Forward-Deployed Engineers, Google TPUs im All & Michael Burry shortet KI-Blase #507

Philipp Glöckler (0:00)

Willkommen zum Doppelgänger Tech Talk Podcast Folge 407 am 5 November 2025 Ich bin Philipp Kloeckler und telefoniere zweimal die Woche mit dem Tech-Analysten Philipp Kloeckler. Diese Folge, wie die letzten Tage auch, heißt Bubble Time. Bubble Time Classics.

Es gibt jetzt auch große Short Seller, die Bubble Time anfeuern. Ich freue mich so ein bisschen drauf. Ich hoffe, dass jetzt richtig Bewegung im Markt ist. Einfach, damit man dann CEOs im Fernsehen oder auf YouTube sich angucken kann, wie sie rechtfertigen, dass die Firmen doch alle die besten Firmen der Welt sind und die wichtigsten Firmen der Welt sind.

Philipp Klöckner (0:44)

Meinst du Stenzenwang oder den Palantir-Dude?

Philipp Glöckler (0:48)

Alex Karp, ey. Ich liebe ihn. Ich liebe ihn.

Ich glaube wirklich, es gibt einen Indikator, warum ich glaube, es wird jetzt richtig witzig oder interessant, exciting, bubbly in den kommenden Tagen. Sag mir, wenn du an Alex Karp denkst, warum denkst du, denke ich, dass er vielleicht das Gefühl hat, dass es jetzt ein bisschen shaky wird?

Philipp Klöckner (1:12)

Also A, würde ich gerne sagen, dass Alex K ziemlich nervig war, als es der Firma nicht gut geht. Aber seit es ihr sehr gut geht, ist er unverständlich. Was seine Laune verderben könnte?

Philipp Glöckler (1:23)

Nee, nicht verderben könnte. Woran man merkt, dass es jetzt, glaube ich, dass er das Gefühl hat, dass er jetzt anders vielleicht auftreten muss. Er hat ein Jackett an. Er geht auf einmal wieder.

Philipp Klöckner (1:36)

Ich habe es gar nicht gesehen.

Philipp Glöckler (1:38)

Also er kommt ins Fernsehen mit Jackett. Er ist jetzt nicht mehr der Outdoor-Dude. Nicht mehr, also wenn Tech-CEOs anfangen, Anzüge anzuziehen, dann kann man sich sicher sein, dass irgendwas nicht mehr ganz normal ist.

Philipp Klöckner (1:55)

Das ist natürlich gefährlich. Vielleicht hat er das Gefühl, dass der Coinbase-Typ ihm den Schneid abgekauft hat. Aber da kommen wir ganz am Ende noch drauf heute.

Philipp Glöckler (2:02)

Ja, vorher musst du mir ein bisschen das erklären.

Philipp Klöckner (2:05)

Wo wir gerade bei Panenteers sind, genau.

Philipp Glöckler (2:07)

Was sind Forward-Developed-Engineers?

Philipp Klöckner (2:13)

Also, es sind Forward-Deployed-Engineers. Oh, ich sage das oft, weil es sind Forward-Deployed-Engineers. Aber es ist schon ein bisschen später heute. Deswegen vergeben wir uns mir. Also, die Financial Times berichtet, der neue Hot-Job in AI sind Forward-Deployed-Engineers. Und die Aufmerksamhörer und Hörerinnen unter euch haben das Wort bestimmt vor 3, 4 Jahren hier mal im Podcast gehört, als wir so ein bisschen versucht haben zu beschreiben, wie nämlich eben jene Firma, über die wir eben gesprochen haben, Palantir, wie deren Business aussieht. Und zwar haben, ich will nicht sagen, die haben das erfunden, aber für Palantir war das sehr typisch, dass die so eine Art Taskforce in das Unternehmen ihrer Kunden geschickt haben, weil die quasi so Panne waren, dass sie die Palantir-Software nicht hätten nutzen können, selbst wenn sie wollten. Das heißt, Palantir musste quasi Entwicklerinnen und Entwickler und Produktmanager in die Unternehmen schicken, um die Datenstruktur der Unternehmen aufzuarbeiten, weil jeder weiß, ohne vernünftige Daten und Dateninfrastruktur braucht man mit AI gar nicht erst anfangen. Und das hat Palantir so ein bisschen versucht zu überbrücken, indem man sehr teure sogenannte Forward-Deployed Engineers, quasi Forward-Deployed heißt sozusagen, dass sie raus zum Kunden geschickt werden, um dort die Software zu implementieren, weil sie ansonsten nicht zu verkaufen wäre, zumindest in vielen Fällen. Und das gleiche Problem gibt es jetzt eigentlich wieder mit den ganzen KI-Firmen, nämlich die sogenannte Implementation Gap oder Capability Gap, also dass KI zwar mehr und mehr kann, dass die Firmen aber deswegen nicht zwangsläufig besser lernen, wie man KI einsetzen kann. Also es mangelt weiterhin an Use Cases und an Fähigkeiten in der Firma, die KI einzusetzen. Das fängt an eben wieder mit der Datenstruktur, aber auch der Fähigkeit eben sinnvoll zu prompten oder zu identifizieren, was sinnvolle Use Cases wären für AI und was nicht. Ein Grund, warum diese Studie mal behauptet hat, dass 95 Prozent der KI-Piloten scheitern, ist ja unter anderem, weil sie schon falsch ausgewählt werden. Es gibt andersrum viele spezialisierte Projekte. Also wenn zum Beispiel KI von Anbietern eingekauft wird, dann klappt es komischerweise in zwei Drittel der Fälle, wenn das Pilote funktioniert. Also wenn ich mir ganz gezielt eine Customer Service Software einkaufe oder eben einen Co-Piloten fürs Coding oder fürs Debiton-Management oder so, da sind die Erfolgsraten viel höher als andere. Wenn ich mir selber irgendwelche Bullshit-Use-Cases von Unternehmensberatungen ausdenken lasse, das sind diese Projekte, die ab und an scheitern. Genau, und dieses Implementation Gap, das versucht man jetzt so ein bisschen eben zu bridgen, in dem man fähige Entwickler und Entwicklerinnen und Produktmanager zum Kunden schickt und quasi vor Ort Anwendungen für die LLMs bauen lässt. Also es können irgendwie Feintuning angepasste Modelle sein, das kann aber auch das Aufmöbeln der Datenstruktur erstmal beim Kunden sein, das kann theoretisch auch das Finden von Use-Cases sein. Und die Financial Times macht das an Jobbeschreibung fest. Also die haben mal angeschaut, wie eigentlich die Jobs ausgeschrieben werden bei KI-Firmen. Und da gibt es den Jobtitel FDI, oder Forward-Deployed Engineer, jetzt eben deutlich öfter als AI-Scientist inzwischen, oder als Technical Account Manager, oder technical account manager, dass sowas ähnlich ist, das ist eigentlich der, der, wenn es nicht weitergeht, dem Kunden hilft, wie man das anwirft oder wie er heile macht. Customer Engineer ist auch was ähnliches, das ist alles im Steigen begriffen, aber Forward-Deployed Engineer ist gerade das, was am meisten steigt. Und das kann natürlich Sinn machen, also Palantir hat das ja sehr erfolgreich gemacht und mit jeder Lösung, die man für Kunden baut, kann man das ja auch so ein bisschen productizen, also da viele Kunden auf ähnlichen Tech-Setups laufen, also sie nutzen zum Beispiel die Salesforce Marketing Cloud, oder das E-Commerce Produkt, oder sie sind auf so einem SAP Setup oder so. Wenn du das dreiviermal gebaut hast, kannst du ja eventuell Code wieder verwenden und so richtig Produkte, Konnektoren darum bauen. Das hat Palantir glaube ich glanzerfolgreich gemacht, da kommen wir später auch drauf. Die haben ja schon Zahlen reported am Dienstag, glaube ich. Dienstagmorgen, ist Montagabend, eins, zwei, beiden, Montagabend, glaube ich. Genau, und da hat man sich jetzt eine Seite aus dem Buch abgeschrieben und macht das. Wie gesagt, ich halte das eigentlich für relativ sinnvoll, weil das Problem von KI, warum man nicht genug Rückflüsse aus KI sieht, ist, glaube ich, nicht zwangsläufig, dass die Technologie nicht funktioniert oder man zu viele Data Center baut, sondern dass die Unternehmen nicht schnell genug lernen, KI anzuwenden. Man muss jetzt auch nicht alle Schuld den Unternehmen geben, aber ich glaube, das ist ein wichtiger Bestandteil des Problems, dass die Technologie was kann, aber die meisten Leute noch gar nicht verstehen, wie man es gut einsetzen könnte.