Große Technologieunternehmen konkurrieren um Talente mit Jahresgehältern in Millionenhöhe – was ist FDE eigentlich?

Ein scheinbar abstrakter Job wird zu einem der Schwerpunkte bei der Einstellung von Fachkräften in großen Unternehmen im Jahr 2026.

ByteDance bietet ein monatliches Gehalt von 35.000 bis 70.000 Yuan und 15 Gehaltszahlungen im Jahr. Das maximale Jahresgehalt wird auf bis zu 1,05 Millionen Yuan geschätzt. Alibaba Cloud Intelligence hingegen bietet ein monatliches Gehalt von 20.000 bis 50.000 Yuan und 16 Gehaltszahlungen im Jahr.

Bei diesen Stellenangeboten handelt es sich um Frontline Deployment Engineers, kurz FDE. In den letzten Monaten haben sowohl ausländische Spitzenunternehmen im Bereich großer Sprachmodelle wie OpenAI und Anthropic als auch chinesische Techriesen wie ByteDance, Alibaba und Tencent FDE-Stellen geschaffen. Auf sozialen Plattformen gibt es zahlreiche Geschichten über "monatliche Einnahmen von 100.000 Yuan mit Einzelaufträgen" und "Jahresgehälter von einem Million Yuan bei Karrierewechsel ohne Vorkenntnisse". Techniker, Frischgegraduierte und traditionelle Berater fluten in diesen Bereich.

Aber es gibt auch immer wieder Kontroversen: Handelt es sich hierbei um einen neuen Goldjob, der durch die AI-Era entsteht, oder um eine "Alte Ware in neuen Bottles"? Liegt der Kernwert in den Codes oder in den Geschäftsabläufen?

Kein neues Berufsbild

Was macht ein FDE eigentlich?

Wenn die Fähigkeiten von Sprachmodellen ständig verbessert werden, besteht das eigentliche Problem darin, die vielfältigen Bedürfnisse traditioneller Unternehmen mit den Fähigkeiten der Modelle zu verbinden. Dies ist die Aufgabe eines FDE.

"Ein Großteil der Popularität des Begriffs FDE im Jahr 2026 ist auf Konzeptarbitrage zurückzuführen." Die Einschätzung von Zaniel, einem Doktoranden an der Stanford University und unabhängigen Berater, trifft auf die Kernkontroverse der Branche. Viele Brancheninsider sind der Meinung, dass dieser als neues Berufsbild vermarktete Job im Wesentlichen der alte Lösungsarchitekt, Implementierungsberater oder Lieferungsmanager ist, der nur mit dem AI-Trend einen trendigeren Namen bekommen hat.

Der Begriff FDE ist kein neues Phänomen. Dieser Job wurde erstmals von der amerikanischen Firma Palantir massenhaft eingeführt. Das Kernmodell besteht darin, dass Ingenieure vor Ort bei Regierungsstellen und großen Unternehmen eingesetzt werden, um standardisierte Datenanalyseprodukte in die bestehenden Systeme und Arbeitsabläufe der Kunden zu integrieren.

Jolie Ni, eine Technikerin aus Silicon Valley, hat die Entwicklung des FDE-Jobs in den letzten sechs Monaten live miterlebt und sich entschlossen, den unabhängigen FDE-Dienstleister Hconsult.ai zu gründen. Ihre Zielkunden sind kleine und mittlere Unternehmen mit einem Jahresumsatz zwischen 5 und 10 Millionen US-Dollar. Diese Unternehmen haben Budget und Bedarf, können aber weder die oben genannten großen Unternehmen für ihre Dienste gewinnen noch können sie sich eigene FDE-Teams leisten. Ihr Startup hat somit eine differenzierte Wettbewerbsposition.

Ähnlich wie in den USA hat sich auch auf dem chinesischen Markt ein duales Muster entwickelt. Auf der einen Seite gibt es die FDE-Strukturen der großen Unternehmen: Die FDE-Teams von Anbietern großer Sprachmodelle betreuen die weltweit größten 500 Unternehmen. Die FDEs von Feishu und DingTalk werden als "Vertrieb + Technik"-Paare in mittelgroße und große Unternehmen eingesetzt, um maßgeschneiderte Lösungen auf Basis eigener Plattformen zu implementieren.

Durch seine eigene Community "HA7CH" hat Lawted erfahren, dass in Hangzhou ein großes Unternehmen bereits die Regel eingeführt hat, dass neue Mitarbeiter zunächst drei Monate als FDE arbeiten müssen. Man schickt sogar Produktmanager vor Ort, um Bedürfnisse zu erfassen und Demos zu entwickeln. Der FDE wird somit von einer unabhängigen Position zu einer Standardfähigkeit von B2B-Teams.

Auf der anderen Seite gibt es die von Lawted als "lokale FDEs" bezeichneten unabhängigen Dienstleister, die meist Einzelpersonen oder kleine Teams sind. Sie konzentrieren sich auf die kleinen und mittleren Unternehmen in der Nischenwirtschaft. Sie sind flexibel und kostengünstig und füllen die Lücken, die die großen Unternehmen nicht abdecken können.

Die unklare Definition des Jobs ist die Quelle der Kontroversen um das Konzept. Viele Menschen können den Unterschied zwischen FDEs, Outsourcing-Firmen, AI-Ingenieuren und AI-Produktmanagern nicht unterscheiden. Echte Projekte können die Grenzen am besten aufzeigen.

Zaniel hat einmal die Anfrage eines Unternehmens erhalten, das eine AI-Kundenservice-System einführen wollte. Erst nach einer tiefgreifenden Analyse vor Ort stellte sich heraus, dass das eigentliche Problem des Unternehmens darin bestand, dass die Kundendaten aus verschiedenen Geschäftssystemen nicht miteinander kompatibel waren. Die geringe Effizienz des Kundenservices war nur ein Symptom.

Wenn man nach dem Outsourcing-Prinzip einfach ein AI-Kundenservice-System entwickelt, hat man zwar ein Produkt, aber das Kernproblem bleibt ungelöst. Dies ist der Hauptunterschied zwischen FDEs und Outsourcing: Outsourcing-Unternehmen sind nur für die vereinbarten Lieferungen verantwortlich, die Anforderungen werden vom Kunden definiert. FDEs müssen zunächst die Oberfläche durchdringen, um das eigentliche Problem zu identifizieren.

Der Unterschied zu AI-Ingenieuren ist ebenfalls deutlich. In Ram's Unternehmen, einem führenden Unternehmen im Bereich der Konsumgüter, gibt es die Position eines AI-Ingenieurs seit Jahren. Die Kernaufgabe besteht darin, bewährte Algorithmen und Lösungen aus der Branche zu replizieren. FDEs hingegen müssen oft "vague" Anforderungen wie "Ich möchte mit AI Kosten senken und Effizienz steigern" in realisierbare technische Lösungen umsetzen.

Nach Ram's Meinung liegt der Kern des FDE-Jobs im "Forward" - man muss einen Schritt vorwärts gehen und in die Geschäftsprozesse eintauchen, anstatt im Hintergrund auf die Anforderungen zu warten.

Jolie Ni erklärt, dass AI-Produktmanager sich auf einzelne Produkte konzentrieren und diese kontinuierlich verbessern. FDEs hingegen müssen Probleme über Branchen und Szenarien hinweg lösen. Sie sind eher wie "Berater, die auch die Lösungen umsetzen können". Sie müssen nicht nur die Probleme diagnostizieren, sondern auch die Lösungen umsetzen.

Es ist allgemein anerkannt, dass die Kernfähigkeit eines FDE nie das Schreiben von Codes war.

Lawted gibt ein Verhältnis von "Sechs Teile Kommunikation, vier Teile Technik" an. Diese Einschätzung wurde in Zaniel's Projekt zur Automatisierung von Finanzberichten bestätigt. Bei der Automatisierung der Finanzberichte eines regionalen Finanzinstituts war die am meisten zeitaufwendige und wertvollste Aufgabe nicht das Schreiben von Automatisierungsskripten, sondern die Extraktion von Hunderten von Geschäftsregeln aus den Erfahrungen der alten Mitarbeiter, die bisher nie dokumentiert wurden. Jeder, der Python kann, kann Automatisierungsskripten schreiben, aber die Regeln, die in den Köpfen der Menschen stecken, können nur durch intensive Zusammenarbeit vor Ort ermittelt werden.

Das bedeutet auch, dass der FDE kein völlig neues Berufsbild ist. Die AI-Tools haben die Entwicklungsschwelle stark gesenkt. Projekte, die früher von einem Team durchgeführt werden mussten, können jetzt von einer Person umgesetzt werden. Der wirtschaftliche Wert dieser Rolle wurde plötzlich erhöht, und so ist es mit der Konzeptwelle in den Vordergrund getreten. Wenn man die "neue Goldjob" - Brille abnimmt, ist es im Wesentlichen der "letzte Kilometer" der AI-Implementierung, ein Übersetzer zwischen Technik und Geschäft.

Wo liegt der Wert?

Wenn man die Glanzlichter des Konzepts entfernt und in die realen Geschäftsprozesse eintaucht, wird der Wert des FDE erst richtig sichtbar.

In realen Szenarien ist die am häufigsten geforderte Wirkung die Reduzierung von Kosten und die Steigerung der Effizienz. Dies ist auch der Wert, für den kleine und mittlere Unternehmen am ehesten bezahlen.

Jolie Ni hat einmal für ein südkoreanisches Unternehmen im Bereich GPU-Rechenleistung die Automatisierung des Kundenakquise-Prozesses durchgeführt. Zuvor mussten die Mitarbeiter manuell die Informationen von Professoren aus den Top 500 Universitäten der QS-Ranking sammeln, die Veranstaltungspläne von Fachkonferenzen abgleichen und individuelle Geschäftsentwicklungs-E-Mails schreiben. Ein erfahrener Mitarbeiter konnte höchstens 10 effektive E-Mails pro Tag verschicken.

Nach der Implementierung der Automatisierungslösung kann das System über APIs automatisch die Informationen von Konferenzen und die Forschungsaktivitäten von Wissenschaftlern sammeln, mit großen Sprachmodellen entsprechende Beispiele abgleichen und maßgeschneiderte Inhalte generieren. Es können täglich 200 bis 500 E-Mails gesendet werden, und die Antwortrate hat sich nicht durch die Automatisierung verschlechtert.

Das gleiche gilt für das regionale Finanzinstitut, das von Zaniel betreut wird: Mehrere Geschäftseinheiten müssen täglich mehrere Dutzend Tagesberichte erstellen. Alle Daten müssen manuell aus dem Kernsystem exportiert und in Excel-Tabellen eingefügt werden. Nach der Implementierung der Automatisierungslösung sind alle ungeschriebenen Geschäftsregeln in das System integriert worden, und die Mitarbeiter sind von der mechanischen, repetitiven Arbeit befreit.

Am Ende kann der Wert des FDE möglicherweise weit über die Kostenersparnis hinausgehen und auch dazu beitragen, dass das Unternehmen eine langfristige Wettbewerbsfähigkeit aufbaut.

Entsprechend den verschiedenen Wertanforderungen hat sich die Branche zwei Hauptzahlungsmodelle entwickelt.

Jolie Ni verwendet eine Kombination aus "Projektbasis + monatliche Wartungskosten": Das Hauptprojekt wird als Paket einmalig abgerechnet, und die anschließende Prozessoptimierung und die tägliche Wartung werden monatlich in Rechnung gestellt. Dies ist geeignet für Kunden mit klar definierten Anforderungen und langfristigen Wartungsbedürfnissen.

Das andere Modell ist die Leistungsbasierte Vergütung.

Lawted erklärt, dass viele unabhängige FDEs bei Kundenakquise-Projekten nach der Anzahl der effektiven Leads, bei Kostensenkungsprojekten nach den eingesparten Personalkosten oder bei AI-Kundenservice-Projekten nach der Anzahl der effektiv bearbeiteten Aufträge abrechnen. Wenn keine Ergebnisse erzielt werden, wird keine Gebühr erhoben. Bei AI-Kundenservice-Systemen wird nicht einfach das System an den Kunden verkauft. Für jeden bearbeiteten Auftrag werden 0,5 Yuan berechnet. Wenn kein Auftrag bearbeitet werden kann, muss nichts bezahlt werden. Dieses Modell senkt die Entscheidungsbarriere für kleine und mittlere Unternehmen erheblich und bindet die Einnahmen der FDEs eng an die Geschäftsergebnisse der Kunden.

Die Branche hat lange darüber gestritten, wie man zwischen Standardisierung und Individualisierung einen Ausgleich finden kann. Die Verbreitung der AI könnte eine neue Antwort liefern.

Lawted ist der Meinung, dass die Lösung darin besteht, "intern zu standardisieren und extern zu individualisieren". Man sollte keine standardisierten Produkte an die Kunden liefern, da standardisierte Lösungen nie 100 % passend sind. Aber man sollte interne Komponenten, Entwicklungsframeworks und Diagnosemethoden entwickeln. So wie Designer ihre eigene Farbpalette und Animationsbibliothek haben, ist jede Website, die für einen Kunden erstellt wird, einzigartig, aber die zugrunde liegenden Komponenten werden wiederverwendet.

Er gibt als Beispiel die FDEs von Feishu, die in Fabriken Helmschutzüberprüfungen und Feuererkennungssysteme implementieren. Dies sieht aus wie eine komplett neue Lösung für den Kunden, aber die zugrunde liegenden technischen Komponenten werden bereits in mehreren Dutzend Unternehmen eingesetzt. Nachdem die AI die Kosten für individuelle Entwicklung gesenkt hat, ist es ein neues Konsens in der Branche, interne Standardkomponenten zu entwickeln und externe maßgeschneiderte Lösungen zu liefern.

Aber auf dem Weg zur eigentlichen Implementierung gibt es immer noch viele Unsicherheiten.

Beispielsweise gibt es hohe Kosten für die Systemumstellung. Lawted hat einmal für ein Speditionsunternehmen in Shenzhen ein AI + ERP-System entwickelt. Alle Funktionen waren fertiggestellt, aber es konnte nicht in Betrieb genommen werden.

Er erklärt, dass das Kernsystem eines Speditionsunternehmens der Lebenselixier des Unternehmens ist. Die Systemumstellung erfordert, dass alle Rechnungen in beiden Systemen parallel eingegeben werden. Dies kann nur in der niedrigen Saison zwischen Februar und Mai durchgeführt werden. Das Projekt fiel genau in eine Zeit, in der der Logistiksektor nach der Entspannung des Konflikts im Nahen Osten überfüllt war. Alle Mitarbeiter waren mit der Geschäftstätigkeit beschäftigt, und das Projekt musste bis zur nächsten niedrigen Saison verschoben werden.

Nach dieser Erfahrung entwickelt er nicht mehr sofort ein neues Kernsystem für die Kunden, sondern eher leichte "digitale Mitarbeiter" - Plugins, die in die bestehenden Arbeitsabläufe integriert werden können. Dies ist weniger riskant, bringt schnell Ergebnisse und wird von den Kunden besser akzeptiert.

Obwohl FDEs Unternehmen bei der AI-Implementierung unterstützen können, ist dies keine Allheilmittel und es wird keine magische Lösung schaffen. Die Meinung der Branchenmitglieder ist übereinstimmend: Der Kernwert eines FDE liegt nie in der Lieferung eines Tools, sondern in der Unterstützung von Unternehmen bei der Entdeckung von Blindstellen. Dies ist auch der Kern des "Forward/Frontier" im Begriff FDE.

Ein vorübergehender Job?

Die Popularität des FDE-Jobs zieht viele Trendjäger an, und es entstehen auch Blasen.

Zuerst ist die FDE-Schulungshochzeit aufgekommen. In China gibt es zahlreiche bezahlte Kurse, die versprechen, dass man "ohne Vorkenntnisse in drei Monaten in den FDE-Bereich wechseln und ein Jahresgehalt von einem Million Yuan verdienen kann". Viele Menschen, die den Trend nutzen wollen, werden von diesen Kursen angelockt.

Aber die Branchenpioniere stimmen nicht damit überein. Lawted hat eine Community gegründet, in der sich Tausende von FDE-Praktikern treffen. Er hat in Shenzhen, Shanghai und Hangzhou Offline-Veranstaltungen organisiert und hält an der nicht-kommerziellen Position fest. Er bietet keine bezahlten Schulungen an.

In seiner Meinung hängt der FDE-Job stark von der Branchenerfahrung ab. Die Implementierungsmethoden in der Logistikbranche sind in der Rennsportbranche völlig ungeeignet, und die Erfahrungen in der Fertigungsbranche haben in der Finanzbranche keine Bedeutung. Es gibt keine universelle Kursstruktur. Die Probleme, Prozesse und Regeln in jeder Branche sind unterschiedlich, und man kann nicht mit einem Kurs alles lernen. Deshalb sind die Offline-Veranstaltungen eine gute Möglichkeit, um sich zwischen verschiedenen Branchen auszutauschen.

Jolie Ni erwähnt auch, dass es in Silicon Valley fast keine FDE-Schulungen für die breite Öffentlichkeit gibt. Die Zertifizierungsschulungen von Anbietern großer Sprachmodelle sind nur für die internen Mitarbeiter ihrer Partnerdienstleister vorgesehen, um die Implementierungskapazität zu verbessern.

Was noch besorgniserregender ist, ist die Gefahr, dass AI-Unternehmen, die sich auf FDEs konzentrieren, in die Schwierigkeiten von Beratungsunternehmen geraten.

Zaniel sagt, dass viele AI-Unternehmen im Wesentlichen zu Beratungsunternehmen geworden sind, aber immer noch mit der Bewertung von Softwareunternehmen finanzieren. Die Ausgabe von großen Sprachmodellen ist probabilistisch. Jeder Unternehmenskunde benötigt eine individuelle Validierungsprozess und eine kontinuierliche Wartung und Optimierung. Die Personalkosten können nicht weggeschafft werden. Am Ende werden die Personalausgaben der FDEs in die Betriebskosten eingeplant, und die Gewinnspanne des Unternehmens wird auf das Niveau von traditionellen Beratungsunternehmen gedrückt.

Wie lange wird der FDE als unabhängige Position bestehen bleiben? Die Einschätzung der Branchenmitglieder ist übereinstimmend: Wahrscheinlich ist es ein vorübergehender