Vorgehen — Forward Deployed Engineering
Viele AI-Projekte scheitern nicht am Modell. Sie scheitern an der letzten Meile. Die Demo funktioniert — aber zwischen Demo und echter Arbeit liegen SAP-Customizing, Excel, EDI, proprietäre Schnittstellen, Berechtigungen, schlechte Stammdaten und Systeme, die seit 20 Jahren gewachsen sind. Für uns ist diese letzte Meile kein notwendiges Übel. Sie ist das Produkt.
01
01 — Die Rolle
Forward Deployed Engineers arbeiten tief im operativen Umfeld des Kunden und tragen die Erkenntnisse aus dem Feld zurück ins Produkt. Was lange ungewöhnlich war, wird gerade zum Delivery-Modell für Enterprise AI — weil die Modelle stark genug sind und die letzte Meile der Engpass bleibt.
Die Rolle schärft sich. Der FDE ist weder klassischer Consultant noch Solutions Engineer noch ausgelagerter Softwareentwickler. Er macht aus Technologie ein produktives System.
02
02 — Der Maßstab
Ein Agent ist kein Outcome. Ein Agent, der erklärt, wie ein Auftrag angelegt werden müsste, hat noch keine Arbeit erledigt — auch zehn miteinander kommunizierende Agents sind noch kein Business Value. Uns interessiert, was am Ende im System steht: Wurde der Auftrag korrekt angelegt? Wurde die Ausnahme gelöst? Wurde der Vorgang abgeschlossen? Wie viele Fälle liefen ohne menschlichen Eingriff durch?
Deshalb messen wir nicht primär Chats, Agent Runs oder Tokens. Wir messen Work Done.
Der Agent ist ein Werkzeug. Nicht das Produktversprechen.
03
03 — Das Terrain
Gerade für komplexere Industrien wie die verarbeitende Industrie oder den Maschinenbau ist dieses Modell für uns unabdingbar. Ein Geschäftsprozess gehört dort selten einem einzigen System: Vertrieb, ERP, Einkauf, Planung, Produktion, Logistik und Finance greifen ineinander. SAP trifft auf MES, MES auf proprietäre Maschinen-Software — dazu DMS, EDI, Outlook, Excel, Eigenentwicklungen und teilweise jahrzehntealte Datenbanken. Und fast jedes Unternehmen ist anders.
Ein FDE kann nicht sagen: „Dafür gibt es keine API." Er muss fragen: Wie wird diese Arbeit heute tatsächlich erledigt? Ob die Antwort REST, RFC, SQL, EDI, SFTP oder CSV lautet, ist zweitrangig.
Heterogenität ist kein Edge Case. Heterogenität ist Teil des Produkts.
04
04 — Das Ökosystem
Wir wollen nicht jede bestehende Software durch unsere eigene ersetzen — das Gegenteil ist interessanter: Wir wollen bestehende Systeme und Spezialanbieter holistischer machen. Ein SAP Consultant kennt SAP und sollte weiterhin mit SAP arbeiten können. Aber warum sollte seine Sicht auf einen Prozess an der SAP-Systemgrenze enden? Wenn seine Aufgabe Informationen aus einem DMS, CRM, MES oder einer E-Mail braucht, sollte dieser Kontext genauso verfügbar sein.
Dafür integrieren wir Systeme und Drittanbieter über unser Enterprise Context Protocol in unsere Plattform. Aus einem isolierten SAP-Agenten wird ein Teilnehmer an einem unternehmensweiten Prozess: Ein spezialisiertes Tool muss nicht plötzlich alles können — es bekommt den Kontext und die Capabilities, die außerhalb seiner eigenen Systemgrenze liegen. Wir ersetzen das bestehende Ökosystem nicht. Wir machen es zusammenspielfähig.












05
05 — Die Verantwortung
Mit dieser Reichweite wächst die Verantwortung. Ein System darf Kontext aus zehn oder zwanzig Quellen lesen — Schreibrechte müssen trotzdem präzise bleiben. Autonomie bedeutet nicht, dass ein Agent alles darf. Autonomie bedeutet, klar zu definieren, welche Arbeit einem System zuverlässig anvertraut werden kann.
06
06 — Der Kreislauf
Forward Deployed Engineering darf nicht zu individuellem Projektgeschäft werden. Hinter jedem Einsatz steht ein System, das aus allen vorherigen gebaut ist: Jede Integration, jede Business Rule, jede gelöste Ausnahme und jedes verstandene System hat die Plattform besser gemacht — und macht den nächsten Einsatz schneller.
F/01
Aus einem kundenspezifischen Problem entsteht ein wiederverwendbarer Adapter — die nächste Anbindung geht schneller.
F/02
Aus einer gelösten Ausnahme entsteht eine Capability — verfügbar für jeden Agenten auf der Plattform.
F/03
Aus einem Deployment entsteht Plattformwissen — jedes Feld-Learning fließt zurück ins Produkt.
Field Work compiled in Product IP: Mit jeder Integration werden wir besser und schneller. Deshalb werden wir unschlagbar in Geschwindigkeit und Impact.
07
07 — Der Einsatz
Wir starten nicht mit: Welchen Agenten können wir bauen? Sondern mit: Welches Ergebnis soll am Ende im System stehen? Dann arbeiten wir rückwärts — durch Prozesse, Integrationen, Drittanbieter, Legacy und Sonderfälle. Bis aus AI echte Arbeit wird. Vor Ort, in euren Systemen, mit Baseline und Abnahme:
Tag 1–3
Lesender Zugang, Systeme verbunden, Mapping mit eurem Team.
Tag 4–6
Policies gesetzt: Freigaben, Grenzen, Rollenprofile, Audit.
Tag 7–10
Erster Agent im Schattenlauf gegen eure Historie, Nachschärfen.
Tag 11–14
Freigabe und Go-live des ersten Vorgangs. Baseline steht, Messung läuft.
Danach
Vorgang für Vorgang, in eurer Reihenfolge. Jedes Learning macht die Plattform besser.
Enterprise AI entscheidet sich nicht daran, welcher Agent am intelligentesten klingt — sondern daran, welchem System ein Unternehmen echte Arbeit anvertraut.