Einsatzingenieure für Agenten: Die Evolution der Einsatzrollen in Unternehmenssoftware

Unternehmenssoftware erforderte lange Zeit spezialisiertes technisches Fachwissen, um Anwendungen von der Entwicklung in die Produktion zu überführen. In früheren Zeiten kümmerten sich Systemadministratoren, Release-Ingenieure und Beratungsintegratoren um die Bereitstellung, indem sie Installationen skripteten, Hardware konfigurierten und vor Ort verwalteten. Dies änderte sich mit dem Aufstieg von DevOps und agiler Bereitstellung, die die Grenzen zwischen Entwicklung und Betrieb verwischten. Wie Atlassian feststellt, erkannten Entwickler und IT/Ops bis Ende der 2000er Jahre schließlich, dass traditionelle Silos („Entwickler und Betreiber in separaten Teams, mit getrennten KPIs“) Dysfunktionen verursachten. Teams begannen, Entwicklungs- und Bereitstellungsverantwortlichkeiten zu verschmelzen, um Software schneller und zuverlässiger bereitzustellen.

In diesem Kontext haben Unternehmen mit neuen Hybridrollen experimentiert, die Entwicklung, Kundenengagement und Betrieb verbinden. Unter diesen war der von Palantir entwickelte Forward-Deployed Engineer (FDE) besonders einflussreich. Während ein klassisches Beratungs- oder SI-Team Software in einer Fabrikübergabe installieren könnte, bettert ein FDE mit dem Kunden, um gemeinsam Lösungen zu entwerfen und umzusetzen. In den Worten von Palantir ist ein Forward Deployed Software Engineer „ein Software-Ingenieur, der direkt mit unseren Kunden zusammenarbeitet, um die bestehenden Softwareplattformen von Palantir zu konfigurieren, um ihre schwierigsten Probleme zu lösen“. Statt eine generische Produktfunktion zu schreiben, konzentriert sich ein FDE darauf, „viele Fähigkeiten für einen einzelnen Kunden zu ermöglichen“ und in Echtzeit an die Bedürfnisse des Kunden anzupassen.

Im letzten Jahrzehnt hat das FDE-Modell von Palantir eine Vorlage geschaffen. Diese Ingenieure arbeiten vor Ort oder eng mit Endnutzern zusammen und fungieren sowohl als Entwickler als auch als Berater. Sie müssen über ein breites Spektrum an Fähigkeiten verfügen – von der grundlegenden Softwareentwicklung über Datenengineering bis hin zur kreativen Problemlösung – damit sie schnell die richtige Lösung entwerfen und implementieren können. Wie ein Palantir FDE erklärte, erfordert die Rolle die Beantwortung von Fragen wie „Welche Produkte setzen wir für diesen Anwendungsfall ein? Warum setzen wir sie ein? Wie entwickeln wir Workflows, die diese Produkte nutzen, um die spezifischen Bedürfnisse des Kunden zu adressieren?“. Im Gegensatz zu traditionellen Beratern, die Arbeit an andere Teams übergeben, führen FDEs Projekte von Anfang bis Ende selbst durch: Sie entwerfen, programmieren und arbeiten mit den Nutzern zusammen, um die Lösung zu ihrer eigenen zu machen.

Moderne datengesteuerte Unternehmen haben seither diesen Ansatz angepasst und erweitert. Technologieunternehmen wie OpenAI und Scale AI stellen jetzt Forward-Deployed Engineers ein, um fortschrittliche KI-Produkte in Kundenumgebungen bereitzustellen. Zum Beispiel wirbt die Karriereseite von OpenAI für FDE-Positionen, bei denen Ingenieure „tief in strategische Kunden integriert sind, um ihre Geschäftsprobleme zu verstehen“ und dann „vollständige Stacklösungen“ auf der Infrastruktur des Kunden entwerfen, planen und entwickeln. Ebenso sucht das „Oversight“-Team von Scale AI – das sich auf die sichere Bereitstellung von KI-Agenten konzentriert – nach FDEs, die „die technische Integration“ von Überwachungstools in verschiedene Kundensysteme leiten, Dashboards und Dienste entwickeln und „Projekte bis zur Fertigstellung auf deren Infrastruktur führen“. Diese Beispiele zeigen ein klares Muster: Unternehmen schätzen zunehmend Ingenieure, die Programmierfähigkeiten mit kundenorientierten Bereitstellungsfähigkeiten kombinieren.

Von Forward-Deployed zu Agent Deployment

Der Agent Deployment Engineer ist eine natürliche Weiterentwicklung des FDE-Konzepts, getrieben von zwei Haupttrends: der Explosion des Bedarfs an Datenintegration und dem Aufstieg von autonomen Agenten (insbesondere KI-gesteuerten Agenten) in Geschäftsprozessen. Heute kämpfen Unternehmen mit Hunderten von fragmentierten Systemen und Datenströmen. In der Tat berichtet Celonis, dass der durchschnittliche individuelle Prozess mehr als 10 verschiedene Systeme durchläuft und viele Unternehmen über 200 IT-Anwendungen verwenden, um ihr Geschäft zu betreiben. Die Integration dieser komplexen Landschaft erfordert spezialisierte Software „Agenten“ – Software, die autonom Daten aus verschiedenen Systemen extrahiert, transformiert und darauf reagiert. Spezifische Rollen sind entstanden, um diese Agenten in großem Maßstab bereitzustellen und zu verwalten.

Wie die FDE von Palantir eine Rolle um die spezifischen Probleme der Kunden herum aufgebaut war, konzentriert sich der Agent Deployment Engineer auf die Bereitstellung von Agenten, die die digitalen Prozesse eines Unternehmens verbinden. Diese Agenten können Datenkonnektoren (vor Ort oder in der Cloud installiert) oder KI-Agenten (autonome Programme, die von maschinellem Lernen angetrieben werden) sein. Zum Beispiel verlässt sich das Execution Management System (EMS) von Celonis auf „Systemextraktoren“ – Softwaremodule, die Ereignisdaten aus Quellsystemen in die Celonis-Plattform ziehen. Das Bereitstellen und Anpassen dieser Extraktoren (oder „Prozesskonnektoren“, die den vollständigen Erfassungs-, Transformations- und Ladevorgang für jede Quelle abdecken) ist ein zentraler Bestandteil der Aufgaben eines Ingenieurs bei Celonis. Ebenso im KI-Zeitalter bauen Unternehmen spezialisierte Orchestrierungstools für Agenten (Celonis startete eine „AgentC“-Suite für Unternehmens-KI-Agenten) und benötigen Ingenieure, um sie zu konfigurieren.

Auf diese Weise erweitern Agent Deployment Engineers das FDE-Modell auf die „agentische“ Welt. Statt einer monolithischen Anwendung bereitzustellen, setzen sie Netzwerke intelligenter Agenten ein. Hippocratic AI beispielsweise beschreibt eine Rolle des Agent Deployment Engineers, deren primäre Aufgabe die „technische Konfiguration von Agenten für Kundenbereitstellungen“ ist. Diese Ingenieure setzen erweiterte Agentenprompts um (Logik und Regeln für KI-Entscheidungen), konfigurieren die zugrunde liegenden KI-„Motoren“, die die Agenten betreiben, und richten Evaluierungspipelines ein, um das Verhalten der Agenten zu testen. Sie betrachten im Wesentlichen Agenten als eine neue Klasse von Softwarekomponenten, orchestrieren, wie diese Agenten mit realen Daten, untereinander und mit menschlichen Arbeitsabläufen verbunden werden.

Verantwortlichkeiten und Fähigkeiten

Die täglichen Aufgaben eines Agent Deployment Engineers vereinen traditionelle Integrationsarbeit mit aufkommender KI-/Automatisierungskompetenz. Zu den wichtigsten Aufgaben gehören oft:

• Agentenkonfiguration: Installation und Konfiguration von Agentensoftware in Kundenumgebungen. Dies kann sich auf Middleware vor Ort oder Cloud-Dienste beziehen. Für Plattformen wie Celonis bedeutet das das Einrichten von Datenextraktionsagenten, die sicher mit ERPs oder CRMs verbunden sind; bei KI-Agenten bedeutet dies, Agenten mit APIs oder Datenbanken zu verknüpfen.

• Datenintegration: Sicherstellen, dass Agenten auf erforderliche Daten zugreifen können. Ingenieure bauen und optimieren Datenpipelines, damit Agenten über aktuelle Eingaben verfügen. Beispielsweise transformieren „Systemextraktoren“ von Celonis Rohereignisse in analytische Datensätze, und Ingenieure müssen diese Jobs für jedes Kundensystem anpassen.

• Prompts- und Logikdesign: Entwerfen der Entscheidungslogik für intelligente Agenten. In KI-Kontexten bedeutet dies das Entwerfen von Eingabeaufforderungen oder Workflows, die LLMs und andere Modelle leiten. Hippocratic AI stellt fest, dass Agent Deployment Engineers „erweiterte Agentenprompts (Bedingungen, Datenerfassung, Werkzeuge) umsetzen“ und die LLM-„Agenten“ entsprechend konfigurieren.

• Tests und Evaluierung: Einrichten automatisierter Tests zur Validierung der Agentenausgabe und Verfeinerung des Verhaltens. Da KI-Agenten nicht-deterministisch sind, verbringen Ingenieure „erheblich mehr Zeit mit Testen und Evaluieren“ als mit der Codeschreibung. Sie bauen Überwachungs- und Autoevaluierungsframeworks, um Halluzinationen oder Fehler frühzeitig zu erkennen.

• Zusammenarbeit mit Kunden und Teams: Enge Zusammenarbeit mit Ingenieuren der Kunden, Business-Analysten und Datenwissenschaftlern. Die Palantir FDEs tauschen sich eng mit den Kunden aus, um schwierige Probleme zu lösen. In ähnlicher Weise muss ein Agenten-Ingenieur Geschäftsziele in technische Spezifikationen übersetzen – sei es, um eine Lagerroute zu optimieren oder Rechnungsfreigaben zu automatisieren – und mit den Stakeholdern an der Lösung iterieren.

Diese Aufgaben erfordern ein hybrides Fähigkeitenset. Wie FDEs benötigen Agenten-Ingenieure eine starke Softwareentwicklungsgrundlage sowie Domänenkenntnisse. Sie sollten sich in Cloud-Infrastrukturen (Bereitstellung von Agenten auf AWS/Azure/GCP) und Softwareentwicklung (Erstellung zuverlässiger Mikrodienste oder containerisierter Jobs) auskennen. Aber sie benötigen auch Datenfähigkeiten (um Quellsysteme, Datenschemata und KPIs zu verstehen) und wachsende Kenntnisse in KI/LLM-Technologien. Beispielsweise suchte eine kürzlich veröffentlichte Stellenanzeige nach Ingenieuren „3–6 Jahre Erfahrung im Aufbau und Bereitstellung von KI-Agenten in der Produktion“, die mit Frameworks wie LangChain vertraut sind und sich wohlfühlen bei der Durchführung von Prompt Engineering und Retrieval-augmentierten Pipelines.

Über technische Fähigkeiten hinaus müssen Agent Deployment Engineers exzellente Problemlöser und Kommunikatoren sein. Sie arbeiten „an der Schnittstelle von generativer KI, verstärkendem Lernen und großen Sprachmodellen“, um KI für reale Geschäftsbedarfe nutzbar zu machen. Das bedeutet, Randfälle vorauszudenken, Failsafes zu entwerfen und oft Klienten über die Möglichkeiten und Begrenzungen der Agenten aufzuklären. Wie ein ehemaliger Palantir FDE es ausdrückte, stehen diese Ingenieure vor „schnelllebigen, sich entwickelnden Prioritäten“ und müssen „für einen Kunden arbeiten, während sie an interessanten und sich ständig wandelnden Themen arbeiten“. Kurz gesagt, sie sind teils Bereitstellungsspezialisten, teils Berater und teils Ingenieure – ausgestattet, um schnell von Konzepten zur Produktion zu wechseln.

Strategischer Wert für digitale Transformation

Warum in Agent Deployment Engineers investieren? Weil sie Agilität und Erkenntnis im gesamten Unternehmen freisetzen. In vielen Organisationen liegen Daten in Silos: Verkaufsdaten in Salesforce, Bestandsdaten in SAP, Betriebsdaten in benutzerdefinierten Tools. Jedes Trennen ist eine verpasste Gelegenheit. Rollen wie der Agent Deployment Engineer sind entscheidend für die digitale Transformation – der Übergang zu datengetriebenen, automatisierten Abläufen.

Durch die Bereitstellung und Feinabstimmung von Datenagenten verweben diese Ingenieure fragmentierte Systeme zu kohärenten Abläufen. Beispielsweise beschreibt Celonis, wie seine Plattform „eine Schicht über bestehenden Systemen bietet, ohne das darunter Liegende zu verändern“ und einen 360°-Prozessblick liefert. Agentenin-genieure machen dies möglich, indem sie die Infrastruktur verwalten – Konnektoren zu On-Prem-ERP installieren, Datenjobs planen und sicherstellen, dass Daten in Echtzeit synchronisiert werden. Einmal eingerichtet, gewinnt das Unternehmen Betriebsintelligenz: Live-Dashboards und automatisierte Benachrichtigungen, die Engpässe und Chancen über End-to-End-Prozesse hinweg aufdecken. Im Grunde genommen verringert der Agent Deployment Engineer die Integrationsfriktion, sodass Prozess-Mining- und KI-Tools umsetzbare Einsichten liefern können.

In KI-zentrierten Szenarien ist die Agentenbereitstellung ähnlich trans-formativ. Organisationen experimentieren mit KI-Agenten für alles, von automatisierten Kundenservice-Bots bis zu Code-Schreibhilfen. Aber das Bereitstellen eines KI-Agenten in der Produktion erfordert mehr als nur das Umschalten eines Schalters: es erfordert das Verständnis des Geschäftskontexts. Celonis betont dies, indem es „Prozesseinsichten an KI-Agenten füttert“, damit sie „verstehen, wie das Unternehmen geführt wird und wie es besser laufen könnte“. Auch hier ist der Agent Deployment Engineer der Dreh- und Angelpunkt: Sie konfigurieren die Intelligenzschicht (das „Gehirn“ der Agenten und ihre Datenquelle) und binden sie in den Unternehmensworkflow ein. Dies schafft eine Schleife, in der die Aktionen der Agenten von realen Geschäftsregeln und KPIs informiert werden, wodurch die Lücke zwischen modernster KI-Forschung und Unternehmensbedürfnissen geschlossen wird.

Letztlich beschleunigen Agent Deployment Engineers die Time-to-Value. Sie erlauben es Unternehmen, neue Fähigkeiten (wie RPA-Bots oder prädiktive Modelle) schnell und sicher zu testen und zu skalieren. Anstatt lange, individuelle Entwicklungsprojekte zu durchlaufen, können Unternehmen Agentenkonfigurationen iterieren. Wie ein Startup-Gründer zum Palantir FDE-Modell bemerkte, ist es wie ein „Gründer-Bootcamp“ – schnelles Bauen und Bereitstellen unter realen Kundenbeschränkungen. In der Praxis bedeutet dies kürzere Proof-of-Concept-Zyklen und eine schnellere Realis-ierung des ROI aus neuer Technik. Organisationen, die solche Ingenieure einstellen, gewinnen einen Wettbewerbsvorteil: ihre digitalen Transformationsinitiativen wechseln von der Theorie in die Praxis mit fachkundiger Anleitung vor Ort.

Palantir, Celonis und andere Akteure

Palantir wird zugeschrieben, diesen eingebetteten Ingenieuransatz populär gemacht zu haben. Sein „Forward Deployed“-Ethos – wörtlich an der Speerspitze zu stehen – ist zu einem Kern der Unternehmensidentität geworden. Die FDSEs von Palantir dienen seit langem als Fallstudien dafür, wie das Einbetten technischer Talente den Erfolg antreibt. Alumni berichten oft, dass sie Palantir verlassen haben, bereit, Startups zu gründen, weil sie gelernt hatten, schnell auf Kundenprobleme zu iterieren. Zwei Gründungsmitglieder des Verteidigungsdienstleisters Anduril waren beispiels-weise ehemalige Palantir-FDEs. Die anhaltende Betonung von Palantir auf bereitstellungserfahrene Ingenieure (jetzt branchenübergreifend von Gesundheitswesen bis Finanzen) zeigt den dauerhaften Wert des Modells.

Celonis hat einen etwas anderen Ansatz gewählt. Als Marktführer im Process Mining und „Execution Management“ konzentriert sich Celonis auf Prozessoptimierung durch Daten. Es baut Systeme auf, die kontinuierlich Ereignisdaten aus Unternehmenssoftware extrahieren und analysieren. Dieser Ansatz erfordert von Natur aus die Bereitstellung von Agenten oder Konnektoren in Kundenumgebungen. Während Celonis sie nicht „Forward Deployed Engineers“ nennt, erfüllen seine Value Engineering and Consulting-Teams vergleichbare Rollen. Sie vereinen Business-Analysten, Dateningenieure und techni-sche Spezialisten, um Celonis im Netzwerk eines Kunden einzurichten. Laut der Dokumentation von Celonis sind Komponenten wie der „Systemextraktor“ und der „Prozesskonnektor“ zentral für ihre Architektur – ersterer „extrahiert Daten aus dem Quellsystem und sendet sie an Celonis“. Agent Deployment Engineers, die mit Celonis arbeiten, müssen diese Komponenten in der IT-Landschaft jedes Kunden installieren, konfigurieren und sichern.

Celonis erweitert auch mit KI-gesteuerten Agenten die Grenzen. Auf seiner Celosphere-Veranstaltung 2024 enthüllte Celonis AgentC, eine Suite zum Aufbau von KI-Agenten, die durch den Geschäftskontext angetrieben werden. Diese Agenten leben auf großen KI-Plattformen (Microsoft Copilot Studio, IBM Watson Orchestrate, Amazon Bedrock Agents, usw.), sind jedoch mit Celonis-Prozessdaten durchzogen. Ein Beispiel: Ein von Celonis betriebenes KI-Agent könnte automatisch einen überfälligen Beschaffungsprozess erkennen und einen Eskalationsworkflow durch-führen, der Unternehmensrichtlinien und KPIs kennt. Im Hintergrund verbinden die Agentenspezialisten von Celonis LLMs mit dem „Process Intelligence Graph“ und stellen sicher, dass die Aktionen des KI-Assistenten mit den realen Verfahren im Einklang stehen.

Jenseits von Palantir und Celonis gestalten viele andere Unternehmen den Trend mit. KI-Startups schaffen oft ihre eigenen FDE- oder Agententeams (z. B. detaillierte Rollen für Agenten-Ingenieure bei Hippocratic AI). Cloud-Anbieter und Integratoren stellen „Solutions Engineers“ ein, um neue Daten-/KI-Produkte in Kundeninfrastrukturen zu implementieren, die oft den Verantwortlichkeiten eines FDE ähneln. Und Sektoren, die von der Fertigung über das Finanzwesen bis zum Gesundheitswesen reichen, umarmen agentengebundene Lösungen – von prädiktiven Wartungsagenten auf Fabriketagen bis hin zu klinischen Entscheidungsagenten in Krankenhäusern. Der gemeinsame Nenner ist, dass überall dort, wo komplexe Technologie auf reale Operationen trifft, spezialisierte Bereitstellungsingenieure benötigt werden.

Die Zukunft des Agent Deployment Engineering

Der Trend ist klar: Da Unternehmen immer mehr ihrer Operationen digitalisieren, wird die Rolle des Agent Deployment Engineer nur an Bedeutung gewinnen. Das Team von Hippocratic AI stellt sich eine „agentische Ära der Softwareentwicklung“ vor, in der die Bereitstellung intelligenter Agenten so routinemäßig wird wie die Bereitstellung von Webanwendungen. Sie weisen darauf hin, dass neue Fähigkeiten und Jobtitel zusammen mit LLMs entstehen werden – „Agent Architects“, „Agent Deployment Engineers“ und „Agent Product Managers“ – genauso wie Datenwissenschaft einst neue Rollen hervorbrachte. Tatsächlich wer-ben heutige Stellenbörsen bereits „AI Agent Deployment Engineer“-Positionen an, die sich auf Aufgaben wie Preisoptimierung und Katalogautomatisierung konzentrieren.

In Zukunft könnten diese Ingenieure ihre eigenen Praxisbereiche bilden. Ebenso wie DevOps zur SRE (Site Reliability Engineering) führte, könnten wir „AgentOps“-Teams sehen, die sich auf die Verwaltung von Agentenflotten spezialisieren. Sie werden sich mit einzigartigen Herausforderungen befassen, die Agenten betreffen: Umgang mit nicht-deterministischem Verhalten, Handha-ben kontinuierlicher Lern-Updates, Sicherstellung ethischer Compliance und Skalierung autonomer Workflows. Die Werkzeuge werden sich auch weiterentwickeln – Low-Code-Agenten-Orchestrierungsplattformen, robuste Überwachung von KI-Modellen und standardisierte Konnektoren – und die manuelle Belastung reduzieren. Doch der menschliche Aspekt bleibt: Organisationen werden agile, interdisziplinäre Ingenieure benötigen, die sich in Geschäftsdomänen ebenso wie in aufkommenden Technologien zurechtfinden.

Schlussendlich verkör-pern Agent Deployment Engineers eine wichtige Lektion der digitalen Transformation: Technologie allein reicht nicht aus. Um wirklich zu transformieren, brauchen Unternehmen Menschen, die Geschäftsprobleme in bereitgestellte Lösungen übersetzen können. In diesem Sinn geht es bei der Rolle ebenso um Kultur wie um Code. Indem sie fähige Ingenieure an den Front-Lines der Umsetzung einbetten – ob sie FDEs oder Agent Engineers genannt werden – stellen Unternehmen sicher, dass Innovation auf Umsetzung trifft. Auf diese Weise erschließen sie den strategischen Wert ihrer Softwareplattformen und wandeln Daten in Einsichten und Einsichten in Handlungen um.

Quellen: Branchenblogs und Berichte über Forward-Deployed Engineering und agentengestützte Systeme sowie Karriere-Seiten von Unternehmen, die Bereitstellungsrollen detailliert darstellen. Jede Quelle unterstreicht die einzigartigen Verantwortlichkeiten und den Wert, Ingenieure mit dem Ziel einzubetten, fortschrittliche Software und Agenten in Kundenumgebungen bereitzustellen.