ServiceNow und Accenture setzen auf Forward Deployed Engineers, um die Lücke vom Agenten zur Produktivumgebung zu schließen

Die meisten Enterprise-AI-Programme scheitern zwischen Demo und Rechnung. ServiceNow und Accenture haben gerade ein Modell angekündigt, das dieses Problem lösen soll. Es lohnt sich, aufzupassen, denn es ist nicht nur eine neue Service-Stufe, sondern eine vollständig andere Beschaffungskategorie.

Am 6. Mai 2026 haben die beiden Unternehmen auf ServiceNows Knowledge-2026-Konferenz ein gemeinsames Forward Deployed Engineering (FDE)-Programm gestartet. Die Prämisse laut ServiceNows Ankündigung: Agentische AI scheitert nicht auf dem Weg in die Produktivumgebung, weil die Technologie falsch ist, sondern weil das Bereitstellungsmodell falsch ist. Ihre Antwort: Schicken Sie Ingenieure hinein.

Kurz gefasst: FDE als Beschaffungsmodell ist jetzt ein Multi-Vendor-Muster. ServiceNow und Accenture sind nicht die Einzigen. Wenn Ihr nächster RFP für agentische AI noch wie eine SaaS-Abonnementvorlage aussieht, ist er bereits veraltet.

Was das FDE-Programm tatsächlich ist

Forward Deployed Engineering bedeutet: Ingenieure des Anbieters, oder Partneringenieure, die als Erweiterung des Anbieters agieren, arbeiten innerhalb der Kundenumgebung und nicht aus einem Service-Engagement-Raum an einem Hauptsitz heraus. Sie übergeben keine Plattform und gehen dann. Sie bleiben, bis etwas in die Produktivumgebung gelangt.

Im ServiceNow-Accenture-Modell arbeiten zwei Gruppen Seite an Seite: ServiceNows AI-natives FDE-Team und Accentures branchenfokussierte FDEs. Sie erstellen agentische Workflows nativ auf der ServiceNow AI Platform, auf der der Großteil des bestehenden Work Managements des Kunden bereits läuft. Das Ziel ist es, messbaren Produktionswert zu liefern, bevor ein breiterer Rollout beginnt, und nicht einen Piloten zu erstellen, der dauerhaft in einer Sandbox verbleibt.

Kunden erhalten außerdem Zugang zu über 300 vorgefertigten AI-Agent-Skills und agentischen Workflows auf der Plattform. ServiceNows AI Control Tower fungiert als Governance-Schicht und gibt der Führungsebene eine einheitliche Übersicht über die Agentenleistung im gesamten Unternehmen, während die Bereitstellungen skalieren.

Key Facts

• Gartner prognostiziert, dass 40 % der agentischen AI-Projekte bis Ende 2027 vor Erreichen der vollständigen Produktionsreife abgebrochen werden (Quelle: Gartner, 2025 Agentic AI Hype Cycle).
• Die ServiceNow AI Platform umfasst zum Start des FDE-Programms über 300 vorgefertigte AI-Agent-Skills und agentische Workflows (Quelle: ServiceNow, Mai 2026).
• Das gemeinsame Programm wurde am 6. Mai 2026 auf Knowledge 2026 angekündigt, wobei ServiceNow und Accenture die Details gleichzeitig bestätigten (Quelle: ServiceNow und Accenture Newsroom, Mai 2026).

Warum FDE als Beschaffungsmodell jetzt ein Muster ist

Jahrelang wurde Palantirs Forward Deployed Engineering-Modell als eine Besonderheit behandelt, die spezifisch für Verteidigungs- und Geheimdienstverträge war. Die Idee, dass ein Softwareanbieter Ingenieure in die Strukturen eines Kunden einbettet, bis ein Anwendungsfall in Produktion geht, erschien weniger wie eine skalierbare GTM-Strategie als wie Consulting-Theater.

Diese Einschätzung ist jetzt überholt.

Fünf Tage nach der ServiceNow-Accenture-Ankündigung kündigte OpenAI das OpenAI Deployment Company an und kombinierte seine Akquisition von Tomoro mit einem Team von rund 150 forward-deployed Engineers in einer Einheit, die mit ungefähr 4 Mrd. USD bewertet wird. Snowflake hat seinen eigenen FDE-Fußabdruck durch die Natoma-Akquisition ausgebaut. Und Accenture stellt seine branchenfokussierten FDEs jetzt plattformübergreifend ein, nicht nur bei einem Anbieter.

Der gemeinsame Nenner: Jeder große Plattformanbieter gelangt zu dem Schluss, dass „Software über die Mauer werfen" im Zeitalter der agentischen AI verliert. Die Workflows, die tatsächlich Wert schaffen, die Beschaffungsgenehmigungen, Vertragsverlängerungen, Kundeneskalationen und das Onboarding von Mitarbeitern umfassen, sind zu eng mit bestehenden Prozessen verwoben, als dass ein Standard-Deployment-Playbook sie bewältigen könnte. Man braucht jemanden im Haus, der sowohl die Plattform als auch den Prozess versteht.

Das ist kein Upsell durch Beratung. Es ist eine strukturelle Antwort auf einen echten Fehlermodus. Wenn Gartner sagt, dass 40 % der agentischen AI-Projekte abgebrochen werden, beschreiben sie dieselbe Lücke, die FDE-Programme zu schließen versuchen: den Abstand zwischen einem gut konfigurierten Agenten in einer Demo-Umgebung und einem Agenten, der zuverlässig reale Workloads in einem Produktionssystem bewältigt.

Für einen tieferen Hintergrund darüber, wie agentische AI in den breiteren Enterprise-Capability-Stack passt, siehe Execute: Wenn AI externen Zustand verändert (und warum das riskant ist) und Autonomer Agent: Mehrstufige Ziele mit Tool-Nutzung.

Was das für CIOs verändert

Das Beschaffungsmodell ist die eigentliche Neuigkeit, nicht die Technologie. Und für CIOs ist das in drei spezifischen Bereichen relevant.

Die Budgetverantwortung verschiebt sich. Ein reiner SaaS-Vertrag landet sauber im IT-Budget: Lizenzen je Arbeitsplatz, Nutzungsobergrenzen, Verlängerungstermine. Ein FDE-plus-Plattform-Engagement sieht eher wie ein Transformationsprogramm aus. Die Geschäftseinheit, die den zu automatisierenden Prozess besitzt, hat Eigeninteresse. Die Finanzabteilung will Meilensteine, die an Zahlungen geknüpft sind, nicht nur ein Bereitstellungsdatum. Das bedeutet Co-Finanzierungsstrukturen, geteilte Ergebnisverantwortung und Genehmigungszyklen, die auch die operative Führung durchlaufen.

Die RFP-Vorlage ist falsch. Die meisten Vorlagen für Enterprise-IT-Beschaffung sind auf die Bewertung von SaaS-Plattformen optimiert: Sicherheitsfragebögen, Integrationsdokumentation, Datenverarbeitungsvereinbarungen, Support-SLA-Stufen. Ein FDE-Engagement erfordert einen anderen Abschnitt: Wie werden eingebettete Ingenieure verwaltet, welche Governance regelt ihren Zugang, wem gehört das geistige Eigentum (IP) an benutzerdefinierten Workflows, und was passiert, wenn das Engagement endet? Diese Fragen fehlen in den meisten aktuellen Vorlagen.

Die Erfolgsmetrik muss sich ändern. Eine SaaS-Bereitstellung gilt als erfolgreich, wenn das Produkt live ist und die Akzeptanz zunimmt. Ein FDE-Engagement sollte erfolgreich sein, wenn ein spezifischer Prozess ein definiertes Ergebnis erzielt. „Agent X bereitgestellt" ist keine Erfolgsmetrik. „Vertragsverlängerungszyklus von 12 auf 4 Tage reduziert, gemessen über 90 Tage Produktionsvolumen" ist eine. Wenn der Engagement-Vertrag die Ergebnismetrik und einen Rollback-Auslöser nicht spezifiziert, finanzieren Sie ein Beratungsprojekt ohne Rechenschaftspflicht.

Für Kontext zur Bewertung von AI-Initiativen in der Beschaffungsphase siehe Das Kaufen-oder-entwickeln-oder-Partner-Framework für mittelständische CEOs und Die Governance-Lücke: Was Führungskräfte beim Thema AI am Arbeitsplatz falsch machen.

Der FDE-Vertragstest: 4 Fragen für jeden RFP zur agentischen AI

Bevor Ihr Team einen RFP für ein FDE-artiges agentisches AI-Engagement herausgibt, ob von ServiceNow-Accenture, OpenAI Deployment Company, Snowflake oder einem anderen Anbieter, stellen Sie diese vier Fragen an den vorgeschlagenen Vertrag.

1. Was ist die spezifische Ergebnismetrik, und wie wird sie gemessen? Das Engagement sollte einen Prozess und eine Vorher/Nachher-Messung benennen. Zeit bis zur Lösung, Fehlerrate, Zykluszeit, Kosten pro Transaktion. Wenn der Anbieter im Angebot keine nennen kann, ist das ein Warnsignal, kein Ausgangspunkt für Verhandlungen.

2. Wie sind Zahlungen an Meilensteine und nicht an Bereitstellungsphasen geknüpft? Meilensteingebundene Zahlungen sollten um Ergebnisse in der Produktivumgebung herum strukturiert sein, nicht um „Go-Live"-Daten. Bereitstellung ist nicht Lieferung. Ein Meilenstein sollte ein definiertes Volumen echter Transaktionen erfordern, die vom Agenten auf oder oberhalb eines Leistungsschwellenwerts verarbeitet wurden.

3. Wem gehört das IP an benutzerdefinierten Workflows, die während des Engagements erstellt wurden? Vorgefertigte Plattformkomponenten gehören dem Anbieter. Benutzerdefinierte Workflows, die an Ihren Prozess angepasst wurden, sollten Ihnen gehören. Das muss im Vertrag explizit geregelt sein. Klauseln zur gemeinsamen Eigentümerschaft, die in Verhandlungen vernünftig klingen, werden kostspielig, wenn Sie Plattformen wechseln oder Preise neu verhandeln.

4. Was ist der Rollback-Auslöser? Definieren Sie im Voraus, was passiert, wenn die Leistung des Agenten unter den Schwellenwert fällt. Wer initiiert den Rollback, was ist die Reaktionszeitverpflichtung, und wer trägt die Kosten für die Wiederherstellung manueller Prozesse? Ein Anbieter, der von seinem Ansatz überzeugt ist, wird diese Frage ohne Widerstand beantworten.

Diese vier Fragen bilden das, was man den FDE-Vertragstest nennen könnte. Sie gelten, ob Sie ein Engagement über 200.000 EUR oder ein Transformationsprogramm über 20 Mio. EUR bewerten. Die Struktur ändert sich nicht; der Einsatz schon.

Für übergeordnete Überlegungen zur Strukturierung von AI-Governance und -Überwachung siehe AI-ROI jenseits von 'gesparter Zeit' messen und Der Risikogradient über AI-Muster.

Was diese Woche zu tun ist

Die ServiceNow-Accenture-Ankündigung ist ein guter Anlass für eine Überprüfung, die die meisten IT- und Beschaffungsteams ohnehin vornehmen sollten. Hier ist, was in den Kalender eingetragen werden sollte.

Diese Woche:

• Ziehen Sie Ihre aktuelle RFP-Vorlage für agentische AI heraus (oder den letzten AI-Services-RFP Ihres Teams). Markieren Sie jeden Abschnitt, der ein SaaS-Beschaffungsmodell voraussetzt. Zählen Sie, wie viele der vier Fragen des FDE-Vertragstests er beantwortet. Die meisten Vorlagen beantworten keine einzige.
• Planen Sie ein 30-minütiges Gespräch mit Ihrem CFO oder Finanzleiter, um abzustimmen, wie FDE-artige Engagements budgetiert werden sollten. Das Gespräch muss vor dem nächsten Anbietergespräch stattfinden, nicht währenddessen.
• Informieren Sie Ihr Beschaffungsteam über den Unterschied zwischen Plattformlizenzierung, Implementierungsdienstleistungen und FDE-artigem eingebettetem Engineering. Diese benötigen separate Bewertungskriterien und separate Vertragsstrukturen.

In den nächsten 30 Tagen:

• Aktualisieren Sie Ihre Master-AI-Beschaffungsvorlage um einen FDE-spezifischen Abschnitt, der Ergebnismetriken, Meilensteinzahlungsstruktur, IP-Eigentümerschaft an benutzerdefinierten Workflows und Rollback-Auslöser abdeckt.
• Ordnen Sie Ihre drei wichtigsten agentischen AI-Kandidaten (aktuelle oder geplante) dem FDE-Modell zu. Identifizieren Sie für jeden: den Prozessverantwortlichen, definieren Sie eine Kandidaten-Ergebnismetrik, und entscheiden Sie, ob IT oder die Geschäftseinheit das Budget verantworten soll.
• Fragen Sie Ihre zwei oder drei wichtigsten AI-Plattformanbieter direkt, ob sie ein FDE- oder eingebettetes Engineering-Modell anbieten. Wenn nicht, fragen Sie, was ihre Antwort auf die Pilot-zu-Produktions-Lücke ist. Ihre Antwort verrät viel darüber, wie ernsthaft sie über die Produktivbereitstellung nachgedacht haben.

Die Anbieter, die die nächste Welle von Enterprise-AI-Verträgen gewinnen, werden nicht nur die besten Modelle oder die größte vorgefertigte Bibliothek von Agent-Skills haben. Es werden diejenigen sein, die herausgefunden haben, wie sie Wert im Haus des Kunden, an den Prozessen des Kunden, gegen die Metriken des Kunden liefern.

ServiceNow und Accenture wetten darauf, dass das der Markt will. Angesichts dessen, was Gartner darüber sagt, wo die meisten Projekte enden, erscheint diese Wette gut platziert.

Häufig gestellte Fragen

Was ist das ServiceNow-Accenture Forward Deployed Engineering-Programm?

Das Forward Deployed Engineering-Programm von ServiceNow und Accenture, das am 6. Mai 2026 angekündigt wurde, bettet ServiceNows AI-native Ingenieure gemeinsam mit Accentures branchenfokussierten Ingenieuren direkt in die Umgebungen gemeinsamer Kunden ein. Anstatt eine Plattform aus der Ferne zu konfigurieren und zu übergeben, erstellt das kombinierte Team agentische Workflows nativ dort, wo die Arbeit des Kunden läuft, und bleibt, bis diese Workflows in der Produktivumgebung sind und messbare Ergebnisse liefern.

Was ist Forward Deployed Engineering und warum ist es für AI relevant?

Forward Deployed Engineering (FDE) ist ein Modell, bei dem Ingenieure eines Anbieters oder Partners in der Kundenumgebung arbeiten, bis ein spezifischer Anwendungsfall in die Produktivumgebung gebracht wurde, anstatt eine Plattform zu liefern und die Bereitstellung dem Kunden zu überlassen. Es ist für agentische AI relevant, weil der häufigste Fehlerpunkt in AI-Programmen weder das Modell noch die Plattform ist: Es ist die Lücke zwischen einem konfigurierten Demo und einem Workflow, der echtes Produktionsvolumen bewältigt. FDE-Programme schließen diese Lücke direkt, indem sie Ingenieure für Produktionsergebnisse verantwortlich machen, nicht nur für die Bereitstellung.

Wie sollte ein CIO ein FDE-Engagement im Vergleich zu einer traditionellen SaaS-Bereitstellung budgetieren?

Eine traditionelle SaaS-Bereitstellung liegt typischerweise als Budgetposition im IT-Budget: Lizenzierung, Implementierung und Support-Kosten mit vorhersehbaren jährlichen Verlängerungskonditionen. Ein FDE-Engagement sieht eher wie ein Transformationsprogramm aus. Die Budgetplanung sollte eine Co-Finanzierung der Geschäftseinheit einschließen, der der zu automatisierende Prozess gehört, Meilensteinzahlungen, die an Produktionsergebnisse und nicht an Go-Live-Daten geknüpft sind, sowie eine Rücklage für die Kosten der Rückkehr zu manuellen Prozessen, falls der Agent die Leistungsschwellenwerte nicht erfüllt. CIOs sollten diese Unterscheidung mit ihrem CFO vor dem ersten Anbietergespräch abstimmen.

Weiterführende Artikel

• Die Governance-Lücke: Was Führungskräfte beim Thema AI am Arbeitsplatz falsch machen
• AI-ROI jenseits von 'gesparter Zeit' messen
• Das Kaufen-oder-entwickeln-oder-Partner-Framework für mittelständische CEOs
• Execute: Wenn AI externen Zustand verändert (und warum das riskant ist)
• Der Risikogradient über AI-Muster
• Autonomer Agent: Mehrstufige Ziele mit Tool-Nutzung