So positionierst du dich für die FDE-Rolle — der heißeste KI-Job 2026

Die Rolle — was ein FDE wirklich macht

Es gibt eine neue Rolle, die gerade in der Tech-Welt explodiert — und selbst wenn du nicht technisch bist, ist jetzt der Moment, dich für das zu positionieren, was als Nächstes kommt. Sie heißt Forward Deployed Engineer (FDE).

Salesforce hat angekündigt, ein Team von 1.000 FDEs aufzubauen. Anthropic und OpenAI haben Joint Ventures gestartet, um Engineers direkt in die Unternehmen ihrer Kunden zu setzen. Stellenanzeigen für diese Rolle sind weltweit um über 800 % in 9 Monaten und um 729 % im Jahresvergleich gewachsen. Allein in Deutschland sind aktuell rund 190 offene FDE-Stellen ausgeschrieben.

Ein FDE geht in ein Unternehmen hinein, lernt, wie das Geschäft tatsächlich funktioniert, und baut maßgeschneiderte KI-Lösungen, die genau dazu passen. Teils Engineer, teils Consultant, teils Product Manager. Die Rolle existiert, weil die KI-Kompetenzlücke die größte Hürde für die KI-Einführung in Unternehmen ist (laut Deloitte „State of AI 2026"). Die Modelle sind bereit. Die Belegschaft nicht. FDEs schließen diese Lücke — Kunde für Kunde.

Der typische Arbeitstag

1. Scoping-Workshops beim Kunden vor Ort, um Workflows, Daten und Restriktionen zu kartieren.
2. Agent-Instruktionen schreiben und Prompts direkt in der Kundenumgebung iterieren.
3. Datenpipelines bauen und konfigurieren (Snowflake, Databricks, Foundry-artige Datenmodelle).
4. Integrationen zwischen Systemen ausliefern, die nie dafür gebaut wurden, miteinander zu sprechen.
5. Evaluations bauen und A/B-Tests für LLM-Workflows im konkreten Use-Case fahren.
6. Produktionsincidents debuggen und die Root-Cause-Analyse für Engineers und Vorstand schreiben.
7. Produkt-Feedback zurück an die Zentrale geben, damit das Kernprodukt besser wird.

Was die Daten sagen

Der Job-Markt-Analyst Bloomberry hat 1.000 echte FDE-Stellenbeschreibungen ausgewertet: „Direkt mit Kunden arbeiten" kam in 55 % vor, „KI/ML bauen & deployen" in 37 %, „API-Integration" in 32 %. Sales-Quoten: 0 %. Das ist keine als Engineering getarnte Vertriebsrolle.

Wer stellt ein — Firmen & Titel im DACH-Raum

FDE-Jobs laufen je nach Firma unter unterschiedlichen Titeln. Diese Unternehmen suchen aktuell in Deutschland, Österreich oder der Schweiz (Auswahl):

• BCG X (Berlin) — Forward Deployed AI Engineer
• McKinsey · QuantumBlack (Berlin) — Senior Forward Deployed Engineer
• Mistral AI (München) — Applied AI / Forward Deployed AI Engineer
• Salesforce (München) — Forward Deployed Engineer / Agentforce FDE
• Databricks (Remote) — AI Engineer — FDE
• Taktile (Berlin) — Senior Forward Deployed Engineer
• Exxeta (Berlin) — Forward Deployed Engineer
• HappyRobot (Bonn) — Forward Deployed Engineer (German)
• Poka (Berlin) — Forward Deployed Engineer
• Instaffo (München) — (Senior) Solutions Engineer, Integrations

Dazu die globalen Player, die in der EU einstellen: Palantir, OpenAI, Anthropic, Cohere, Google Cloud, Ramp, Scale AI, Intercom.

Titel, nach denen du suchst: Forward Deployed Engineer · Forward Deployed AI Engineer · Applied AI Engineer · Deployment Strategist · Customer Engineer · Solutions Engineer (AI) · AI Implementation Consultant · Forward Deployed Consultant.

Zur Einordnung: rund 190 offene FDE-Stellen in DE, 58 % davon bei Growth-Startups (11–200 Mitarbeitende), und Berlin & München sind die DACH-Hubs.

Gehalt im DACH-Raum

Das durchschnittliche Jahresgehalt eines FDE in Deutschland liegt bei rund 104.500 €, die Gesamtvergütung je nach Erfahrung zwischen 94.000 € und 145.000 € (Glassdoor, Feb. 2026). International zahlen die Top-Firmen mehr: Palantir-FDSE bis ~390 T$, OpenAI & Anthropic 325–510 T$ für Mid-to-Senior. Rund 70 % beinhalten Equity, 0 % beinhalten Sales-Quoten.

Ehrlich — wenn du kein Engineer bist

Sei ehrlich zu dir: Ein klassischer Engineering-Background macht den Einstieg leichter — aber er ist keine Bedingung. Wer aus Marketing, Consulting, Projektmanagement, Operations oder als KI-Quereinsteiger kommt, bringt das Business-Verständnis mit, das diese Rolle wirklich braucht. Den Rest — Coding- und KI-Fluency — baust du dir gezielt auf. Es gibt zwei echte Wege.

Weg 1 — Der „benachbarte Titel"

Diese Rollen machen FDE-äquivalente Arbeit mit niedrigerer Coding-Hürde. Such gezielt nach: Solutions Engineer (AI), AI Implementation Consultant, Customer Engineer, Deployment Strategist, Applied AI Specialist, Forward Deployed Consultant. Salesforce paart in seinem Pod-Modell einen Deployment Strategist (kein Code, Business-Fokus) mit zwei FDEs. Anthropic, OpenAI und Deloitte stellen „Implementation"- und „Applied"-Rollen ein, die Business-Framing + KI-Fluency + leichtes Coding betonen. Hier zuerst ansetzen.

Weg 2 — „Pivot & Proof"

Bau Coding-Fluency auf das Niveau, auf dem du eine echte Integration, eine echte RAG- oder Agent-App und eine geschriebene Debug-Case-Study ausliefern kannst. Das Prinzip: „FDE-Hiring ist portfolio- und performance-getrieben, nicht zeugnisgetrieben." Leute kommen aus Bootcamps, Nicht-Informatik-Studiengängen und Autodidakten-Wegen. Aber du musst wirklich liefern.

Verkauf dir keine Fantasie, dass du ohne Python eine 400-T-FDE-Stelle bei Anthropic landest. Starte im benachbarten-Titel-Bucket und arbeite dich hoch. Beide Wege sind real.

Skills — die 10 Dinge, die du draufhaben solltest

1. Python. Produktionsreif, nicht Notebook-Niveau. In 66 % der FDE-Anzeigen.
2. SQL & Datenmodellierung. Snowflake, Databricks, BigQuery, dbt. Queries, die auf echten Daten laufen.
3. LLM-Orchestrierung. RAG, Evals, Agent-Design, Vector Stores. Agents in 35 % der Anzeigen.
4. Eine Cloud richtig. AWS (32 %), GCP (22 %) oder Azure (18 %). Eine wählen, tief gehen.
5. API-Integration. Mit echtem Auth, Retries und Error-Handling — nicht „einmal eine API gerufen".
6. Prompt-Engineering & Eval-Writing. Für produktive LLM-Systeme. Qualität messen, nicht nur demoen.
7. Customer-Interviewing. Ein Problem in 60 Minuten scopen — ohne 5 Wochen Discovery.
8. Business-Problem-Framing. Diffusen Kundenschmerz in einen lieferbaren Scope übersetzen.
9. Executive-Kommunikation. Einen 12-Zeilen-Bug einem CFO erklären. Ein 1-Seiten-Incident-Report.
10. Bauen mit KI-Coding-Agents. Cursor, Claude Code, Codex. 5–10x Hebel. Täglich nutzen.

Der unfaire Vorteil: Moderne FDEs sind 5- bis 10-mal produktiver durch KI-Coding-Agents. Wer Claude Code, Cursor & Co. nicht täglich nutzt, ist abgehängt — egal wie gut der Lebenslauf aussieht.

Der Plan — deine ersten 90 Tage

Tag 1 bis 30 — Fundament

Bring Python und SQL auf produktives Arbeitsniveau. Nimm einen Kurs (DeepLearning.AIs LLM-Spezialisierung ist ein guter Anker). Richte Cursor oder Claude Code ein und baue jeden Tag damit. Starte ein Integrationsprojekt: Zieh Daten aus einem echten System in ein anderes — mit Auth und Error-Handling. Beispiel: Stripe-Kunden ziehen, mit einem HubSpot-Feld anreichern, einen Slack-Alert posten. Echte APIs, nicht gemockt. Tritt einer FDE-Community bei, abonniere den „Pragmatic Engineer"-Newsletter und folge Aaron Levie, Sundeep Teki, Gergely Orosz und Palantir-Alumni auf LinkedIn.

Tag 31 bis 60 — Tiefe

Liefere eine RAG-App an echte Nutzer aus. Schon 10 Nutzer zählen. Die App soll Fragen aus einem echten Dokumenten-Set beantworten (Wissensdatenbank, eigene Notizen, öffentliches Dataset). Schreib eine Eval-Suite für einen LLM-Workflow — zeig, dass du Korrektheit messen kannst, nicht nur demoest. Stell dein Integrationsprojekt fertig, veröffentliche ein sauberes GitHub-Repo mit gutem README und nimm einen 5-Minuten-Walkthrough auf. Mach 5 Mock-Discovery-Calls: Nimm dich auf, wie du mit einem Freund (in der Rolle eines CFO/CMO) ein fiktives KI-Projekt scopest. Genau das testen FDE-Interviews.

Tag 61 bis 90 — Beweis & Bewerben

Veröffentliche eine Debugging-Case-Study (700–1.000 Wörter): „Was kaputt war, wie ich untersucht habe, was ich geändert habe." Das ist das Portfolio-Stück mit dem höchsten Hebel — fast kein Kandidat hat eins. Schreib deinen Lebenslauf in Deployment-Outcome-Sprache um: nicht „an KI-Projekten gearbeitet", sondern „X deployed, von Y Nutzern verwendet; Auth-Edge-Case Z gelöst; Inferenzkosten um N % gesenkt." Bewirb dich auf 15–30 Rollen. Poste 1–2 Case-Study-Posts pro Woche auf LinkedIn. Hiring-Manager screenen auf das „Founder/Operator"-Signal — konsistentes Posten ist der günstigste Weg, es aufzubauen.

Portfolio & wo die Jobs sind

Jede glaubwürdige FDE-Quelle landet bei denselben drei Artefakten. Bau alle drei bis Tag 90:

1. Ein Integrationsprojekt — Zwei Systeme, die nie füreinander gebaut wurden. Echte API, echtes Auth, echtes Error-Handling. Deployed, nicht gemockt. Ein echter Nutzer.
2. Eine deployte KI-Pipeline — RAG-App über ein echtes Dokumenten-Set, ein Agent mit echtem Job oder ein LLM-Workflow auf echten Daten. Produktion, kein Notebook. Eval-Suite inklusive.
3. Eine Debug-Case-Study — Die Story von „was kaputt war, wie ich untersucht habe, was ich geändert habe." Das differenzierendste Stück, das du haben kannst. Fast niemand schreibt eins.

Wo die Jobs ausgeschrieben sind

• DACH & Europa: Glassdoor.de — Suche „Forward Deployed Engineer · Deutschland" (~190 offene Stellen). LinkedIn Jobs — die 8 Titel plus Skills-Filter „LLM", „RAG", „Agent Development". Indeed.de & StepStone für breitere DACH-Abdeckung.
• Direkt bei den Firmen: Greenhouse-Boards von Anthropic, OpenAI, Cohere, Databricks, Ramp. careers.salesforce.com für Agentforce-FDE. Levels.fyi als Gehalts-Board (nach Comp filtern). Y Combinator „Work at a Startup" für Series-A/B-FDE-Rollen in Europa.

Der eine Satz, den du mitnimmst: Niemand stellt dich wegen deines Zeugnisses ein. Sie stellen dich ein, weil du drei Dinge gebaut und öffentlich gezeigt hast, dass du genau das kannst, was ein FDE jeden Tag tut.