FDE-Programme liegen bei Unternehmen von OpenAI bis Google voll im Trend. Vinoo Ganesh weiß, auf was es wirklich ankommt.

Vinoo Ganesh

Dieser Essay basiert auf einem Gespräch mit Vinoo Ganesh, dem 34-jährigen CEO von Kepler. Er war in den 2010er Jahren über sechs Jahre lang bei Palantir tätig und arbeitete später bei Citadel. Er lebt in New York. Der Text wurde aus Gründen der Länge und Verständlichkeit redaktionell überarbeitet.

Palantir hatte ein Programm, das wir „Project Frontline“ nannten. Die Idee hinter Frontline war: Wie können wir Softwareentwickler in den Alltag eines vor Ort eingesetzten Ingenieurs eintauchen lassen?

Ich habe tatsächlich schon vor dem Programm eine Art Vorläufer davon durchlaufen. Ich habe im Produktentwicklungsteam angefangen, absolvierte einen langen Einsatz als Ingenieur im Außendienst und kehrte dann zum Produktentwicklungsteam zurück.

Ich habe das Programm über einen langen Zeitraum geleitet. Eine ganze Reihe von Mitarbeitern hat es durchlaufen. Einige blieben als Ingenieure im Außendienst; andere kehrten wieder in den Softwareentwicklungsbereich zurück.

Nah am Kunden

Damals war es so, dass die vor Ort eingesetzten Ingenieure sehr schnell arbeiteten und sehr nah am Kunden waren. Das Softwareentwicklungsteam war geografisch – manche Kollegen waren buchstäblich in Palo Alto – und kulturell von der Dringlichkeit isoliert, die das FDE-Team verspürte.

Die Idee war: Sich in die Lage des anderen versetzen.

Palantir hat sich wirklich sehr bemüht, all diese Mitarbeiter auf Erfolgskurs zu bringen. Wir stellten ihnen Mentoren zur Seite. Sie hatten zwei Ansprechpartner: einen vor Ort tätigen Entwicklungsleiter und einen Softwareentwicklungsleiter.

Mal rauskommen

Die Leute fanden das großartig. Sie wohnten für ein paar Monate in Firmenunterkünften, fernab von ihrem Heimatbüro. Es ist nicht so, dass jeder FDE dieses Programm durchlaufen hat; es handelte sich um eine Gruppe von Softwareentwicklern, die Interesse bekundet hatten.

Bei Citadel nannten wir das „Business Engineering“. Das Ziel war viel stärker auf interne Portfoliomanager und Analysten ausgerichtet. Die FDEs von Palantir konzentrieren sich viel stärker auf Kunden außerhalb des Unternehmens. Bei Citadel legten wir den Fokus auf Mitarbeiter innerhalb der Organisation.

Das Betriebsmodell war dennoch dasselbe: Das Entwicklerteam von Citadel hat ein Kernprodukt, und unser Ziel ist es, dessen Entwicklung durch den Austausch mit Portfoliomanagern, Analysten und Mitarbeitern besser zu gestalten.

Was andere Unternehmen in Bezug auf FDEs falsch machen

Ich habe „Forward-Deployed Engineers“ immer als Erweiterung des Produktteams betrachtet. Ihre Aufgabe ist es, Probleme zu lösen, um Erkenntnisse über das Produkt zu gewinnen, die in die Produktentwicklung einfließen.

Manche betrachten sie – meiner Meinung nach fälschlicherweise – als Vertriebsingenieure. Andere sehen in ihnen Vertriebsmitarbeiter mit Umsatzvorgaben. Ich habe schon alles gesehen, vom vor Ort eingesetzten Aktienanalysten bis hin zum vor Ort eingesetzten Chefarchitekten.

Ich glaube, „FDE“ wird fälschlicherweise als Notlösung für eine mangelnde Produkt-Markt-Passung in einigen dieser Unternehmen verwendet. Meiner Beobachtung nach wird der Begriff genutzt, um Kunden zur Nutzung des Produkts zu zwingen, die dies andernfalls vielleicht gar nicht wollten.

Autonomie und Eigenverantwortung

Palantir hatte eine Kultur der Autonomie und Eigenverantwortung. Wenn man ein Problem identifizierte, konnte man selbst die Initiative ergreifen und dieses Problem lösen. Das war es, was den FDEs ermöglichte, sich zu entfalten.

Ich glaube auch, dass das Produkt von Palantir nahezu perfekt für das „Forward-Deployed“-Engineering-Ökosystem geeignet ist. Man hat diese horizontale Plattform aufgebaut, die in einer Vielzahl von Branchen eingesetzt werden kann, und FDEs sind die Personen, die die vertikalen Anwendungen entwickeln.

Ich würde über unser Produkt nachdenken und darüber, ob es für eine FDE-Funktion relevant ist oder nicht. Ich betrachte eine FDE nicht als Mittel, um mehr Token zu verkaufen. Ich betrachte eine FDE nicht als Mittel, um Nutzer dazu zu bringen, dein Produkt zu nutzen, wenn ihr noch kein Problem gelöst haben.

Der Begriff wird mittlerweile als Sammelbegriff für eine Kombination aus Vertriebs-, Kundenerfolgs- oder Marketingfunktionen verwendet, um zu zeigen, dass man sich um die Kunden kümmert.

Wie versteht man Kunden?

Ich beobachte, dass sich viele Unternehmen darauf konzentrieren, ihr Produkt so vielen Menschen wie möglich zu präsentieren – unabhängig davon, ob dies tatsächlich zu einer Steigerung der Produktrendite führt.

Die Welt ist nicht schwarz-weiß. Es gibt eine ganze Reihe von Mittelwegen, welche Art von FDE man zu welchem Zeitpunkt seiner Entwicklung benötigt. Dies sind meine persönlichen Ansichten und keine offizielle Stellungnahme dazu, wie Palantir vorgegangen ist.

Ich glaube, das ist die Zukunft der Softwareentwicklung. Wenn das Schreiben von Code nicht mehr das Alleinstellungsmerkmal ist, liegt die Chance darin: Wie versteht man Kunden tiefgreifend und intuitiv?

Es ist wirklich wichtig, Softwareentwickler weltweit stärker für Kundenbelange zu sensibilisieren. Für mich ist der FDE eher eine Denkweise als eine Berufsbezeichnung.

Lest den Originalartikel auf BUSINESS INSIDER US

Was gibt’s Neues? In unserem #Wochenrückblick liefern wir einen schnellen Überblick darüber, was in der deutschsprachigen Startup-Szene zuletzt wirklich wichtig war!

#STARTUPLAND

STARTUPLAND: Founders. VCs. Visionaries
+++ Am 10. März 2027 findet im RheinEnergieStadion in Köln unsere vierte STARTUPLAND Conference statt. Es erwartet Euch wieder eine faszinierende Reise in die Startup-Szene – mit Vorträgen von erfolgreichen Gründer:innen, lehrreichen Interviews und Pitches, die begeistern. Mehr über STARTUPLAND

#Wochenrückblick – Was zuletzt wirklich wichtig war!

STARTUP-RADAR

Brandneu
+++ In den vergangenen Tagen haben wir folgende Startups vorgestellt: Another Earth, datin, Kipti, Neuramancer, Comena, Fyrce Care, AmbuMetric, ElternCrew, Spree Monitoring, naion.tech, kyLANX, Sikia, MakeMyWork, pure.lyte, FRYTE Mobility, easy pisy, naturnista, BlackDocs, Delvo, ClubGefühle, Circular grain, Polygon One, goNEON, Honig Games, HeyMaria, Willidrop, MediClaim, Aeya, CareConnect und Serwas. Mehr im Startup-Radar

Newsletter
+++ Im Startup-Radar-Newsletter, unserem kostenpflichtigen Newsletter, berichten wir über diese Startups: Nanolope, Deepentix, LabThunder, ZVG Melder, Hellion Tech, Crew-OS, Exclaim Robotics, Covelant, FaceLedger, Lily, SURGALFA, Kazimi, Elvio Robotics, Meisterpfad und VergabeHero, Kuro Technology, Neybor, Matchplan, musidoo, Erledigt, Sheap, TradeAnyMachine, Clara, Kibundo, yummy.world, Kopplung Systems, StauraumHeld, SAPIENTEC, BezLad und ZopaAI. 30 Tage kostenlos testen

INVESTMENTS

Cloover
+++ Nicht genannte Geldgeber stellen Cloover im Rahmen einer Finanzierungskapazität weitere 100 Millionen US-Dollar zur Verfügung. Mehr über Cloover

HyImpulse 
+++ Der Berliner Investor Join Capital, Ace Capital Partners aus Israel, North Ventures (Dänemark), BW-Capital, Bayern Kapital, das Deutsche Zentrum für Luft- und Raumfahrt (DLR) und Campus Founders Ventures investieren 50 Millionen Euro (Series A Extension) in HyImpulse. Mehr über HyImpulse

INLEAP Photonics 
+++ Der Münchner B2B-Investor UVC Partners, High-Tech Gründerfonds (HTGF), Balnord, Sentris Capital und Scale Capital investieren rund 20 Millionen Euro (Seed-Investment) INLEAP Photonics. Mehr über INLEAP Photonics

Atira
+++ Der bekannte amerikanische Investor Accel und Altinvestoren wie UVC Partners, Fortino Capital und Booom investieren 15 Millionen US-Dollar (Seed-Investmentrunde) in Atira. Mehr über Atira

Zeit AI 
+++ Y Combinator, Oxford Seed Fund, Sequoia Capital Scout Fund, ACE Ventures, HPVC – Hasso Plattner Venture Capital, Christian Lindner, Mario Götze, Charlie Songhurst, Martin Schoeller und Robert Fink investieren 5 Millionen Euro in Zeit AI. Mehr über Zeit AI

xorlab
+++ Der Schweizer Geldgeber Spicehaus Partners, Grapha Holding, EquityPitcher Ventures und ZKB Start-up Finance investieren 5 Millionen Euro in xorlab. Mehr über xorlab

MERGERS & ACQUISITIONS

Enpulsion – Lift Me Off
+++ Das Wiener SpaceTech Enpulsion übernimmt das britische Chemical-Propulsion-Unternehmen Lift Me Off (LMO). Mehr über Enpulsion

Kapten & Son – pinqponq
+++ Das Kölner D2C-Unternehmen Kapten & Son übernimmt von FOND OF die Lifestyle-Marke pinqponq. Mehr über Kapten & Son

Neura Robotics – Adlatus Robotics
+++ Das Metzinger Robotik-Unicorn Neura Robotics, das gerade erst Active Shuttle gekauft hat, übernimmt das 2015 gegründete Ulmer Unternehmen Adlatus Robotics, das autonome Reinigungsroboter entwickelt. Mehr über Neura Robotics

b’steuern – Glindway 
+++ Das junge Berliner Steuer-Startup b’steuern und die 2022 gegründete Berliner Firma Glindway, die auf „maßgeschneiderte KI und Softwarelösungen“ setzt, schließen sich zusammen. Mehr über b’steuern

Tenzing – Pimcore
+++ Der Londoner Investor Tenzing übernimmt die Mehrheit am Salzburger Softwareunternehmen Pimcore. Mehr über Pimcore

Factorial – Empion
+++ Das spanische HR-Scaleup Factorial, das hierzulande Personio Konkurrenz macht, übernimmt das Berliner HR-Startup Empion. Mehr über Empion

Summersaver
+++ Die Gründerinnen Denise Hahn und Alisa Knopp kaufen die Anteile von Ralf Dümmel an Summersaver zurück. Mehr über Summersaver

Pyure – klima&so
+++ Der 2024 gegründete Berliner SustainTech-Anbieter Pyure übernimmt das 2022 gegründete Berliner ClimateTech klima&so. Mehr über klima&so

Callstack – Margelo
+++ Das 2016 gegründete polnische React Native-Unternehmen Callstack übernimmt das 2021 gegründete Wiener Wiener App-Software-Startup Margelo. Mehr über Margelo

Startup-Jobs: Auf der Suche nach einer neuen Herausforderung? In der unserer Jobbörse findet Ihr Stellenanzeigen von Startups und Unternehmen.

Foto (oben): Shutterstock

KI-Startups lieben ARR. Doch eine neue Studie zeigt: Gerade bei KI können solche Umsätze schneller wieder verschwinden, als man denkt.

Getty Images; Tyler Le/BI

Es gibt eine Zahl, mit der Startups heute besonders gerne angeben: ARR. Heißt übersetzt: Wie viel Umsatz würde das Startup in einem Jahr machen, wenn alle Kunden einfach weitermachen wie bisher? Eine Million klingt gut, zehn Millionen noch besser und 100 Millionen natürlich ziemlich sexy.

Gerade KI-Startups haben das Spiel perfektioniert. Neue Kunden kommen dazu, Verträge werden unterschrieben und plötzlich schießen die Umsatzkurven nach oben. Manche Startups schaffen es sogar, in wenigen Monaten von null auf zehn Millionen Dollar Umsatz zu kommen. Nur bei KI ist ein hoher ARR offenbar längst nicht mehr so sicher, wie er aussieht. Das zeigt zumindest eine neue Studie der US-Venture-Capital-Firma Madrona. 77 Prozent der befragten Unternehmen überprüfen ihre KI-Anbieter mindestens alle sechs Monate, und manche sogar laufend. Der Kunde ist also da. Aber vielleicht nicht mehr lange.

Lest auch

Diese drei Buchstaben beherrschen gerade die Startup-Welt: ARR

Der Vertrag ist nicht mehr das Ende

Bei klassischer Software war ein neuer Vertrag oft ziemlich wertvoll. Einmal eingerichtet, blieb die Software meist jahrelang im Unternehmen. Ein Wechsel wäre einfach nervig und teuer gewesen. Bei KI ist das anders. Unternehmen probieren ständig neue Tools aus. Was heute noch die beste Lösung ist, kann in sechs Monaten schon wieder von einem Konkurrenten überholt sein.

Madrona nennt das eine „fast in, fast out“-Dynamik: Unternehmen kommen schnell zu einem KI-Anbieter und prüfen genauso schnell, ob sie wieder wechseln sollten. Für Startups ist das ein Problem. Ein Vertrag über eine Million Dollar sieht auf dem Papier nach sicherem ARR aus. Wenn der Kunde aber ein paar Monate später ein besseres oder günstigeres Tool findet, kann der Umsatz genauso schnell wieder weg sein. Recurring heißt bei KI also nicht unbedingt „wiederkehrend“, sondern manchmal eher „mal schauen, wie lange.“

Unternehmen wollen mehr KI – aber nicht unbedingt von demselben Anbieter

Das Verrückte ist, dass das Geld für KI da ist. Laut Madrona wollen 74 Prozent der befragten Unternehmen ihr KI-Budget in den nächsten zwölf Monaten erhöhen. Die anderen wollen zumindest nicht weniger ausgeben. Nur heißt das nicht automatisch, dass das Geld beim selben Startup landet. Weniger als die Hälfte der KI-Pilotprojekte schafft überhaupt den Sprung in den normalen Betrieb.

Lest auch

2070 offene Jobs: Bei diesen Unicorns lohnt sich die Bewerbung

Das macht den KI-Markt ziemlich paradox. Er wächst, und ist gleichzeitig ziemlich unberechenbar. Bei klassischer Software war das anders. Mehr Kunden bedeuteten meist mehr planbaren Umsatz. Bei KI kann mehr Nachfrage auch einfach bedeuten, dass Unternehmen noch mehr Tools ausprobieren. Also viele Experimente, aber nicht unbedingt viele Kunden fürs nächste Jahr.

ARR zeigt den Umsatz – nicht, wie sicher er ist

Genau hier wird es bei ARR schwierig, weil die Zahl nicht sagt, wie wahrscheinlich es ist, dass sie wirklich bleiben. Bei klassischer Software war das oft kein großes Problem. Einmal eingeführt, war ein Wechsel aufwendig und teuer. Bei KI ist die Hürde deutlich niedriger. Deshalb sollten Investoren nicht nur auf den ARR schauen. Wichtiger wird auch: Wie lange bleiben die Kunden? Wie oft verlängern sie ihre Verträge? Und vor allem, wie einfach können sie zum nächsten KI-Startup wechseln? Ein Startup mit 20 Millionen Dollar ARR kann deshalb ein wackeligeres Geschäft haben als eines mit zehn Millionen, wenn seine Kunden jederzeit abspringen können. ARR sagt also, wie viel Umsatz da ist. Nicht, wie lange er bleibt.

Auch beim Pricing wird es kompliziert

Auch beim Bezahlen passt die alte SaaS-Logik nicht mehr so richtig. Eine Studie von Andreessen Horowitz mit 50 KI-Einkäufern zeigt: Mehr als die Hälfte würde lieber für das Ergebnis bezahlen als für die reine Nutzung der KI. Bei normaler Software ist das einfach. 500 Mitarbeiter nutzen ein Tool, also zahlt die Firma für 500 Lizenzen.

Lest auch

Vom grünen „F“ zum 3D-Fuchs: So entstand das Logo der Secondhand-App Fyndl

Bei KI ist die Frage eher: Wie viele Kundenanfragen hat der Agent gelöst? Wie viele Reports erstellt? Wie viel Arbeit abgenommen? Unternehmen wollen also zunehmend für das bezahlen, was die KI tatsächlich schafft und nicht dafür, wie viele Tokens sie dabei verbraucht. Das zeigt, dass die KI-Branche noch herausfinden muss, wie ein gutes Geschäftsmodell eigentlich aussieht.