Langform-Artikel, veröffentlicht auf **X** am **11. August 2026** von **Jesse Zhang**, CEO von **Decagon** (KI-Agenten für den Kundenservice), unter einem dilemmaförmigen Titel — *« To FDE, or not to FDE? »* — der dem **Forward Deployed Engineer** gewidmet ist, der zu *« the answer to almost every hard question in AI go-to-market »* geworden ist. Ausgangsbeobachtung: Anthropic und OpenAI haben Enterprise-Deployment-Einheiten aufgebaut, die sich explizit an Palantir orientieren, *« every seed-stage company »* wirbt mit einem FDE-Angebot, und Stellenausschreibungen für diesen Titel sollen binnen eines Jahres um mehrere hundert Prozent zugenommen haben. **(A) Die Palantir-Genealogie** liefert den Rahmen: die Formel von **Shyam Sankar** (CTO), *« FDEs eat pain and excrete product »*, sowie der Hinweis von **Joe Lonsdale**, dass Palantir fast zwei Jahrzehnte lang als *« glorified consultancy »* bezeichnet wurde — auf Grundlage einer zutreffenden Beobachtung. Die maßgeschneiderten Einsätze von **Gotham** (CIA, NSA, militärische Nachrichtendienste) wurden in Plattform-Primitiven kodiert — Ontologie, Objektmodelle, Berechtigungen, Workflow-Engines, Provenienzverfolgung —, woraus **Foundry** wurde, dann Apollo und AIP; die Standardisierung trieb die Bruttomarge in den Bereich von 80 % und Palantir wechselte von einem FDE-Modell zu Account-based Selling, wobei viele FDEs in die Kernentwicklung wechselten. *« The pain was the input to the product, not a cost of sale. »* **(B) Das vorgeschlagene Kriterium** besteht nicht darin, auf FDEs zu verzichten, sondern zu wissen, wann man aufhören muss: früh einsteigen und dann prüfen, ob man noch **entdeckt** — *« The trap is not starting. It's not stopping. »* **(C) Eine Unterscheidung, die kaum jemand trifft: FDE ≠ Implementierung.** *« Building that integration into their ticketing system »* ist echte Arbeit, aber es handelt sich um die Ausführung einer bekannten Spezifikation, nicht um die Entdeckung einer unbekannten; die Vermischung beider *« is how a company convinces itself that a growing services org is a product investment »*. Schlusssatz: *« If your FDEs are eating pain and excreting more pain, you don't have an FDE team. You have a services business. »* Zu Decagon werden zwei Zahlen angeführt — *« two-thirds of deployment work is now done autonomously via Duet »* und *« a few days on average to launch the first AOP, even for large banks, airlines, telcos »* —, ohne dass der Nenner von „deployment work" definiert oder das Akronym AOP ausgeschrieben wird.
**Jesse Zhang** — cofondateur et **CEO de Decagon** (agents IA de service client, San Francisco) · 85 000 abonnés sur X · site personnel `jessezhang.org`. Il cite son cofondateur **Ashwin Sreenivas** · **ex-Palantir** · d'où la profondeur du récit Palantir. Publié le **11 août 2026**.
Polemischer Essay-Thread von Ahmad Osman (@TheAhmadOsman) auf X, *„Anthropics Krieg gegen Open-Source-KI“* (1,7 Mio. Views). Kernthese: Anthropic wandelt „Sicherheit“ systematisch in einen **Kontrollmechanismus** um (Berechtigungsregime, regulatorische Vereinnahmung, wettbewerbswidrige Zugangsbeschränkungen, Verhaltensopazität), um Entwickler, Startups und Open-Source-Communities **nachgelagert** zu einer Handvoll Frontier-Labs zu halten. Zentraler Ankerpunkt: der **Fable-Vorfall** (stille Degradierung von Anfragen konkurrierender KI-Entwicklung). Plädoyer für Open Source / lokale KI als einzig tragfähige „politische Ökonomie der Intelligenz“. Bereich: KI-Politik, Open Source vs. geschlossene Labs, Souveränität, Governance.
Debattenbeitrag von **Olivier Rafal** (Consulting Director Strategy bei **WeNvision**), veröffentlicht am **23. Februar 2024** auf **CIO-Online** (Rubrik *Tribune*), der eine damals noch kontraintuitive These vertritt: **generative KI ist eher eine Frage des Technologieprodukts als ein KI-/Data-Science-Projekt**. **Argument 1 — Data Science ist nicht der Kern des Problems**: Der Aufbau eines *Foundation Model* von Grund auf erfordert *„mehrere Monate, Millionen von Euro und Zugang zu enormen Datenmengen“* — vorbehalten Akteuren mit spezifischen, monetarisierbaren Datensätzen (z. B. **Bloomberg** mit **BloombergGPT** für den Finanzbereich). Für nahezu alle Unternehmen ist es daher nicht der richtige Reflex, Data Scientists einzustellen. **Argument 2 — Kompetenz-Mismatch**: Hauptsächlich benötigt werden **Entwicklungs- und Integrationsingenieure** (Backend/Frontend), **solide Cloud-Kenntnisse** und **DevOps**. Kundenzitat: *„Man muss nicht unbedingt Data Scientist sein, aber man muss die Grundkonzepte verstehen, Backend-Entwicklungskenntnisse und solide Cloud-Kenntnisse mitbringen.“* **Argument 3 — Plattformarchitektur (Orchestratoren + APIs)**: Der Aufbau einer unternehmensinternen **plateforme d'IA générative** über Orchestratoren und APIs macht es *„möglich, mit den besten am Markt verfügbaren LLMs zu arbeiten und zwischen ihnen zu wechseln, sobald sich ihre jeweiligen Fähigkeiten weiterentwickeln, ohne die Anwendungen überarbeiten zu müssen“* (Anti-Vendor-Lock-in). **Argument 4 — vom Projekt zum Produkt**: *„Die Plattform […] muss als eigenständiges Produkt betrachtet werden“*; statt einer einmaligen Investition ist ein **monatlicher Finanzierungsstrom** einzuplanen (kontinuierliche Iteration, fortlaufende Innovation). **Argument 5 — Governance & Shadow AI**: Die beispiellose Demokratisierung generativer KI erzeugt *„ebenso viel Shadow AI wie starke Erwartungen an die CIO-Organisation“* → Governance, um Business-Bedarfe zu erfassen, **Produkte nach Wert zu priorisieren** und den ordnungsgemäßen Betrieb zu überwachen. Angekündigter **Paradigmenwechsel**: *„der Wandel führt von der klassischen algorithmischen Programmierung zu agents Langchain, die einen Teil der Entscheidungen übernehmen“*. **Relevanz für die Veille**: ein **Gründungstext (2 Jahre vorausschauend)** der WeNvision-Doktrin (Produkt > Projekt, Plattform/API, flussbasierte Finanzierung, Governance, Shadow AI), später erweitert durch [[wenvision-ai-agents-enterprise-deployment-2025-10-01]], [[habert-ia-agentique-production-2025-10-29]], und rafal-wenvision-tokenomics-foundation-finops-ia-2026-06-04 (FinOps/Token, flussbasierte Finanzierung → finanzielle Governance). Er nimmt zudem den *Harness/die Plattform rund um das Modell* vorweg (Dropbox/Okumura: *systems around the model*) sowie die durch eine Orchestrierungsschicht erreichte **Modellunabhängigkeit**.
#generative KI#Technologieprodukt#Produkt vs. Projekt
**Olivier Rafal** · *Consulting Director Strategy* chez **WeNvision** (cabinet de conseil FR). Tribune publiée dans la rubrique *Tribune* de **CIO-Online**. Auteur déjà présent dans la veille (cf. fiches WeNvision/Atlas/Tokenomics). Publié le **23 février 2024**.