu helfen.
Nur eine Woche zuvor hatte Anthropic sein Ingenieursteam in den Fintech-Riesen FIS eingebettet, mit dem Ziel, Geldwäscheermittlungen bei BMO und der Amalgamated Bank bis zur zweiten Jahreshälfte 2026 "von Stunden auf Minuten" zu verkürzen. Eine Woche davor ging Google Cloud CEO Thomas Kurian persönlich auf LinkedIn, um "Hunderte" von Leuten zu rekrutieren – ein Beitrag, der auf X 1,3 Millionen Aufrufe erzielte.
Die Rolle, auf die alle drei Unternehmen abzielen, ist dieselbe: Forward Deployed Engineer (FDE).
Eine Rolle, die zwanzig Jahre lang nur bei der "alternativen" Softwarefirma Palantir beliebt war, ist plötzlich zum angesagtesten Job in der KI-Branche im Jahr 2026 geworden. Manche skandieren den Slogan: FDE ist das PMF-Paradigma der Agenten-Ära.
Ist dieses Urteil tiefgründige Einsicht oder Wunschdenken? Um das zu beantworten, müssen wir klären: Was genau ist ein FDE, warum wurde er 2026 plötzlich zur Notwendigkeit, wie ist sein Verhältnis zu "PMF" – und wo liegen seine Grenzen?
I. Was ist FDE: Kein Vertriebsingenieur, Kein Berater
Zunächst übersetzen wir zwei Begriffe, die die Voraussetzung für alle weiteren Diskussionen sind.
PMF (Product-Market Fit) ist der "Heilige Gral" der Silicon-Valley-Startups. Es bedeutet, dass Ihr Produkt eine echte Marktnachfrage perfekt erfüllt und der Markt bereit ist, dafür zu zahlen, es wiederzukaufen und es weiterzuempfehlen. Bevor ein Startup den PMF findet, fühlt es sich an, als würde es gegen den Strom schwimmen; danach ist es, als würde man flussabwärts treiben.
FDE steht für "Forward Deployed Engineer", wurde aber ursprünglich nicht so definiert. Die Rolle wurde von Palantir Anfang der 2000er Jahre erfunden, als ihre Kunden US-Geheimdienste waren – Leute, die "nicht klar sagen konnten, was sie wollten, ihre Daten nicht sehen ließen und deren Arbeitsabläufe sich ständig änderten".
Palantir-Mitbegründer Shyam Sankar hat einen klassischen Ausspruch: "Wenn ein Problem durch ein Anforderungsdokument gelöst werden könnte, wäre es längst gelöst."
Also tat Palantir etwas Unkonventionelles: Sie hörten auf, Kunden zu fragen "was willst du", und schickten stattdessen Ingenieure direkt in Kundenbüros, Militärstützpunkte und sogar Flugzeugmontagehallen, um gemeinsam mit ihnen Code zu schreiben. Diese Leute wurden bei Palantir "Deltas" genannt – sie mussten die gleichen technischen Interviews bestehen, arbeiteten aber auf Luftwaffenstützpunkten, in Bank-Backoffices und Krankenhaus-IT-Systemen statt in offenen Büros in Palo Alto.
Dies unterscheidet sich von drei gängigen Rollen in traditionellen Softwareunternehmen:
- Vertriebsingenieure kümmern sich um Pre-Sales-Demos und gehen, sobald der Vertrag unterschrieben ist;
- Lösungsarchitekten bieten hauptsächlich technische Beratung und schreiben keinen Produktionscode;
- Berater liefern in der Regel Methoden und Ergebnisse, beteiligen sich aber nicht an der Produktiteration des Anbieters.
Die Einzigartigkeit eines FDE besteht darin, dass er den Produktionscode des Kunden schreibt und gleichzeitig häufige Probleme aus Kundenszenarien an das Kernprodukt des Anbieters zurückmeldet. Palantirs interne Beschreibung lautet: "Der Arbeitsumfang eines FDE ist wie der eines Startup-CTO – verantwortlich für ein risikoreiches Projekt von Anfang bis Ende in einem kleinen Team."
Bis 2016 überstieg die Anzahl der FDEs bei Palantir zeitweise die der regulären Softwareentwickler. Die gesamte Produktform des Unternehmens – die Foundry-Plattform – wurde im Wesentlichen aus unzähligen FDE-Vor-Ort-Projekten "destilliert". Ein Ingenieur, der sieben Jahre als FDE bei Palantir arbeitete, fasste dieses Modell als "Schotterstraße zur asphaltierten Autobahn" zusammen: FDEs bauen zahlreiche Schotterstraßen bei Kunden vor Ort, und das Produktteam identifiziert die am meisten befahrenen, um sie zu Autobahnen auszubauen und in Plattformfunktionen zu verwandeln.
II. Der Wendepunkt 2026: Warum Drei KI-Giganten Gleichzeitig auf FDE Setzen
Fast zwanzig Jahre lang wurde Palantirs Modell im Mainstream-Silicon-Valley als "Ausreißer" betrachtet – die meisten SaaS-Unternehmen rieten: "Macht es nicht wie Palantir, die Bruttomargen halten nicht." Aber 2026 änderte sich die Lage plötzlich.
Am 4. Mai gaben Anthropic und FIS eine Partnerschaft bekannt, bei der Anthropics Applied-AI-Team und FDEs in FIS "eingebettet" werden, um KI-Agenten für Finanzkriminalität mitzugestalten.
Am 11. Mai kündigte OpenAI offiziell die OpenAI Deployment Company (interner Codename "DeployCo") an, mit einer Anfangsinvestition von 4 Milliarden Dollar unter der Führung von TPG und Beteiligung von 19 Investment- und Beratungsfirmen. Gleichzeitig gaben sie die Übernahme von Tomoro, einer angewandten KI-Beratung, bekannt, wodurch etwa 150 FDEs und Deployment-Experten hinzukamen.
Am 12. Mai kündigte Google Cloud CEO Thomas Kurian eine neue "KI-fokussierte Organisation" innerhalb von Google Cloud an, um "Hunderte" von FDEs einzustellen. Zu diesem Zeitpunkt hatte Google Cloud 59 entsprechende offene Stellen.
Warum jetzt? Warum alle auf einmal? Das Urteil der drei Unternehmen deutet auf eine Tatsache hin: Der Engpass der Agenten-Ära ist nicht das Modell selbst, sondern die Bereitstellung.
Die "Pulse of Change"-Umfrage von Accenture zeigt, dass nur 32 % der Führungskräfte von "anhaltenden, unternehmensweiten KI-Auswirkungen" berichten. Die restlichen 68 % befinden sich in einem Zustand von Pilotprojekten, PPTs und Demos, aber ohne großflächige Auslieferung. In einer IBM-Umfrage unter 2.000 Führungskräften Anfang 2026 wurde "Ausführungsgeschwindigkeit" als die dritthöchste strategische Priorität genannt.
OpenAI legte diese Logik in seiner Ankündigung offen dar: "In den letzten Jahren haben mehr als eine Million Unternehmen unsere Produkte und APIs übernommen. Ein Muster wird immer deutlicher – der Gewinner der nächsten Phase der Unternehmens-KI hängt davon ab, wie effektiv ein Unternehmen diese Technologie in reale Geschäftsszenarien einbringen kann."
Es gibt noch einen weiteren Datensatz, der Beachtung verdient. Berichten zufolge verfehlte OpenAI Anfang 2026 seine internen Umsatz- und wöchentlichen Nutzerziele, während Anthropic und Google Gemini weiterhin Marktanteile im Unternehmenssegment eroberten. OpenAIs CEO für Angewandtes Geschäft, Fidji Simo, bezeichnete Anthropics Fortschritte als "Weckruf" und sagte, das Unternehmen müsse "bei Produktivitätsszenarien liefern".
Mit anderen Worten: Der Grenznutzen der "Produktkraft" des KI-Modells sinkt, aber der Grenznutzen der technischen Fähigkeit, "Modelle in nutzbare Systeme zu verwandeln", steigt sprunghaft an. Egal wie stark das Modell ist, wenn es nicht innerhalb der Compliance-Prozesse einer Bank, des Schadensabwicklungssystems einer Versicherung oder des MES-Systems eines Fertigungsbetriebs laufen kann, ist es nur eine Demo, kein Geschäft.
FDE ist genau dieser Konverter.
III. Warum die Agenten-Ära eine "Strukturelle Nachfrage" nach FDEs Hat
Um zu verstehen, warum "Agent" und "FDE" eine perfekte Kombination sind, müssen wir den grundlegenden Unterschied zwischen Agenten und früheren KI-Formen klären.
Traditionelle SaaS-Produkte sind im Wesentlichen "Werkzeuge": Sie kaufen Salesforce, um einen Satz konfigurierter Vertriebsprozessvorlagen zu erhalten, die Ihre Mitarbeiter nutzen. Die Grenzen eines Werkzeugs sind klar – was es tut und was nicht, steht explizit im Produkthandbuch.
Ein Agent handelt "stellvertretend": Sie nutzen es nicht mehr; Sie lassen es Dinge für Sie erledigen. Ein Agent zur Geldwäschebekämpfung gibt Ermittlern nicht nur eine bessere Abfrageschnittstelle; er hilft ihnen, den gesamten Arbeitsablauf von "Beweise aus Kernsystemen ziehen, mit bekannten Geldwäschemustern abgleichen, Risikostufen beurteilen und Verdachtsmeldungen (SAR) entwerfen" zu absolvieren.
Dieser Unterschied hat drei Konsequenzen:
Erstens müssen Agenten tief in den tatsächlichen Arbeitsablauf des Kunden eingebettet sein. Um "stellvertretend zu handeln", muss ein Agent wissen, wo die Compliance-Grenzen der Bank liegen, welche Entscheidungen nicht automatisiert werden können, wie SAR-Berichte verfasst werden müssen, um von Aufsichtsbehörden akzeptiert zu werden, und wo interne Daten gespeichert sind. Diese Dinge stehen nicht in Produktdokumenten; sie befinden sich im "institutionellen Muskelgedächtnis" des Kunden.
Zweitens ist das Versagen eines Agenten ein "geschäftliches Versagen", kein "funktionales Versagen". Fehlt ein SaaS-Button, beschweren sich die Nutzer. Übersieht ein Agent eine verdächtige Transaktion, wird die Bank von den Aufsichtsbehörden bestraft. Das bedeutet, dass die Bereitstellung von Agenten stärker auf "Domänenwissen" und "betrieblichem Kontext" angewiesen ist als jede frühere Generation von Software.
Drittens ist der Agentenmarkt einer, in dem "es keine ausgereiften Produkte als Benchmark gibt und die Kunden selbst nicht wissen, was sie wollen". Dies ist genau die Situation, mit der Palantir bei den Geheimdiensten konfrontiert war. Kunden können sagen "Ich möchte, dass AML-Ermittlungen schneller gehen", aber sie können nicht definieren, was "schnell" ist, welche Datenquellen verwendet werden sollen, welche Schritte automatisiert und welche menschlichen Entscheidungspunkte beibehalten werden sollen. Diese Art von Problem kann nicht mit einem Anforderungsdokument gelöst werden; es erfordert, dass Ingenieure hingehen, beobachten, testen, modifizieren und wieder beobachten.
Anthropics FDE-Stellenbeschreibung skizziert diese Logik klar: "Produktionsanwendungen innerhalb von Kundensystemen erstellen, technische Artefakte wie MCP-Server, Sub-Agenten und Agenten-Fähigkeiten liefern, White-Glove-Bereitstellungsunterstützung in Unternehmensumgebungen bieten und wiederverwendbare Bereitstellungsmuster identifizieren, um sie an Produkt- und Entwicklungsteams zurückzumelden."
Der letzte Teil – "an Produkt- und Entwicklungsteams zurückmelden" – ist der wahre Hebel des FDE-Modells. Es bedeutet, dass jeder Vor-Ort-Einsatz sowohl eine Lieferung für den Kunden als auch eine Produktentdeckung für den Anbieter ist. FDEs sind die Fühler des Anbieters, die in den Markt reichen und Proben realer Bedürfnisse zurückbringen.
IV. Ist FDE das "PMF-Paradigma der Agenten-Ära"? Drei Vorbehalte
Bis hierhin klingt das Urteil, dass "FDE das PMF-Paradigma der Agenten-Ära ist", sehr überzeugend. Aber die allgemeine Akzeptanz dieser Schlussfolgerung ignoriert mehrere reale Paradoxien.
Vorbehalt 1: FDE könnte das "PMF-Problem" lösen oder es "verschleiern".
Die ursprüngliche Bedeutung von PMF ist "Produkt passt zum Markt" – das Produkt selbst ist die Antwort, und die Kunden nutzen es, verlängern es und empfehlen es sofort weiter.
Das Wesen des FDE-Modells ist "menschliche Arbeit einsetzen, um die Lücke zwischen Produkt und Markt zu schließen". Wenn ein Produkt ein Team von Ingenieuren benötigt, die sechs Monate vor Ort sind, um es zum Laufen zu bringen, hat das Produkt selbst streng genommen keinen PMF gefunden.
Alex Coqueiro, Senior Analyst bei Gartner, gab in einem aktuellen Bericht eine scharfe Prognose ab: Bis 2028 werden 70 % der Unternehmen gezwungen sein, von FDE-geführten Agentenprojekten Abstand zu nehmen, da "die Kosten des Anbieters zu hoch sind und die internen Fähigkeiten für eine eigenständige Weiterentwicklung fehlen".
Er wies auch auf eine versteckte Fehlerart hin: "Wenn die FDE-Arbeitsbelastung nach mehreren Bereitstellungen nicht abnimmt, ist das ein Zeichen dafür, dass Abhängigkeit und nicht Fähigkeit aufgebaut wird. Wenn ein Anwendungsfall ausgereift ist, aber die Investition nicht sinkt, bedeutet das, dass Kunden Beratungspreise für Betriebsfähigkeiten zahlen, die sie selbst besitzen sollten."
Dies ist das größte Risiko des FDE-Modells: Es könnte von einem "Produktentdeckungsmechanismus" zu einer "permanenten Arbeitskraftlücke" verkommen. Der Grund, warum das Palantir-Modell erfolgreich war, war der Schritt "Schotterstraße zur asphaltierten Autobahn" – die Besonderheit der Kundenszenarien muss letztendlich im Produkt destilliert werden. Wenn dieser Destillationsschritt fehlschlägt, ist FDE nur hochwertiges Outsourcing.
Vorbehalt 2: Ist dies eine "Beratungsfirma im Gewand eines Produktunternehmens"?
Auch die Einschätzung des Kapitalmarktes ist hier gespalten.
Befürworter glauben, dass das FDE-Modell KI-Unternehmen einen "Pre-Deployment"-Graben verschafft: Je früher Sie Ingenieure in Fortune-500-Unternehmen schicken, desto früher kontrollieren Sie den Einstiegspunkt für unternehmenseigene KI-Workflows, und die Migrationskosten für Kunden werden exponentiell steigen. Die offizielle Erklärung der OpenAI Deployment Company erwähnte, dass Partner, die "weltweit über 2.000 Unternehmen sponsern", zum natürlichen Kundenpool von DeployCo werden – sowohl eine Einnahmequelle als auch eine Feedbackschleife.
Kritiker weisen jedoch darauf hin, dass dieses Modell das Finanzprofil von KI-Unternehmen eher wie einen "Beratungs- + Software"-Hybriden aussehen lässt. Palantir wurde am Sekundärmarkt lange unterbewertet, auch weil Analysten reine SaaS-Bewertungsrahmen (hohe Margen, geringe Arbeit) verwenden, die nicht passen. Wenn OpenAI und Anthropic beginnen, FDEs in großem Umfang einzustellen, werden ihre Margenstrukturen, ihr Umsatz pro Mitarbeiter und ihre Bewertungsmultiplikatoren in Frage gestellt.
Die Bewertung von Constellation-Research-Analyst Larry Dignan war direkter: Die OpenAI Deployment Company operiert nicht unabhängig wie IBM Consulting, das jedes Modell integrieren kann. "Die Wahrscheinlichkeit, dass die OpenAI Deployment Company Anthropic verwendet, ist gleich null. OpenAI stellt seine Serviceabteilung als vertikalen Integrationsvorteil dar, aber CIOs werden es durch die Brille des 'Lock-in' betrachten."
Mit anderen Worten: Was für den Anbieter ein PMF-Paradigma ist, könnte für den Kunden der Vorabend der Anbieterbindung sein.
Vorbehalt 3: FDE könnte durch die Werkzeuge ersetzt werden, die sie selbst erschaffen.
Dieses Paradoxon ist das interessanteste. FDEs sind teuer, weil sie viel "Integrations-Schmutzarbeit" leisten: Feldzuordnung, API-Anbindung, Legacy-System-Übersetzung, Prompt-Tuning und den Aufbau von Evaluierungsframeworks – genau die Arten von Arbeit, die KI am besten automatisieren kann.
Die Praxis von Salesforce mit seinem Agentforce-Produkt zeigt, dass ein Großteil der anfänglich von FDEs durchgeführten "einfachen FAQ-Agenten-Bereitstellungsarbeit" vom Produkt selbst absorbiert wird; die FDE-Arbeit wandert zu höheren Abstraktionsebenen – Multi-Agenten-Architektur, MCP-Protokoll-Design, Sprachagenten und Coding-Agenten-Orchestrierung.
Bei einem von South Park Commons in New York im April 2026 veranstalteten Roundtable zu FDEs waren sich mehrere FDE-Leiter einig: Je stärker die Modelle werden, desto mehr steigt der Wert von FDEs – aber die Wertquelle ändert sich. Niedrige Integrationsarbeit wird von KI gefressen, und der Kernwert von FDEs verlagert sich auf die "Beurteilung, welche Probleme beim Kunden vor Ort gelöst und was standardisiert werden soll".
Dies ist ein heikles Gleichgewicht. Wenn sich KI-Tools schnell genug entwickeln, wird der "Integrationshebel" des FDE-Modells komprimiert, und es bleiben nur Produkturteilsvermögen und Unternehmensberatung übrig – dann wird es wirklich zu "High-End-Beratung". Wenn die KI-Entwicklung jedoch an einen Engpass stößt, wird die Komplexität der Integration viele Jahre bestehen bleiben, was FDE zu einem langfristigen Geschäft macht.
V. Die Bedeutung Variiert für Unterschiedliche Personen
Zurück zur ursprünglichen Frage: Ist FDE das PMF-Paradigma der Agenten-Ära?
Wenn ich ein Urteil fällen muss, neige ich dazu, es so zu formulieren: FDE ist der "notwendige Zwischenzustand" für Unternehmens-KI, um in der Agenten-Ära von der Demo zur Produktion zu gelangen, aber es ist nicht PMF selbst – es ist die Methode, um PMF zu finden.
Diese Aussage hat für verschiedene Identitäten unterschiedliche Bedeutungen:
- Für KI-Anbieter: FDE ist kein Umsatzgeschäft; es ist ein Produktentdeckungsmechanismus. Wenn Sie es als Beratungsgeschäft behandeln, geraten Sie in eine Margenfalle; nur durch die kontinuierliche Destillation von Vor-Ort-Erfahrung in wiederverwendbare Produktfähigkeiten – MCP-Server, Agenten-Fähigkeiten, Evaluierungsframeworks, Bereitstellungsvorlagen – wird die FDE-Investition Zinseszins abwerfen.
- Für Unternehmenskunden: Der wahre Wert von FDE liegt nicht darin, dass der Anbieter es "für Sie baut", sondern dass er "Ihnen im Bauprozess die Fähigkeit überträgt". In der offiziellen Erklärung der Anthropic-FIS-Partnerschaft ist dieser Satz entscheidend: "Wissen übertragen, damit FIS im Laufe der Zeit unabhängig weitere Agenten bauen und skalieren kann." Wenn es keinen solchen Ausstiegsmechanismus im Vertrag gibt, ist das FDE-Modell eine sanfte Bindung.
- Für Ingenieure: Dies ist das seltenste Fähigkeiten-Set des Jahres 2026 – technische Tiefe, Verständnis des Kundenkontexts und Geschäftssinn. Googles gelistete FDE-Gehaltsspanne liegt zwischen 127.000 und 265.000 Dollar Grundgehalt, wobei Senior-Pakete durchschnittlich 238.000 Dollar und Spitzenpakete fast 400.000 Dollar betragen. Darüber hinaus stammt dieses Budget aus Ausgaben für die Kundenakquise, nicht aus internen F&E-Stellen, was es in Zeiten von Entlassungen konjunkturunabhängig macht.
- Für Investoren: Die Verwendung eines reinen SaaS-Bewertungsrahmens für FDE-getriebene KI-Unternehmen wird irreführend sein. Worauf man achten muss, sind nicht die aktuellen Margen, sondern die Geschwindigkeit der "Umwandlung von Schotterstraßen in asphaltierte Autobahnen" – wie stark die wiederverwendbare Fähigkeit des Produkts nach jedem Vor-Ort-Einsatz verbessert wird. Palantir brauchte fast zwanzig Jahre, bis der Markt dies verstand; OpenAI und Anthropic werden nicht so viel Geduld haben.
Fazit: Paradigmen Kündigen Ihre Eigene Geburt Nicht An
Der Begriff PMF wurde erstmals 2007 von Marc Andreessen vorgeschlagen, und sein Kriterium war sehr einfach: "Man muss es nicht erklären, man weiß einfach, dass man es gefunden hat." – Nutzer strömen herein, das Produkt ist knapp, und das System ist ständig überlastet.
Nach diesem Maßstab hat der KI-Unternehmensmarkt im Mai 2026 den "Embryo des PMF", aber noch nicht den "Sieg des PMF". Dass die drei Unternehmen gleichzeitig auf FDE setzen, ist weniger eine Erklärung eines Paradigmen-Sieges als vielmehr ein Eingeständnis einer Tatsache: Bevor Agenten zu echter "Software über Software" werden, brauchen wir Menschen – Menschen vor Ort, die sowohl den Kunden als auch das Modell verstehen –, um diese ungepflasterten Straßen eine nach der anderen zu begehen.
Vielleicht wird das wahre PMF-Paradigma warten, bis die von FDEs begangenen Straßen zahlreich und klar genug sind, dass Agenten selbst darauf laufen können – dann wird diese Diskussion über FDEs zu einer Fußnote einer Ära werden.
Aber im Jahr 2026 sind alle noch unterwegs.
Daten und Fälle in diesem Artikel stammen aus offiziellen Ankündigungen von OpenAI, Anthropic, Google und FIS sowie aus öffentlichen Berichten von The Information, Pragmatic Engineer, Constellation Research, CIO Magazine und Gartner. Die Daten sind auf dem Stand von Mai 2026.
