AI Solutions Architect — eine Rolle, die wie für mich gemacht sein könnte?
Das Handelsblatt beschreibt neue KI-Rollen mit Topgehältern. Ich ordne mich ein — und erkläre, warum AI Solutions Architecture die logische Verbindung aus Solution Architecture und KI-Wissensaufbau ist.
AI Solutions Architect — eine Rolle, die wie für mich gemacht sein könnte?
Nur hieß sie anders.
Letzte Woche lese ich einen Artikel im Handelsblatt. Titel: „Diese neuen KI-Rollen bringen Topgehälter." Drei Rollen werden vorgestellt: Forward Deployment Engineer, AI Solutions Architect, AI Transformation Officer. Beim Lesen der verschiedenen Rollen-Beschreibungen denke ich: Das passt!
Nur: Welche Rolle?
Seit über 15 Jahren bin ich als PO / Business Analyst und weiteren Rollen in digitalen Projekten unterwegs. Natürlich bin ich neuerdings auch in Sachen KI sehr stark involviert und arbeite selbst an vielen eigenen Projekten, wie man vielleicht auch hier an der Webseite erkennen kann.
Ich versuche mal, mich selbst hier einzuordnen.
Die drei Rollen aus dem Artikel
Das Handelsblatt beschreibt eine klare Verschiebung am Arbeitsmarkt:
„Gesucht werden weniger KI-Theoretiker, sondern vor allem Experten und Expertinnen, die KI produktiv in Geschäftsmodelle übersetzen — hier gibt es oftmals noch einen Engpass." — Philipp Riedel, Geschäftsführer Yer Deutschland (Handelsblatt, 26.05.2026)
Drei neue Rollen kristallisieren sich heraus — und sie unterscheiden sich fundamental voneinander:
Forward Deployment Engineer (FDE)
Der FDE ist der Macher vor Ort. Geprägt von Palantir, geht er direkt zum Kunden, baut KI in bestehende Systeme ein und sorgt dafür, dass sie im Alltag funktioniert. Der Artikel beschreibt das mit einem schönen Lego-Vergleich: Bestellt ein Kunde einen Drachen, fragt der FDE zuerst, ob es nicht eher ein Phönix sein sollte — und baut dann, was wirklich gebraucht wird.
Der Kern: „Man muss vor allem Ingenieur sein und in der Lage, Dinge von Grund auf zu bauen." Es geht um tiefe technische Umsetzung direkt beim Kunden. FDEs sind Ingenieure mit Kundenkontakt — nicht Berater mit Technikverständnis.
AI Solutions Architect
Der Architekt entwirft den Bauplan für KI-Implementierungen. Seine Aufgabe laut Handelsblatt:
„Klären, welche KI-Anwendung ein Unternehmen braucht, welche Daten sie nutzen darf, an welche Systeme sie angeschlossen wird und wie sie sicher, bezahlbar und überprüfbar bleibt." — Handelsblatt (26.05.2026)
Was diese Rolle besonders macht: Sie verlangt die seltene Kombination aus technischem Verständnis und Kommunikationsfähigkeit.
„Die Rolle verlangt technisches Wissen und Übersetzungskraft. Der AI Solutions Architect muss mit Entwicklern sprechen — und mit Führungskräften." — Handelsblatt (26.05.2026)
Der AI Solutions Architect sitzt an der Schnittstelle. Er muss verstehen, wie neue KI-Anwendungen mit bestehenden Kernsystemen zusammenspielen — und gleichzeitig Nutzen, Grenzen und Risiken verständlich kommunizieren können.
AI Transformation Officer
Die dritte Rolle steuert den kulturellen Wandel. Der Kern: Nicht selbst alle Antworten liefern, sondern die Bedingungen schaffen, damit Fachbereiche KI eigenständig nutzen. Ob Buchhaltung, Vertrieb oder Marketing — der AI Transformation Officer befähigt Teams, ins Machen zu kommen.
Das ist primär eine Führungsrolle mit Change-Management-Fokus, weniger eine technische.
Meine Einordnung: Warum AI Solutions Architect passt
Wenn ich ehrlich bin, hatte ich beim Lesen zuerst mit allen drei Rollen Berührungspunkte. Aber bei genauerer Betrachtung wird es klar:
FDE bin ich nicht. Nicht weil die Rolle schlecht wäre — sondern weil der Schwerpunkt ein anderer ist. Der FDE ist „vor allem Ingenieur" und baut „von Grund auf." Mein Ansatz ist ein anderer: Ich starte mit dem Systemkontext, nicht mit dem Code. Was braucht das Unternehmen wirklich? Wer sind die Stakeholder? Welche Systeme sind schon da? Erst dann kommt die Umsetzung. Außerdem warnt der Artikel selbst: „Nicht jedes Unternehmen, das nach FDEs ruft, weiß, was es damit einkauft."
AI Transformation Officer bin ich auch nicht. Die Rolle ist wichtig, aber sie lebt von Change Management und Befähigung ganzer Organisationen. Ich bin eher jemand, der konkrete Lösungen baut — nicht jemand, der primär kulturellen Wandel steuert.
AI Solutions Architect trifft es. Nicht weil ich seit 15 Jahren KI mache — das wäre Unsinn. Sondern weil ich genau die Fähigkeiten mitbringe, die diese neue Rolle verlangt.
Ich bin IREB-zertifizierter Requirements Engineer. Mein Ansatz heißt Systemkontext-First-Thinking: Bevor ich eine Lösung vorschlage, kläre ich den Kontext — Stakeholder, Compliance, bestehende Systemlandschaft, Prozess-Integration. 15 Jahre als Solution Consultant, Business Analyst und Product Owner haben mir genau das beigebracht.
Das ist das Fundament. Und darauf baut jetzt KI auf. In den letzten Jahren habe ich mich intensiv in KI-Technologien eingearbeitet — nicht theoretisch, sondern hands-on: eigene Projekte, lokale LLM-Setups, ein kompletter digitaler Zwilling als Proof of Concept. Die Verbindung aus langjähriger Solution-Architecture-Erfahrung und aktivem KI-Wissensaufbau — das ist genau die Kombination, die der Artikel beschreibt.
Was ich dabei anders mache
Der Artikel trennt sauber: Der Architekt entwirft den Bauplan, der FDE setzt um. In der Praxis — zumindest in meiner — verschwimmt das.
Ich entwerfe nicht nur. Ich baue auch. Automatisierungs-Workflows, Datenpipelines, lokale KI-Setups. Und seit diesem Jahr: einen vollständigen digitalen KI-Zwilling mit Chat-Interface, Wissensbasis und Automatisierungs-Pipeline — Frank DZ 0.1.
Das ist kein PowerPoint-Projekt. Das ist ein laufendes System. Gebaut unter realen Bedingungen, als lebender Proof of Concept.
AI Solutions Architect, der auch implementiert — das ist die Kombination, die selten ist. Und die den Unterschied macht, wenn KI nicht nur als Experiment in der Sandbox bleiben soll, sondern in den produktiven Betrieb überführt werden muss.
Datengetriebene Produktentwicklung als Kern
Was bei der Rolle oft unterschätzt wird: AI Solutions Architecture ist nicht primär eine Technologie-Frage. Es ist eine Daten- und Integrationsfrage.
KI-Modelle können in kontrollierten Umgebungen glänzen. Im Alltag treffen sie auf gewachsene Systemlandschaften, Sonderregeln, Nutzergewohnheiten und rechtliche Grenzen. Die eigentliche Herausforderung liegt darin, KI so in bestehende Prozesse und Systeme einzubetten, dass sie auf echten Daten arbeitet und echten Mehrwert liefert.
Das bedeutet konkret:
- Systemanbindung als Fundament: Jede KI-Lösung muss an bestehende Kernsysteme angebunden werden — ERP, CRM, Content-Management, Produktionssysteme. Wer das nicht sauber klärt, baut eine Insellösung.
- Datenqualität vor Modellwahl: Bevor über KI-Modelle diskutiert wird, muss geklärt sein: Welche Daten sind vorhanden? Wie gepflegt sind sie? Wer darf darauf zugreifen? Das ist Requirements Engineering in Reinform.
- Datenschutz als Teil der Kontextanalyse: In Deutschland — mit DSGVO, strikten Datenschutzregeln und regulierten Branchen — ist die Frage „Wo bleiben die Daten?" oder besser: "Was mach die KI mit den Daten?" als Bestandteil jeder seriösen Systemkontext-Analyse essentiel. Lokale KI-Architekturen, bei denen sensible Daten das Unternehmen nicht verlassen, sind für viele Branchen die Voraussetzung, unter der KI überhaupt eingesetzt werden kann.
- Iterative Produktentwicklung: KI-Lösungen sind keine Wasserfall-Projekte. Sie brauchen kurze Feedback-Zyklen, echte Nutzerdaten und die Bereitschaft, Ansätze zu verwerfen, die nicht funktionieren. Prototypen können nun auch vom Fachbereich gebaut, getestet und angepasst werden. Das schafft schnelle Ergebnisse und Erkenntnisgewinne — nicht nur in der Theorie. Voraussetzung ist die sichere und effiziente Nutzung von KI.
Für Frank DZ 0.1 habe ich genau das durchgespielt: 6.400+ E-Mails aus zehn Jahren als Datenbasis — erst anonymisiert, dann analysiert, iterativ zum laufenden System entwickelt. Das ist derselbe Ansatz, den ich auch für Unternehmen empfehle.
Warum diese Rolle zu mir passt
AI Solutions Architect ist eine neue Rolle. Aber die Fähigkeiten, die sie verlangt, sind es nicht.
Für mich bedeutet AI Solutions Architecture die Verbindung aus drei Dingen:
- Requirements Engineering — der Systemkontext-First-Ansatz als Fundament. 15 Jahre erlernt, jetzt auf KI-Integrationen angewendet.
- Datengetriebene Umsetzung — von der Anbindung bestehender Systeme bis zur iterativen Produktentwicklung
- Aktiver KI-Wissensaufbau — nicht nur Theorie, sondern eigene Projekte, eigene Systeme, eigene Erfahrungen (Siehe meinen digitalen Zwilling)
Diese Kombination aus bewährtem Handwerk und neuem Werkzeug — das ist es, was der Markt gerade sucht.
Fazit: Der Markt hat den Namen gefunden
AI Solutions Architect ist ein neuer Titel. Aber die Fähigkeiten, die dahinterstehen — Systeme verstehen, Brücken zwischen Technik und Business bauen, strukturiert an komplexe Integrationen herangehen — die bringe ich mit. Und die KI-Seite baue ich gerade aktiv aus.
Der Markt sucht diese Kombination. Und bezahlt dafür.
Wenn du wissen willst, wie AI Solutions Architecture für dein Unternehmen aussehen könnte — frag Frank DZ 0.1. Oder direkt mich.
Quelle: Obmann, C. & Schimroszik, N. (2026): „Jobs: Diese neuen KI-Rollen bringen Topgehälter." Handelsblatt, 26.05.2026. Link zum Artikel
Über mich
Frank Fischer — Interim Manager, M&A-Berater und AI Solutions Architect bei Kreativraketen KG. 15+ Jahre Erfahrung als Product Owner, Business Analyst und Solution Consultant in Enterprise-Umgebungen. IREB-zertifizierter Requirements Engineer. Spezialisiert auf Adobe Workfront, Content Supply Chain, Automatisierung (Workfront Fusion, Make.com) und datenschutzkonforme KI-Architekturen (Ollama, lokale LLM-Setups). Branchen: Automotive, Retail, Pharma, Banking, Aviation, Energie.