de.wedoany.com-Bericht: Da Unternehmen die Einführung autonomer Künstlicher Intelligenz-Systeme beschleunigen, betten große Sprachmodellanbieter (LLM) KI-Experten durch den Service „Field Deployment Engineer“ (FDE) in Kundenteams ein, um KI-Dienste zu erstellen, anzupassen und einzuführen. Microsoft und Amazon Web Services (AWS) haben kürzlich groß angelegte Investitionen angekündigt, um dieses Servicemodell voranzutreiben.
Microsoft hat diese Woche ein Risikokapitalprojekt im Wert von 2,5 Milliarden US-Dollar vorgestellt – die Microsoft Frontier Company. Dieses Unternehmen wird 6.000 Experten einsetzen, die mit Kunden zusammenarbeiten, um KI-Systeme basierend auf deren Geschäftszielen zu entwerfen, zu innovieren, einzusetzen und kontinuierlich zu verbessern. Der Service konzentriert sich auf die „Frontier-Transformation“ und hilft Kunden, intelligente Plattformen auf der Grundlage proprietärer Daten, interner Fachkenntnisse, Arbeitsabläufe und Entscheidungsprozesse aufzubauen. Judson Althoff, CEO von Microsoft Business, erklärte in einem Blogbeitrag, dass der Service auf Basis der FinOps-Prinzipien den Benutzern hilft, KI-Tools im gesamten Technologie-Stack zu beobachten, zu verwalten, zu steuern und zu schützen, wobei die Intelligenz im Laufe der Zeit exponentiell wächst. Die Plattform sei „modellvielfältig, offen und heterogen“; Kunden könnten zwischen ChatGPT, Claude, Microsoft Copilot oder anderen Open-Source- oder branchenspezifischen Modellen wählen, ohne gebunden zu sein. Gleichzeitig seien Kundendaten und geistiges Eigentum geschützt und würden nicht zum Training von Microsoft-Modellen verwendet. Microsoft werde die Plattform durch Partnerschaften mit Unternehmen wie Accenture, Capgemini, EY, KPMG und PwC skalieren. Althoff wies darauf hin, dass frühe Anwender wie die London Stock Exchange Group (LSEG), Land O'Lakes, Unilever und Novo Nordisk bereits messbare Ergebnisse erzielt hätten. Beispielsweise helfe die in LSEG Workspace integrierte KI Finanzexperten, komplexe Fragen zu stellen und auf Basis strukturierter und unstrukturierter Finanzdaten schnell Antworten zu erhalten. Die zugrunde liegende Basis werde durch Kundenfeedback und Echtzeit-Benutzertests iterativ optimiert, wodurch jeder Zyklus beschleunigt und die Modellqualität und -reichweite verbessert werde.
Gleichzeitig kündigte AWS eine Investition von 1 Milliarde US-Dollar in die neue AWS FDE-Plattform an. Francessca Vasquez, Vice President für AWS Frontier AI Engineering und Services, erklärte in einem Blogbeitrag, dass AWS FDE im Gegensatz zur traditionellen Beratung, die jede Bereitstellung als separates Projekt betrachte, auf langfristige Entwicklung abziele und Kunden helfe, sich von „Beobachtern“ zu „Mitentwicklern“ und schließlich zu „autonomen Betreibern“ zu entwickeln, um „KI-Selbstversorgung“ zu erreichen. Die Plattform sei agentenbasiert und ziele darauf ab, Zeitpläne von Monaten auf Tage zu verkürzen; die daraus abgeleitete Business Intelligence wachse exponentiell, um zukünftige Projekte zu unterstützen. Eingebettete Ingenieure (viele von ihnen haben AWS-KI-Dienste entwickelt) validieren und leiten Projekte. Kunden hätten Zugriff auf Runbooks und Architekturdokumentationen; eine semantische Schicht verbinde sich mit ihren Datenquellen und erstelle Wissensgraphen, die KI-Agenten zur logischen Schlussfolgerung nutzen könnten. Vasquez betonte, dass Domänenwissen in den Codes, Agenten und Systemen der Kunden existiere und institutionelles Wissen nicht durch das Ausscheiden von Mitarbeitern verloren gehe. Sicherheitstools böten hardwarebasierte Isolation und Ende-zu-Ende-Verschlüsselung. Der Service sei nicht für Organisationen konzipiert, die mit KI experimentieren, sondern für solche, die die Experimentierphase hinter sich gelassen hätten und produktionsreife KI-Systeme für reale Geschäftsprozesse benötigten.
Thomas Randall, Forschungsdirektor bei Info-Tech Research Group, wies darauf hin, dass die Kluft zwischen KI-Investitionen und Renditen wachse und Organisationen unter Druck stünden, den Produktionswert von KI-Bereitstellungen nachzuweisen. In diesem Kontext könnten FDEs von Anbietern wie Microsoft und AWS mit ihrem tiefen Produktwissen die Lernkurve verkürzen, wiederverwendbare Prozesse etablieren und übertragbare Fähigkeiten aufbauen. Gleichzeitig zeige die Info-Tech-Forschung, dass 77 % der Organisationen keine unternehmensweite KI-Strategie hätten; FDEs würden dieses Problem angehen, indem sie sich auf die laufenden KI-Systeme der Kunden, Referenzarchitekturen, Runbooks und andere Ergebnisse konzentrierten.
Für Systemintegratoren (SIs) erklärte der Technologieanalyst Carmi Levy, dass SIs seit Jahrzehnten hochprofitable Beziehungen zu Kunden unterhielten; es sei „sehr sinnvoll“, dass Hyperscaler versuchten, sich einen Teil dieses Geschäfts zu sichern. Diese Anbieter suchten aktiv nach Wegen, die Kundenbindung zu verstärken und mehr Möglichkeiten zu schaffen, tief in die Betriebs- und Entscheidungsmechanismen der Kunden einzudringen. Randall meinte, der von SIs gebotene Wert liege in breiteren Integrationskenntnissen über Systeme hinweg, im Änderungsmanagement und in der Skalierung von Projekten; die Ergebnisse seien strategischer und breiter angelegt. Obwohl es Überschneidungen gebe, werde Microsoft eng mit globalen SI-Partnern zusammenarbeiten. Investitionslücken und Implementierungskomplexität zwängen Hyperscaler, mehr White-Glove-Services anzubieten, um Kunden zu gewinnen.
Levy empfahl, dass Kunden, die sich für einen bestimmten KI-Technologie-Stack entschieden hätten und bereit seien, den Weg eines einzelnen Anbieters zu gehen, diese Plattformen in Betracht ziehen könnten. Ihre Nutzung könne jedoch zu Lasten potenziell reduzierter Optionen gehen und langfristige Wahlmöglichkeiten einschränken. Er riet IT-Entscheidern, sich eingehend über die Agentenbereitstellungsfähigkeiten von Microsoft und Amazon im Vergleich zu SIs zu informieren und zu prüfen, ob die dahinterstehenden Motive wirklich im besten Interesse der Kunden lägen. Randall empfahl Unternehmen, die gewünschten Ergebnisse zu bedenken: Die FDE-Option eigne sich am besten für Organisationen, die schnell und effektiv Produkte entwickeln wollten; wenn diese Organisationen in komplexen Unternehmensprozessen skalieren müssten, benötigten sie SIs. Darüber hinaus sei FDE nicht geeignet für Organisationen, die noch an grundlegenden KI-Strategiefragen arbeiteten oder Cloud-Neutralität wahren wollten.
