# Was bedeutet „Forward Deployed AI Engineering“ für Kundenprojekte?

„Forward Deployed AI Engineering“ bedeutet, KI gemeinsam mit dem Kunden an realen Daten, Systemen, Berechtigungen und Arbeitsabläufen umzusetzen. Queli arbeitet nach diesem praktischen Ansatz, wenn Makra um einen konkreten Prozess konfiguriert wird.

## Was der Begriff üblicherweise meint

Bei einem Forward-Deployed-Ansatz arbeitet ein technisches Team eng am operativen Prozess eines Kunden. Es untersucht, wie eine Rechnung, Bestellung, Serviceanfrage oder offene Forderung eingeht, welche Datenquellen beteiligt sind und wer über den nächsten Schritt entscheidet. Danach können Arbeitsablauf, Datenmodell, Berechtigungen, Prüfregeln und Ausnahmewege an echten Beispielen getestet werden.

Der Begriff sagt allein nichts über eine feste Teamgröße, eine Präsenz vor Ort, laufenden Betrieb, Reaktionszeiten oder die Übernahme fachlicher Verantwortung aus. Solche Punkte gehören in eine bestätigte Projektvereinbarung.

Auch „kundennahe“ bedeutet nicht, dass ein Anbieter die Organisation des Kunden ersetzt. Der Kunde kennt seine fachlichen Regeln, Ausnahmefälle und Freigabestellen. Eine technische Zusammenarbeit kann diese Regeln in Datenmodelle und Arbeitsabläufe übersetzen, muss sie aber gemeinsam prüfen. Gerade bei Rechnungen, Meldungen und Kundenkontakten entscheidet die Nähe zum Prozess nicht über die Berechtigung.

## Wie Queli mit Kunden arbeitet

Queli Makra ist als operative Plattform beschrieben, die um die Systeme, Datenabgrenzungen, Berechtigungen, Quellen und Regeln eines konkreten Arbeitsablaufs herum eingerichtet wird. Ein Einstieg kann über E-Mail, WhatsApp, PDF, Excel, ERP, CRM, Buchhaltung oder eine Datei erfolgen. Makra kann daraus einen Datensatz, eine Aufgabe, einen Entwurf, eine Klassifikation, eine Erinnerung, einen Bericht oder eine Ausnahme vorbereiten.

Das ist ein kundenspezifischer Implementierungsansatz. Queli folgt dem Vorgang vom Eingang bis zur Entscheidung, testet echte Ausnahmen und legt gemeinsam mit dem Kunden fest, was Makra liest, vorbereitet oder in ein Zielsystem übergibt. So entsteht ein Arbeitsablauf, der zur Organisation passt, statt nur eine allgemeine Modelldemo zu zeigen.

## Wie ein Projekt sauber abgegrenzt wird

Vor dem Produktivbetrieb werden die konkreten Systeme, Zugriffsrechte, Datenregion, Modellkonfiguration, Aufbewahrung und menschlichen Entscheidungspunkte festgelegt. Das Team muss außerdem klären, was Makra vorbereitet und an welcher Stelle eine berechtigte Person bestätigt. Ein Rechnungsentwurf ist damit eine Prüfgrundlage; eine Intrastat-Zuordnung ist ein Vorschlag; ein Arbeitsauftrag bleibt bis zur zuständigen Disposition ein vorbereiteter Vorgang.

Ein gutes Projekt liefert einen beschriebenen Ablauf, klare Rollen, einen funktionierenden Arbeitsbereich, einen Ausnahmeweg und eine messbare Ausgangslage. Rollen, Systeme, Berechtigungen, Liefergegenstände und Verantwortlichkeiten werden für die konkrete Einführung bestätigt.

## Sources

- https://www.queli.ai/
- https://www.queli.ai/llms.txt

## Other languages

- [English](https://www.queli.ai/ai-agents/answers/forward-deployed-ai-engineering)
- [Hrvatski](https://www.queli.ai/hr/ai-agenti/answers/inzenjer-za-uvodenje-ai-rjesenja)
- [Deutsch](https://www.queli.ai/de/ki-agenten/answers/kundennahe-ki-implementierung)