Forward Deployed Engineers sind zurück – und Big Tech stellt ein

Stellen Sie sich den Forward Deployed Engineer so vor, wie die britische Armee den Regimentspionier sah: kein General, kein einfacher Soldat, sondern derjenige, der mit Schaufel, etwas Sprengstoff und fundiertem Wissen über Brücken an der Front auftaucht. Zwei Jahrzehnte lang lebte diese Rolle fast ausschließlich bei Palantir. Jetzt marschiert sie durch jede Karriereseite der Big-Tech-Konzerne.

Der übergeordnete Trend, wie Let's Data Science berichtete, ist der deutliche Anstieg der Nachfrage nach Forward Deployed Engineering bei den größten Technologiearbeitgebern. Die Details hinter der Schlagzeile sind das Interessante – und genau hier wird der Großteil der Kommentare den Kern der Sache verfehlen.

Wichtige Details

Der Forward Deployed Engineer, kurz FDE, war Palantirs Erfindung. Das Konzept war simpel: Man nehme einen starken Generalisten-Ingenieur, bettet ihn beim Kunden ein und lässt ihn Code gegen die echten Daten des Kunden schreiben, während die echten Probleme des Kunden direkt neben ihm sitzen. Kein Ticketing-System, keine sechswöchige Discovery-Phase, keine PowerPoint mit einer Roadmap-Folie, von der alle wissen, dass sie Fiktion ist.

Jahrelang galt dieses Muster als Palantir-Eigenart. Beratungsunternehmen hatten Solutions Architects. SaaS-Anbieter hatten Customer Success Engineers. Cloud-Anbieter hatten Professional Services. Jede dieser Rollen war eine verwässerte Version desselben Instinkts, vom Produktteam durch genug Organigramm getrennt, um sicherzustellen, dass nichts schnell gebaut wird.

Was jetzt passiert: Big Tech hat diese Lücke erkannt. Die größten Arbeitgeber bauen FDE-ähnliche Funktionen auf – nicht als Randexperiment, sondern als explizite Einstellungspriorität. Die Stellenbeschreibungen lesen sich wie ein Hybrid: Produktionscode schreiben, mit Führungskräften sprechen, am dritten Tag das Datenmodell eines Kunden verstehen und bereit sein, dorthin zu fliegen, wo der Deal gerade stattfindet.

Die Vergütung spiegelt die Anforderungen wider. Es sind keine Junior-Stellen. Die Messlatte liegt typischerweise beim Senior- oder Staff-Engineer-Niveau mit den Soft Skills eines Pre-Sales-Leiters. Wer schon mal versucht hat, jemanden dafür einzustellen, weiß: Das Angebot ist dünn, und die Menschen, die den Job wirklich machen können, tun das meistens bereits irgendwo.

Der Treiber ist meiner Einschätzung nach generative KI. Wenn jeder Anbieter ungefähr dieselben Foundation Models mit ungefähr denselben APIs verkauft, ist das Differenzierungsmerkmal nicht mehr das Modell. Es ist die Fähigkeit, in ein Fortune-500-Unternehmen hineinzugehen und das Modell innerhalb eines Quartals in etwas zu verwandeln, das Umsatz generiert. Das ist ein FDE-Job – kein Verkäufer-Job und auch kein Product-Manager-Job.

Warum das für Data-Teams relevant ist

Data- und Analytics-Teams werden diesen Trend stärker zu spüren bekommen als die meisten. Hier ist der Grund.

Die klassische Enterprise-Analytics-Implementierung durchläuft drei Abstraktionsschichten, bevor jemand echte Daten anfasst. Da ist die Referenzarchitektur des Anbieters, die Interpretation des Platform-Teams beim Kunden und die Analytics-Beratungsfirma, die als Brücke engagiert wird. Bis die eigentliche Geschäftsfrage beantwortet ist, hat sie sich zweimal verändert und das Budget wurde einmal aufgebraucht.

Ein FDE bricht alle drei Schichten auf. Er sitzt beim Analytics-Lead, schaut sich die dbt-Modelle an, die still und leise kaputt sind, stellt fest, dass die Warehouse-Rechnung sich verdreifacht hat, weil jemand ein CROSS JOIN in einen täglichen Job geschrieben hat, und schreibt dann den Fix. Das Langweilige daran – das, worüber niemand spricht – ist, dass das nur funktioniert, wenn der Ingenieur die Berechtigung hat, Code in das Repo des Kunden einzuchecken. Das ist ein Procurement- und Sicherheitsproblem, das als technisches Problem verkleidet ist.

Für Platform-Leads bedeutet das, dass Anbieterbeziehungen künftig anders aussehen werden. Der Forward Deployed Engineer wird IAM-Zugang, Warehouse-Zugangsdaten und einen Slack-Kanal wollen. Das Sicherheitsteam wird wollen, dass er nichts davon bekommt. Wer diese Spannung sauber auflöst – mit nachvollziehbaren Zugriffsmustern und ordentlicher Credential-Rotation – wird schneller liefern als Wettbewerber, die in vierteljährlichen Steering Committees feststecken.

Es gibt einen sekundären Effekt auf interne Analytics-Engineering-Teams. Wenn der FDE des Anbieters derjenige ist, der die hochwertigen Transformationen schreibt, wozu ist Ihr Team dann noch da? Meine Einschätzung: Die klugen Unternehmen werden ihre Analytics Engineers als institutionelles Gedächtnis neu positionieren – als die Menschen, die den Semantic Layer, die Metrik-Definitionen und die lang laufenden Pipelines besitzen – während sie Vendor-FDEs die bursty, projektförmige Arbeit übernehmen lassen. Die Unternehmen, die diese Neupositionierung nicht vornehmen, werden ausgehöhlt.

Auswirkungen auf die Branche

Der Welleneffekt geht über Data-Teams hinaus. Im iGaming-Bereich, wo ich viele Integrationsprojekte aus der Bahn laufen gesehen habe, ist das FDE-Modell eine nahezu perfekte Lösung. Operator-Plattformen sind unübersichtlich, regulatorische Anforderungen sind jurisdiktionsspezifisch, und jede Integration stößt irgendwann auf eine Eigenheit, die nicht in der Dokumentation stand. Einen Ingenieur hinzuschicken, der den Code für den Umgang mit dieser Eigenheit schreibt, schlägt sechs Wochen E-Mail-Ketten.

Fintech hat dieselbe Dynamik. Zahlungsintegrationen, KYC-Pipelines, Fraud-Rule-Engines: All das profitiert von einem Ingenieur, der das Ledger-Schema des Kunden lesen und den Join schreiben kann, den sonst niemand kann. Der Compliance-Overhead ist brutal, aber der grundlegende Bedarf ist identisch.

Für Crypto- und DeFi-Infrastrukturanbieter ist das FDE-Muster wohl bereits die Norm – nur unter anderen Titeln. Der DevRel-trifft-Solutions-Engineer-Hybrid, den Protokolle zur Integration mit Exchanges entsenden, ist ein FDE in allem außer dem Namen. Was sich ändert, ist, dass der Titel portabel wird – was bedeutet, dass sich die Einstellungsmärkte um ihn herum konsolidieren werden.

Ad-Tech ist der interessante Ausreißer. Die Branche hat fünfzehn Jahre damit verbracht, Self-Serve-Plattformen aufzubauen, damit Menschen nicht mehr mit Menschen sprechen müssen. Der FDE-Trend läuft dem entgegen, und meine Prognose ist, dass Ad-Tech am längsten widerstehen wird – und dann am härtesten kapitulieren, sobald einer der Cloud-Measurement-Anbieter beginnt, Deals zu gewinnen, indem er Ingenieure vor Ort schickt.

Was man beobachten sollte

Ein paar Signale, die man in den nächsten zwölf Monaten im Blick behalten sollte.

Beobachten Sie, wie Warehouse-Anbieter ihre FDE-Programme strukturieren. Snowflake, Databricks und die großen Hyperscaler werden alle Varianten einführen. Wer es schafft, dem FDE echten Commit-Zugang zu Kundenumgebungen zu verschaffen, ohne das Sicherheitsteam des Kunden zu alarmieren, wird überproportionale Marktanteile gewinnen.

Beobachten Sie die Verträge. Forward-Deployed-Engagements passen nicht sauber in Standard-MSAs. Erwarten Sie eine Welle rechtlicher Innovationen rund um IP-Eigentum an Code, der vor Ort geschrieben wurde – besonders wenn dieser Code am Ende zurück ins Produkt des Anbieters einfließt. Wer schon mal mit dem Anwalt eines Kunden zu tun hatte, der fragt „wem gehört diese Pipeline eigentlich?", weiß, wo es heikel wird.

Beobachten Sie die Titelinflation. Das FDE-Label wird auf Rollen geklebt, die eigentlich nur umbenannte Solutions Architects sind. Das Interview-Signal, auf das es ankommt: Kann der Kandidat tatsächlich einen Pull Request mergen, oder öffnet er nur Jira-Tickets, damit jemand anderes sie merged? Genau diese Unterscheidung ist der springende Punkt.

Zurück zur Pionier-Analogie. Armeen, die Combat Engineering beherrschten, gruben nicht nur schneller Schützengräben – sie veränderten die Art und Weise, wie Kriege geführt wurden. Unternehmen, die echte FDE-Kompetenz aufbauen, werden Software nicht so verkaufen wie die anderen. Sie werden sich einbetten, liefern und mit der bereits unterschriebenen nächsten Verlängerung abziehen, noch bevor der Einkauf die Unterlagen zur ersten abgeschlossen hat.

Wichtigste Erkenntnisse

• Das Forward-Deployed-Engineer-Modell, bei Palantir entwickelt, ist jetzt eine explizite Einstellungspriorität bei Big Tech – angetrieben vor allem durch die Notwendigkeit, generische KI-Fähigkeiten in kundenspezifish Umsatz zu verwandeln.
• Data-Teams werden das zuerst spüren: Vendor-FDEs brechen den dreischichtigen Abstraktionsstapel auf, der Enterprise-Analytics-Implementierungen historisch verlangsamt hat.
• Platform-Leads müssen das Zugangs- und Audit-Problem jetzt lösen, bevor Vendor-Ingenieure nach Warehouse-Zugangsdaten fragen, auf die Ihr Sicherheitsteam noch nicht vorbereitet ist.
• Interne Analytics-Engineering-Teams sollten sich rund ums institutionelle Gedächtnis neu positionieren (Semantic Layer, Metrik-Definitionen, lang laufende Pipelines) – oder riskieren, von Vendor-FDEs ausgehöhlt zu werden, die sich die hochwertige Arbeit holen.
• Titelinflation kommt. Der echte Test für einen FDE ist, ob er Code in einem Kunden-Repo mergen kann – nicht ob er eine Roadmap-Folie präsentieren kann.