Als Codex auf den Markt kam, fragte ein Teammitglied, was das FDE-Team tun sollte, sobald Codex die Anwendungsfälle, an denen das Team monatelang gearbeitet hatte, auf einen Schlag bewältigen könne. Bei OpenAI fasst diese Frage den Zweck des Forward Deployed Engineering (FDE)-Teams zusammen. FDE-Ingenieure arbeiten Seite an Seite mit Kunden, um deren schwierigste Probleme zu verstehen und Lösungen zu entwickeln, auf die sie sich verlassen können. Was sie dabei lernen, fließt in die Produkte zurück und gibt der Forschung konkrete Probleme zur Lösung an die Hand. Wenn sich das Team alle paar Monate selbst überflüssig macht, erfüllt es seine Aufgabe.
Das Team wurde Anfang 2025 gegründet, um das zu schließen, was OpenAI die Einsatzlücke nennt: die Distanz zwischen dem, wozu Modelle offenbar in der Lage scheinen, und dem, was Menschen bei ihrer Arbeit verlässlich nutzen können. Manchmal fehlt ein Produkt. Manchmal erzielt ein Modell gute Ergebnisse in einem Benchmark, kann aber mit realen Variablen und Einschränkungen nicht umgehen. Wo Modelle die Aufgabe bereits erledigen können, arbeiten FDE-Ingenieure mit dem Produktteam und Kunden daran, die Lösung wiederholbar zu machen. Wo Modelle zu kurz greifen, definieren sie gemeinsam mit Kunden und der Forschung die Lücke und verbessern die Modelle.
Bei John Deere, einem 200 Jahre alten Agrarunternehmen, bestand die Herausforderung darin, individuelle Beratung für Landwirte in großem Maßstab bereitzustellen. Die Technologie See & Spray nutzt Kameras und maschinelles Lernen, um Unkraut statt ganzer Felder zu besprühen, und reduziert so den Chemikalieneinsatz um bis zu 70 %. Um diesen Nutzen zu erzielen, müssen Landwirte aber wissen, wie sie die Technik einrichten und ihre Arbeitsweise anpassen. John Deere setzte die APIs von OpenAI ein, um Antworten in natürlicher Sprache, maßgeschneiderte Einrichtungshinweise und Warnmeldungen bereitzustellen, wenn Geräte womöglich nicht ihre volle Leistung erbringen.
OpenAI zufolge sind diese Probleme oft völlig offen, ohne etablierte Grundwahrheit und ohne Handbuch. Das FDE-Team folgt einem zentralen Grundsatz: vom Ergebnis ausgehen, alles tun, was für den Erfolg nötig ist, und dann skalieren. Mitte 2025 arbeiteten rund 15 FDE-Ingenieure mit einem großen Halbleiterkunden an mehr als 10 Anwendungsfällen, um die Chipverifikation KI-nativ zu gestalten – ein Bereich, der etwa 70 % des Projektaufwands ausmachen kann.
Quelle: OpenAI Blog · Zusammengefasst von HeadlinesBriefing