.jpg?w=1024)
Amazon Web Services (AWS) hat am Dienstag eine neue Organisation für Forward Deployed Engineering (FDE) angekündigt, die Ingenieure in Kundenunternehmen integrieren soll, um gemeinsam agentische KI-Systeme zu entwickeln.
Die Initiative wird durch eine von Amazon als 1 Milliarde US-Dollar schwere Zusage interner Ressourcen beschriebene Verpflichtung gestützt. Ziel ist es, ein Modell zu skalieren, bei dem Ingenieure Seite an Seite mit Kundenteams arbeiten, um KI aus der Experimentierphase in Produktivsysteme zu überführen.
AWS zufolge besteht das Ziel darin, Unternehmen beim Aufbau „agentenorientierter“ Systeme zu unterstützen , die eng in Geschäftsprozesse integriert sind, statt als eigenständige Werkzeuge zu funktionieren. Ein zentrales Verkaufsargument des neuen Modells ist die Geschwindigkeit. Das Unternehmen erklärt, seine FDE-Teams seien darauf ausgelegt, die Bereitstellungszeiten von Monaten auf Tage zu verkürzen, indem Ingenieure eingebettet werden, die in Echtzeit direkt mit geschäftlichen, technischen und sicherheitsbezogenen Einschränkungen arbeiten können.
Diese Ingenieure werden außerdem einen von AWS als KI-gestützten Entwicklungszyklus bezeichneten Ansatz verwenden, bei dem KI-Systeme die Ausführung unterstützen, während menschliche Ingenieure die Ergebnisse überwachen und validieren. Anders als bei herkömmlichen Beratungsansätzen, die typischerweise mit der Übergabe eines Systems enden, sollen FDE-Projekte AWS zufolge Kunden sowohl funktionierende Systeme als auch interne Kompetenzen hinterlassen.
Eigenständigkeit als zentrales Ziel
AWS zufolge sollten Kunden nach dem Ende der Bereitstellung nicht von externen Ingenieuren abhängig bleiben. Laut AWS verlassen „Kunden AWS-FDE-Projekte sowohl mit neuen Lösungen als auch mit neuen technischen Kompetenzen“. Das Unternehmen erklärt außerdem , dass Organisationen „dauerhafte KI-Kompetenzen, Workflows und Muster erwerben, mit denen sie eigenständig Innovationen vorantreiben können“.
Das Modell ist so strukturiert, dass interne Kundenteams schrittweise vom Beobachten zum gemeinsamen Entwickeln und schließlich zum eigenständigen Betrieb der Systeme übergehen, unterstützt durch Dokumentation, Wissensgraphen und geschulte interne Mitarbeitende.
Wettbewerb in einem wachsenden FDE-Wettlauf
Amazon betritt ein Feld, das in der KI-Branche rasch an Dynamik gewonnen hat. Das Modell der vor Ort eingesetzten Ingenieure wurde ursprünglich von Palantir populär gemacht und seitdem in unterschiedlichen Formen von großen KI-Unternehmen.
Laut TechCrunch, zählen zu den Technologieunternehmen OpenAI und Anthropic , die bereits eigene FDE-ähnliche Vorhaben gestartet haben, oft als gemeinsame Initiativen mit externen Partnern. Analysten zufolge gewinnt das Modell an Beliebtheit, weil viele Unternehmen Schwierigkeiten haben, KI-Prototypen ohne tiefgreifende technische Unterstützung innerhalb ihrer Organisationen in Produktivsysteme zu überführen.
Was Amazons Ansatz unterscheidet
Anders als einige Wettbewerber, die ihre FDE-Aktivitäten als externe Vorhaben aufgebaut haben, hält AWS das Programm vollständig innerhalb der eigenen Organisation.
Das Unternehmen erklärt, seine Ingenieure würden gemeinsam mit speziell entwickelten KI-Agenten in den Umgebungen der Kunden eingesetzt. Dabei liege der Fokus auf der langfristigen Wiederverwendung von Komponenten über verschiedene Branchen hinweg, während die Bereitstellungen weiterhin an die jeweiligen Kunden angepasst würden. AWS betont außerdem Governance und Sicherheit, darunter vom Kunden kontrollierte Umgebungen, Verschlüsselung und Isolation, damit die Daten innerhalb der Grenzen des Unternehmens bleiben.
AWS zufolge arbeiten FDE-Teams bereits mit Organisationen wie der NFL, Southwest Airlines, der NBA, Ricoh, Cox Automotive und dem Allen Institute zusammen.
Auswirkungen für Unternehmen und Tech-Teams
Für Unternehmen besteht das Versprechen in einer schnelleren KI-Bereitstellung , ohne dass dafür von Anfang an umfassende interne Fachkenntnisse erforderlich sind. Unternehmen erhalten funktionierende Systeme, geschulte Mitarbeitende und Dokumentation, um diese nach dem Weggang der AWS-Ingenieure zu warten.
Doch der Ansatz bringt auch Nachteile mit sich. Das Modell ist arbeitsintensiv und erfordert große Teams hochqualifizierter Ingenieure, die bei mehreren Kunden eingesetzt werden. Zudem stellt sich die Frage nach einer langfristigen Abhängigkeit während der Bereitstellungsphasen und danach, wie gut der Wissenstransfer tatsächlich funktioniert, sobald externe Teams das Unternehmen verlassen.
Dennoch setzt AWS darauf, dass der Nutzen die Kosten überwiegt: eine schnellere Produktion von KI-Systemen und Kunden, die selbst zu kompetenten Entwicklern von KI-Lösungen werden.
Lesen Sie auch: HP weitet OpenAI Frontier weltweit auf seine Geschäftsbereiche aus und setzt Unternehmens-KI für Engineering, Support, Vertrieb und interne Workflows ein.