Microsoft setzt 2,5 Milliarden Dollar auf die Zukunft: In den nächsten 10 Jahren werden nur diese zwei Arten von Unternehmen überleben

Vor 5 Tagen hat der Technologiegigant Microsoft eine bahnbrechende Entscheidung getroffen.

Das Unternehmen kündigte die Gründung einer unabhängig operierenden Einheit an: der Microsoft Frontier Company. Mit einer einmaligen Investition von 2,5 Milliarden US-Dollar und 6.000 Branchenexperten sowie Ingenieuren wird das Team langfristig direkt bei den Kunden vor Ort eingesetzt.

Welche Signale und Erkenntnisse verbirgt sich hinter diesem Schritt?

In diesem Artikel analysieren wir das gesamte Szenario umfassend.

1. Die Annahme, KI sei lediglich ein Werkzeug, ist ein Missverständnis

Bisher folgte unsere Logik: Was einem Unternehmen fehlt, wird als System eingekauft.

Fehlt es an Kundenmanagement, wird ein CRM-System angeschafft; fehlt es an Finanzverwaltung, ein ERP-System; fehlt es an Kollaborationstools, werden Office, Feishu oder DingTalk eingeführt.

Nach dem Kauf der Tools folgen kurze Schulungen, die Mitarbeiter wenden sie nach den vorgegebenen Abläufen an – und schon gilt die digitale Transformation als abgeschlossen.

Doch die heutige KI funktioniert nicht auf diese Weise.

Damit KI echten Wert schafft, muss sie direkt in die betrieblichen Abläufe des Unternehmens integriert werden: Sie muss Kundendaten einsehen, Bestellhistorien verstehen, Genehmigungsabläufe verknüpfen, wissen, wer für Ergebnisse verantwortlich ist – und sich durch jedes betriebliche Feedback stetig weiterentwickeln.

Ein KI-Chatbot für den Kundenservice bleibt, auch wenn er sprachlich brillant ist, nur ein kostengünstigerer automatischer Antwortgenerator, wenn er keine Zugriff auf Bestellungen, Beschwerden, Rückerstattungen oder Vertragsverlängerungen der Kunden hat.

Eine Vertriebs-KI kann nicht wirklich beurteilen, welche Kunden den Einsatz von Ressourcen wert sind, wenn sie keine Verbindung zum CRM-System, zu Angebotsberechtigungen, Kundenprofilen und Abschlussdaten hat – sie kann Vertriebsmitarbeitern höchstens ein paar Formulierungen für Nachfassen erstellen.

Eine Management-KI, die keine Zugriff auf Finanzdaten, Arbeitsproduktivität, Lagerbestände, Beschaffung und Verkaufsprognosen hat, kann das Unternehmen umso leichter in große Schwierigkeiten bringen, je schöner die von ihr generierten Berichte aussehen.

Zwischen dem "Einsatz von KI-Tools" und der "tatsächlichen KI-Transformation des Unternehmens" liegt also noch eine Menge Arbeit.

Mit der Aufstellung dieses 6.000-köpfigen KI-Teams schickt Microsoft gezielt Ingenieure und Branchenexperten in Unternehmen, um KI in Abläufe zu integrieren, Abläufe mit Daten zu verknüpfen, Daten in Entscheidungen einfließen zu lassen und Entscheidungen zu messbaren Ergebnissen zu führen.

2. Was die Top-Unternehmen im Silicon Valley aktuell umsetzen

Neben Microsoft hat auch Amazon Web Services 1 Milliarde US-Dollar investiert, um das FDE-Programm aufzubauen (Anmerkung des Autors: Frontline Deployment Engineers – diese Fachkräfte werden direkt beim Kunden vor Ort eingesetzt, um allgemeine KI-Modelle oder Technologien individuell in dessen komplexe reale Betriebsabläufe zu integrieren, die "letzte Meile" der KI-Implementierung zu überbrücken und für die endgültigen betrieblichen Ergebnisse verantwortlich zu sein. Dies gilt für alle folgenden Erwähnungen).

Auch OpenAI gründete die OpenAI Deployment Company, holte externes Kapital an Bord, erwarb das Unternehmen Tomoro und stellte 150 Deployment Engineers ein.

Der Ursprung der FDE-Rolle geht maßgeblich auf das Unternehmen Palantir zurück.

Als dieses Unternehmen US-Geheimdienste betreute, stellte es fest: Wenn Ingenieure keinen Zugang zu echten Betriebsszenarien haben und Anforderungen durch mehrere Ebenen weitergegeben werden, verzerren sich diese. Also begann man, Ingenieure direkt vor Ort bei den Kunden arbeiten zu lassen – gemeinsam mit Geheimdienstanalytikern und Fachkräften, um die Systeme wirklich in die Arbeitsabläufe der Kunden einzubetten.

Im Kern sind FDEs keine "entsandten Programmierer" und keine klassischen Berater, sondern eine kundeneingebettete Ingenieurrolle: Sie beherrschen die Technik, sind nah an den betrieblichen Abläufen und verantworten es, allgemeine Software- oder KI-Fähigkeiten in die realen Prozesse der Kunden zu integrieren – und diese zu messbaren betrieblichen Ergebnissen zu führen.

Alle drei Unternehmen bewegen sich auf dasselbe Ziel zu: Sie schicken Fachkräfte direkt zum Kunden vor Ort, um KI von Demonstrationen, Pilotprojekten und reinen Werkzeugen in echte Prozesse und zu greifbaren betrieblichen Ergebnissen zu bringen.

Die dahinterliegende Logik ist einfach: Wenn KI die betrieblichen Abläufe nicht versteht, kann sie nur Inhalte generieren. Nur wenn KI in die Prozesse integriert ist, kann sie Ergebnisse verändern.

Was diese Unternehmen aktuell tun, ist, mit KI die Arbeitsabläufe ihrer Kunden neu zu gestalten.

Das ist nicht dasselbe wie das bloße Einkaufen von Werkzeugen.

Beim Kauf von Werkzeugen fügt man den alten Abläufen nur ein Plugin hinzu. Eine Neugestaltung der Arbeitsabläufe bedeutet dagegen, sich neu zu fragen: Warum machen wir das so? Welche Schritte erfordern menschliches Urteil? Welche Schritte können an KI übergeben werden? Welche Daten müssen zusammengeführt werden? Wer ist für Fehler verantwortlich?

Microsoft betont in diesem Zusammenhang wiederholt "measurable business outcomes" – also messbare betriebliche Ergebnisse.

Diese Aussage ist nicht neu, aber entscheidend.

Bei KI-Projekten darf es am Ende nicht nur darum gehen, wie viele Personen eingesetzt wurden, wie viel Inhalt generiert wurde oder wie viel Zeit eingespart wurde. Entscheidend ist, ob die Verkaufskonversionsrate gestiegen ist, die Kundenerneuerungsrate verbessert wurde, der Lagerumschlag beschleunigt wurde, der Entwicklungszyklus kürzer wurde und Managemententscheidungen zeitnaher getroffen werden.

3. "Fachkräfte direkt vor Ort einsetzen" – die neue Richtung im KI-Zeitalter

Manche fragen sich: Hat sich die Softwarebranche über all die Jahre nicht genau dafür entwickelt, standardisierter, skalierbarer und automatisierter zu werden? Warum schicken Microsoft, Amazon und OpenAI jetzt Ingenieure direkt zu den Kunden? Ist das nicht ein Rückschritt von der Hightech-Ära zurück zu klassischen Beratungsunternehmen?

Das ist eine gute Frage.

Tatsächlich ist das kein Rückschritt – sondern eine logische Folge davon, dass standardisierte Produkte nicht mehr ausreichen, sobald KI in die tieferen Ebenen der betrieblichen Prozesse vordringt.

Herkömmliche Software löst relativ stabile Probleme: Finanzbuchhaltung, Kundendatenerfassung, Prozessgenehmigungen, Dokumentenkollaboration. Diese Szenarien sind zwar bei jedem Unternehmen unterschiedlich, aber die zugrundeliegende Logik ist relativ fest – also lassen sie sich produktivieren, modularisieren und als Abonnement anbieten.

Die Probleme, die KI lösen soll, drehen sich viel mehr um Urteilsvermögen.

Zum Beispiel: Die Beurteilung, ob ein Kunde lohnt, um nachzufassen; ob eine Beschwerde zum Kundenverlust führt; ob eine Störung in der Lieferkette die Auslieferung beeinträchtigt; ob eine Produktanforderung eine Scheinanforderung ist; ob sich der Einsatz von Ressourcen für eine Marktchance lohnt.

Diese Urteile folgen keinen allgemeingültigen Abläufen – sie sind eingebettet in die spezifischen Daten, Erfahrungen, Kundenbeziehungen und organisatorischen Rahmenbedingungen eines Unternehmens.

Selbst das stärkste Modell kann nicht von Natur aus die gesamte Geschichte eines Unternehmens verstehen.

Genau deshalb werden "Frontline Deployment Engineers" in Zukunft so wichtig sein: Sie sind keine klassischen Berater und keine gewöhnlichen Programmierer – sondern die Fachkräfte, die Technik wirklich in die betrieblichen Abläufe einbetten.

Aus genau diesem Grund können sich Fachkräfte aus Bereichen wie Frontendentwicklung, Produktmanagement, Architektur und Algorithmik in diese Richtung weiterentwickeln. Frontendentwickler verstehen Interaktionen und Nutzerabläufe, Architekten verstehen Systemintegration, Produktmanager verstehen Anforderungsanalyse und Algorithmiker kennen die Grenzen von Modellen. Mit zusätzlichen Kenntnissen über Branchenzusammenhänge, Kundenkommunikation und die Fähigkeit, Ergebnisse zu einem geschlossenen Kreislauf zu führen, haben alle die Chance, in diese neue Rolle zu wechseln.

Das wirklich Wertvolle an der FDE-Rolle ist, dass sie den Wandel im Wert von Fachkräften im KI-Zeitalter widerspiegelt: Die zukünftig am meisten gesuchten Personen sind nicht diejenigen mit der stärksten einzelnen Fähigkeit – sondern diejenigen, die KI-Kapazitäten, betriebliche Abläufe und Kundenergebnisse zu einem geschlossenen funktionierenden Kreislauf verbinden können.

Ein weiteres Missverständnis: Viele Unternehmen halten FDEs für "teurere Outsourcing-Ingenieure".

Tatsächlich arbeiten FDEs vor Ort beim Kunden, schreiben Code und passen Lösungen an die betrieblichen Gegebenheiten an. Oberflächlich ähneln sie damit Outsourcing-Ingenieuren sehr.

Der entscheidende Unterschied liegt aber nicht im Schreiben von Code, sondern im Feedback-Kreislauf.

Beim Outsourcing erhält man eine klar formulierte Anforderungsliste: Welche Funktionen umzusetzen sind, wie die Abnahme erfolgt und wann die Lieferung fällig ist.

FDEs übernehmen dagegen oft noch nicht klar definierte betriebliche Aufgaben: Der Kunde weiß nur, dass KI ihm helfen soll – aber wie das Problem aufzuteilen ist, Abläufe zu ändern, Modelle zu integrieren und Ergebnisse zu messen sind, muss häufig gemeinsam erarbeitet werden.

Outsourcing liefert Teilergebnisse: Ein Modul, ein System, eine Seite – und nach der Abnahme ist das Projekt abgeschlossen. FDEs arbeiten end-to-end: Sie verbinden die Modellkapazitäten mit den echten Arbeitsabläufen des Kunden und prüfen, ob Konversionsraten steigen, Kundenabwanderung sinkt, Zyklen kürzer werden und eine nachhaltige Nutzung erreicht wird.

Noch wichtiger: Das Feedback aus Outsourcing-Projekten bleibt meist innerhalb des Projekts. Das Feedback, das FDEs sammeln, fließt zurück in die Produkt- und Technikentwicklung des Modellunternehmens. Probleme bei der Tool-Nutzung, Grenzen von Berechtigungen und Engpässe in Abläufen, auf die Kunden in echten Szenarien stoßen, werden zu Eingaben für die nächste Generation von Modellen, Tools und Produktfunktionen.

Sie verkaufen nicht nur eine Dienstleistung – sondern sammeln vor Ort die wahrhaftigen Produktsignale. Diese Signale lassen sich nicht mit Umfragen einholen und nicht in Meetings erfahren. Nur ein Ingenieur, der direkt in den spezifischen Arbeitsabläufen arbeitet und selbst auf Hindernisse stößt, kann sie zurückbringen.

4. Drei Dinge, die chinesische Unternehmer aktuell umsetzen sollten

In China wird die FDE-Rolle (Frontline Deployment Engineer) zunehmend zu einem Schwerpunkt großer Technologieunternehmen, die massiv in die Einstellung entsprechender Fachkräfte investieren.

ByteDance bietet Monatsgehälter von 35.000 bis 70.000 Yuan bei 15 Monatsgehältern pro Jahr – das maximale Jahresgehalt kann bis zu 1,05 Millionen Yuan erreichen. Alibaba Cloud Intelligence bietet Monatsgehälter von 20.000 bis 50.000 Yuan bei 16 Monatsgehältern pro Jahr.

Für die meisten Unternehmen ist es aber nicht nötig, sofort eine neue Person mit der Bezeichnung "FDE" einzustellen.

Möglicherweise gibt es in Ihrem Unternehmen bereits Mitarbeiter mit ähnlichen Fähigkeiten – nur unter einer anderen Stellenbezeichnung.

Ihre KI-Anwendungsingenieure, Produktmanager und technischen Verantwortlichen für Betriebsabläufe können bereits ähnliche Aufgaben wahrnehmen. Entscheidend ist, diese Personen zu identifizieren, neu zu gruppieren und ihnen einen Entwicklungsweg zu bieten, der wirklich zu ihren Tätigkeiten passt.

Statt eine neue KI-Abteilung zu gründen und zehn abteilungsübergreifende Koordinationsmeetings abzuhalten, ist es sinnvoller, zunächst ein paar "interne FDEs" zu bestimmen. Diese werden direkt in den Bereichen Vertrieb, Kundenservice, Lieferkette und Forschung eingesetzt, um die Modellkapazitäten wirklich in die Abläufe zu integrieren.

Sie können zunächst die drei grundlegenden FDE-Aufgaben umsetzen, um die Basis für die KI-Transformation Ihres Unternehmens zu legen.

1. Stellenstruktur an den neu gestalteten Arbeitsabläufen ausrichten

Bisher war die erste Reaktion von Unternehmen bei KI-Projekten: "Welche Stelle wird ersetzt?" Tatsächlich passiert meist nicht, dass eine ganze Stelle plötzlich verschwindet – sondern dass die Aufgaben innerhalb einer Stelle neu aufgeteilt werden: Ein Teil geht an das Modell, ein Teil an das System, ein Teil bleibt bei den fachkundigen Mitarbeitern, die für Urteil und Absicherung verantwortlich sind.

Früher musste ein Produktmanager Anforderungen formulieren, Prototypen zeichnen, Meetings organisieren und die Entwicklung überwachen.