Amazon Web Services (AWS) weitet seinen Vorstoß aus, unternehmensweite künstliche Intelligenz von Experimenten in die Praxis zu bringen — und bringt diese Bemühungen nach Afrika. Das Unternehmen setzt darauf, dass Ingenieure direkt in Kundenteams zu platzieren Unternehmen dabei helfen kann, ein bekanntes Problem zu überwinden: Eine KI-Idee zu haben ist einfach; daraus ein funktionierendes Produkt zu machen, ist weitaus schwieriger.

AWS hat seine Forward Deployed Engineering (FDE)-Organisation im Juni 2026 mit einer Investition von 1 Milliarde US-Dollar gestartet und das Ziel gesetzt, KI-Projekte in 45 Tagen von der Idee in die Produktion zu bringen. Das Modell ist global angelegt, könnte aber in Afrika besonders relevant sein, wo Unternehmen generative und agentische KI einführen, während sie weiterhin mit Fachkräftemangel, begrenzter Infrastruktur, komplexen Datensystemen und knappen Technologieetats zu tun haben.

Die Herausforderung ist nicht auf Afrika beschränkt. Bis zu 80% der Enterprise-KI-Projekte bleiben in der Pilotphase stecken; Sicherheitsbedenken, organisatorischer Widerstand und Schwierigkeiten, KI mit bestehenden Systemen zu verbinden, gehören zu den wichtigsten Hürden.

AWS reagiert darauf mit einem Modell, das über den Verkauf von KI-Tools hinausgeht. Das Unternehmen plant, kleine Teams aus Ingenieuren, Datenwissenschaftlern und Cloud-Spezialisten direkt neben Kundenteams zu platzieren und KI-Agenten zu nutzen, um Programmierung, Tests, Infrastruktureinrichtung und Bereitstellung zu beschleunigen.

AWS ist mit diesem Ansatz auch nicht allein. Microsoft startete im Juli 2026 eine ähnliche Initiative, gestützt durch 2,5 Milliarden US-Dollar und 6.000 vor Ort eingesetzte Ingenieure, technische Architekten und Branchenspezialisten. Microsofts Programm umfasst zudem die Zusammenarbeit mit Systemintegratoren wie Accenture, EY, KPMG und PwC. Das Auslieferungsmodell selbst ist nicht neu: Palantir hat sein Geschäft um vor Ort eingesetzte Ingenieure aufgebaut, die in Kundenorganisationen eingebettet sind, und die Berufsbezeichnung hat sich inzwischen in der Softwarebranche verbreitet. Neu ist, dass große Cloud-Anbieter den Ansatz mit Milliardenprogrammen unterstützen — AWS intern, Microsoft gemeinsam mit Beratungsfirmen — und Unternehmenskäufern damit zwei konkurrierende Formen eingebetteter Ingenieursarbeit zum Vergleich anbieten.

Bei einem Medienrundtisch des AWS Summit in Johannesburg am 19. August sagte Jonathan Allen, AWS Executive in Residence, das FDE-Modell beginne beim Kunden und arbeite rückwärts.

„Wir beginnen immer mit 45 Minuten, in denen wir mit einem Kunden Ideen entwickeln — was er tun möchte; dann verbringen wir 45 Stunden mit dem Kunden damit zu verstehen, wie wir das umsetzen würden. Wie würde es aussehen? Was würde es brauchen? Und dann verbringen wir 45 Tage damit, es in die Produktion zu bringen“, sagte Allen.

Für AWS ist die größere Wette, dass ein schnellerer Zugang zu Ingenieurskompetenz Unternehmen helfen kann, die Lücke zwischen KI-Experimenten und Bereitstellung zu schließen. In Afrika könnte das darüber entscheiden, ob das wachsende Interesse an KI in Systeme mündet, die die Arbeitsweise von Unternehmen tatsächlich verbessern — insbesondere angesichts des Fachkräftemangels, der fragmentierten Infrastruktur, der Altsysteme und der knappen Technologieetats, mit denen viele Unternehmen konfrontiert sind.

Das Modell von AWS folgt einem einfachen Rhythmus: 45 Minuten, um eine Idee zu identifizieren, 45 Stunden, um festzustellen, ob sie tragfähig ist, und 45 Tage, um sie in die Produktion zu bringen. Die ersten 45 Minuten sollen ein Geschäftsproblem identifizieren, das es wert ist, gelöst zu werden. Die nächsten 45 Stunden dienen dazu zu prüfen, ob die Organisation über die Daten, die Infrastruktur, die Sicherheitskontrollen und die wirtschaftlichen Voraussetzungen verfügt, um die Idee umzusetzen. Erst dann beginnt der 45-tägige Produktionssprint.

Das Modell soll ein Problem adressieren, das weit über Afrika hinausgeht. Trotz der schnellen Einführung generativer und agentischer KI schaffen es viele Enterprise-KI-Projekte nie über die Pilotphase hinaus, und Sicherheitsbedenken, organisatorischer Widerstand, Datenqualität und die Integration in bestehende Systeme können die Einführung verlangsamen. AWS ist der Ansicht, dass der Engpass zunehmend nicht der Zugang zu KI-Modellen ist, sondern die Ingenieursarbeit, die nötig ist, um diese Modelle mit proprietären Daten, bestehender Infrastruktur und realen Geschäftsprozessen zu verbinden.

Das Unternehmen verändert auch das traditionelle Beratungsmodell. Statt ein Problem zu analysieren, Empfehlungen zu geben und ein Projekt zu übergeben, arbeiten FDE-Teams nach Angaben von AWS direkt mit Kunden zusammen, um das System selbst zu bauen und bereitzustellen.

Kunden sollen mit mehr als einer funktionierenden KI-Anwendung gehen. AWS sagt, sie sollten auch Ingenieursfähigkeiten, Workflows, Wissen und wiederverwendbare Muster mitnehmen, damit sie KI-Systeme eigenständig weiterentwickeln können.

Das könnte in afrikanischen Märkten wichtig sein, wo der Aufbau lokaler KI-Kompetenzen immer bedeutender wird, der Zugang zu erfahrenen KI-Ingenieuren jedoch ungleich verteilt bleibt. Ein eingebettetes Modell könnte Unternehmen Zugang zu Spezialwissen verschaffen und gleichzeitig einen Teil dieses Wissens an die eigenen Teams übertragen.

Dennoch stellt AWS FDE nicht als afrikanisches Sonderprogramm dar. Das Unternehmen sagt, die Prinzipien seien global dieselben: mit dem Problem des Kunden beginnen, rückwärts arbeiten und gemeinsam mit dem Kunden bauen.

Die Chance in Afrika bleibt jedoch weitgehend unbewiesen. AWS hat die 1-Milliarde-US-Dollar-Investition für FDE erst Ende Juni gestartet und bislang nur wenige öffentliche Fallstudien vorzuweisen. Das Unternehmen sagte, es werde Afrika-bezogene FDE-Kundengeschichten teilen, sobald Kunden ihre öffentliche Erwähnung erlauben. Das macht es zu früh, um zu wissen, ob das Modell über afrikanische Unternehmen hinweg dieselben Ergebnisse liefern kann, da diese in sehr unterschiedlichen Märkten operieren und mit unterschiedlichen Niveaus von Konnektivität, Rechenkapazität, technischen Fähigkeiten, Regulierung und Kapitalzugang konfrontiert sind.

AWS hat bereits FDE-Einsätze bei Organisationen wie dem Allen Institute, Cox Automotive, der NBA, Ricoh, Southwest Airlines und der NFL. Im Fall der NFL arbeiteten AWS-Ingenieure mit dem Team der Organisation zusammen, um NFL Fantasy AI und NFL IQ in Wochen zu starten. Das Unternehmen verweist zudem auf Tausende von KI-Projekten, die in den vergangenen drei Jahren über sein Generative AI Innovation Centre abgeschlossen wurden, darunter Arbeiten mit BMW, Jabil und Lyft.

„Die NFL hat Millionen von Fans, die das ganze Jahr über Football-Inhalte konsumieren wollen, einschließlich der Offseason. Wir innovieren mit der Geschwindigkeit und dem Umfang, die nötig sind, um die hohen Erwartungen unserer Fans zu erfüllen“, sagte Gary Brantley, Chief Information Officer der National Football League.

„Um neue digitale Erlebnisse für unsere Fans zu schaffen, hat sich die NFL mit AWS FDE zusammengeschlossen und Ingenieure mit unserem Team zusammenarbeiten lassen, um in nur wenigen Wochen in die Produktion zu gehen. Gemeinsam haben wir neue fanorientierte Produkte wie NFL Fantasy AI und NFL IQ geschaffen, die Fans ermöglichen, wie nie zuvor mit NFL-Daten zu interagieren. Das Engagement von Fans und Broadcastern war vom ersten Tag an messbar und wurde durch das Bereitstellungsmodell von AWS möglich gemacht.“

Das 45-Tage-Ziel sollte jedoch nicht als Garantie verstanden werden. Große Organisationen haben unterschiedliche Datenumgebungen, Altsysteme, Sicherheitsanforderungen und regulatorische Vorgaben — Herausforderungen, die in Sektoren wie Finanzdienstleistungen und Behörden, die AWS mit FDE adressiert, besonders komplex sein können. Die 45-Tage-Frist ist besser als operative Ambition von AWS zu verstehen: die Lücke zwischen einer KI-Idee und einem produktiven System zu verkleinern.

Diese Lücke wird zum nächsten Schlachtfeld in der Enterprise-KI. Die erste Phase drehte sich um den Zugang zu Modellen. Die zweite um Experimente. Die nächste um die Bereitstellung. Für Afrika stellt sich die Frage, ob Unternehmen diesen Übergang schnell genug schaffen können, um KI von einer aufkommenden Technologie in ein praktisches Geschäftswerkzeug zu verwandeln.

AWS setzt darauf, dass die Antwort nicht nur von besseren KI-Modellen abhängt, sondern davon, Ingenieure nah an die Unternehmen zu bringen, die sie nutzen müssen.