Wir setzen einen KI-Engineer direkt neben die Menschen, die Ihre Prozesse verantworten. Gemeinsam beobachten sie die echte Arbeit und bauen einen funktionierenden KI-Agenten im tatsächlichen Workflow. Außerdem helfen wir Ihnen, eigene Kompetenz für Forward Deployed Engineering aufzubauen, damit Sie das künftig ohne uns wiederholen können.
Beim Forward Deployed Engineering arbeitet ein erfahrener Engineer direkt in dem Fachbereich, der ein KI-System nutzen soll, statt in einem zentralen Plattform-Team oder hinter einem Lastenheft. Der Forward Deployed Engineer (FDE) beobachtet, wie die Arbeit tatsächlich abläuft, baut auf dieser Grundlage und bleibt, bis das System für die Menschen funktioniert, die es nutzen.
Bekannt gemacht hat die Rolle Palantir. Heute setzen KI-Anbieter und Unternehmen Forward Deployed Engineers ein, um Modelle und Agenten in echte Prozesse zu bringen. Uber etwa bildet Agentic Pods aus FDEs und Fachexperten in Finanzen, Recht, Personal und Betrieb.
Anders als ein Berater, der Empfehlungen übergibt, oder ein Entwickler, der auf eine Spezifikation wartet, übernimmt ein FDE Analyse und Umsetzung selbst, am selben Schreibtisch und zur selben Zeit.
Use-Case-Workshops sammeln, was Menschen bereits beschreiben können. Die teuersten Workflows passen selten in eine Workshop-Antwort.
Ausnahmen, Workarounds, Nebentabellen und Übergaben zwischen Systemen bestimmen, wie die Arbeit tatsächlich läuft. Nichts davon steht im Prozessdiagramm, deshalb taucht es auch im Use-Case-Backlog nie auf.
Berater geben Empfehlungen ab, und Monate später baut ein anderes Team nach einem Dokument. Bis dahin sind die Annahmen veraltet, und die schwierigen Fälle tauchen erst auf, wenn das Budget verbraucht ist.
Einzelne Assistenten und Proofs of Concept stapeln sich, weil niemand Zugriffsrechte, Evaluierung und Betrieb verantwortet. Am Ende hat das Unternehmen viele Agenten, aber die Arbeit selbst hat sich nicht verändert.
Unsere Engineers liefern die ersten Agenten, und parallel baut Ihr Unternehmen die Kompetenz auf, um selbst weiterzumachen.
Workflow-Discovery-Sprint: den Fachexperten begleiten und den Prozess so dokumentieren, wie er wirklich läuft
Agentic Pod: unser FDE und Ihr Fachexperte gestalten einen klar abgegrenzten Workflow neu und automatisieren ihn
Eingebetteter FDE: unser Engineer arbeitet in einem Fachbereich und liefert funktionierende Agenten in kurzen Zyklen
FDE-Rolle und Pod-Modell: Rollenprofile, Auswahlkriterien und wie Pods besetzt und gesteuert werden
Spielregeln für Pods: welche Workflows einen Pod bekommen, Systemzugriff, Sicherheitsprüfung und Verantwortung nach dem Start
Coaching Ihrer ersten FDEs: wir arbeiten mit Ihren Engineers zusammen, bis sie Pods selbst führen
Ein Agent, der im neu gestalteten Workflow läuft und den die Prozessverantwortlichen selbst nutzen, statt einer Demo auf einem separaten Bildschirm.
Der Prozess, wie er tatsächlich abläuft, mit Ausnahmen, Workarounds, Entscheidungen und Übergaben zwischen Systemen.
Die nächsten Kandidaten, bewertet nach Häufigkeit, Datenverfügbarkeit, Wiederverwendbarkeit, Fehlerkosten und Verantwortung nach dem Start.
Testfälle aus echten Beispielen und Grenzfällen, mit den Kriterien, die der Agent vor dem Go-live erfüllen muss.
Code, Prompts, Tool-Definitionen und Integrationen, geliefert in Ihre Repositories und in Ihrem Eigentum.
Festgelegte Berechtigungen, Human-in-the-Loop-Entscheidungen und Eskalationswege für die Fälle, die der Agent nicht allein entscheiden darf.
Rollenprofile, Auswahlkriterien, der Pod-Ablauf und Vorlagen, mit denen Ihre Teams den nächsten Workflow angehen.
Wer den Workflow nach dem Start verantwortet, wie Sie die Leistung überwachen und wie der Agent gewartet und verbessert wird.
So läuft die Zusammenarbeit
Vier Phasen, die jeweils mit einer Entscheidung oder einem funktionierenden Ergebnis enden. Nach jeder Phase können Sie stoppen, umsteuern oder skalieren.
Wir wählen mit Ihnen einen klar abgegrenzten Workflow und den Fachexperten, der ihn verantwortet. Unser Engineer sitzt neben dieser Person und beobachtet die echte Arbeit, einschließlich der Ausnahmen.
Wir dokumentieren den Workflow, wie er wirklich läuft, und entscheiden, welche Schritte ein Agent übernimmt, welche entfallen und wo ein Mensch die Kontrolle behält.
Wir bauen den Agenten direkt bei den Menschen, die die Arbeit erledigen, testen ihn an echten Fällen und validieren ihn mit weiteren Mitarbeitenden, bevor er live geht.
Der Agent geht mit klarer Verantwortung und Monitoring in den Arbeitsalltag. Wir übergeben das Playbook und coachen Ihre eigenen FDEs für den nächsten Pod.
Ein Forward Deployed Engineer arbeitet direkt in dem Fachbereich, der ein KI-System nutzen soll. Er beobachtet den echten Prozess, baut Agenten und Integrationen darauf auf, testet sie mit den Menschen, die die Arbeit erledigen, und bleibt, bis das System im Arbeitsalltag läuft. Die Rolle verbindet Software- und KI-Engineering mit so viel Prozessverständnis, dass Entscheidungen direkt vor Ort fallen können.
Klassische KI-Beratung trennt Analyse und Umsetzung: Erst kommen Analyse und Empfehlungen, später baut ein anderes Team. Beim Forward Deployed Engineering passiert beides am selben Schreibtisch. Das Bauen gehört dann zur Analyse, weil ein funktionierender Agent fehlende Daten, versteckte Regeln und Integrationsgrenzen sichtbar macht, die in keinem Workshop auffallen.
Für den Anfang nicht. Unsere Engineers können die ersten Pods für Sie durchführen. Wenn Sie den Ansatz auf weitere Bereiche ausweiten wollen, helfen wir Ihnen, die Rolle zu definieren, geeignete Personen aus Ihren Engineering- oder IT-Teams auszuwählen, und begleiten sie, bis sie Pods selbst führen.
Einen klar abgegrenzten Workflow, einen Fachexperten, der ihn verantwortet und Zeit für die Zusammenarbeit mit dem Engineer hat, Zugriff auf die Systeme und Daten, die der Workflow berührt, und jemanden, der das Ergebnis nach dem Start verantwortet. Die Sicherheits- und Compliance-Prüfung planen wir von Anfang an in den Ablauf ein.
Ein Pod bearbeitet genau einen Workflow statt eines ganzen Programms. Uber hat seine Agentic Pods in einem Zehn-Tage-Rhythmus durchgeführt. Die Zykluslänge stimmen wir mit Ihnen ab, abhängig vom Systemzugriff und der Komplexität des Workflows. Jede Phase endet mit der Entscheidung, weiterzumachen, umzusteuern oder zu stoppen.
Angewandtes KI-Engineering baut technisch anspruchsvolle Komponenten für komplexe KI-Produkte, etwa Computer Vision, Edge-Inferenz oder eigene Modelle. Forward Deployed Engineering arbeitet in Geschäftsprozessen und baut Agenten und Automatisierungen rund um die Art, wie Menschen bereits arbeiten. Viele Unternehmen brauchen beides.
Die technisch kritischen Komponenten anspruchsvoller KI-Produkte bauen und validieren.
KI-Vorhaben von der freigegebenen Entscheidung in den verlässlichen Betrieb führen.
Entscheidungsrechte, Governance und Verantwortung, die aus einzelnen Pods ein KI-Betriebsmodell machen.
Wir setzen einen Engineer daneben, bauen den Agenten mit Ihrem Team und zeigen Ihnen, wie Sie den nächsten selbst umsetzen.
Workflow besprechenThis page is also available in English.
