KI für Softwareanforderungen: Fachwissen gezielt einbringen

Ein neues Softwareprojekt steht an und Anforderungen müssen aufgenommen und strukturiert werden. KI kann dabei Entwürfe erstellen oder vorhandene Informationen ordnen. Die Ergebnisse können dennoch wichtige Abläufe, Einschränkungen oder Ausnahmen übersehen, wenn diese im bereitgestellten Kontext fehlen oder unklar sind.

Entscheidend ist deshalb, welche Aufgabe an die KI übergeben wird, welche Informationen sie erhält und wie Menschen die Ergebnisse prüfen.

Warum KI bei Anforderungen an Grenzen stößt

Sprachmodelle werden anhand großer Datenbestände trainiert. In einer konkreten Anwendung können zusätzlich bereitgestellte Dokumente, Beispiele oder andere Datenquellen als Kontext dienen. Was dem System weder aus dem Modell noch aus diesen Quellen zugänglich ist, kennt es nicht verlässlich.

Bei Softwareanforderungen können zentrale Informationen unternehmensspezifisch sein: interne Prozesse, Vorgaben, Schnittstellen zu Bestandssystemen oder Erfahrungswissen der Fachabteilungen. Solche Informationen müssen in der Aufgabe, den zugänglichen Quellen oder dem Arbeitsprozess berücksichtigt werden.

Fehlen diese Informationen, kann ein Modell sie nicht zuverlässig aus allgemeinem Wissen ableiten. Es kann trotzdem plausible Vorschläge machen. Diese sind als ungeprüfte Annahmen zu behandeln und durch Rückfragen oder fachliche Prüfung zu klären.

Das systemische Problem: Muster statt Verständnis

Ein Sprachmodell bildet Geschäftsprobleme nicht automatisch vollständig ab. Es kann bekannte Muster und bereitgestellten Kontext nutzen. Wird es etwa um Anforderungen für ein ERP-System gebeten, kann es naheliegende Themen wie Stammdaten, Berechtigungen oder Berichte vorschlagen.

Solche Vorschläge können als Prüfliste oder Ausgangspunkt nützlich sein. Ob sie die konkreten Abläufe unterstützen, muss anhand des tatsächlichen Bedarfs beurteilt werden.

Ein sauber formulierter Entwurf ist kein Nachweis seiner Vollständigkeit. Fehlende Anforderungen können später sichtbar werden, wenn Nutzer, Fachleute oder technische Teams den Entwurf mit realen Abläufen und Grenzfällen abgleichen.

Typische Fehleinschätzungen

„Die KI versteht unser Geschäft, wenn wir genug Kontext liefern." Kontext kann die Ergebnisse verbessern, garantiert aber weder Vollständigkeit noch korrektes Verständnis. Je nach Anwendung kann das System Rückfragen stellen; andernfalls müssen offene Punkte im Arbeitsablauf erfasst und von Fachleuten geklärt werden.

„KI-generierte Anforderungen sind ein guter Startpunkt." Das stimmt nur, wenn jemand mit Domänenwissen die Ergebnisse systematisch prüft. Ohne diesen Review-Prozess werden generische Anforderungen zur Grundlage des Projekts – und ziehen sich durch Architektur, Entwicklung und Test.

„Wir sparen Zeit, wenn die KI die Anforderungen schreibt." Das ist möglich, aber nicht garantiert. Berücksichtigen Sie neben der Entwurfszeit auch Aufwand für Kontextaufbereitung, Korrekturen und Abstimmung. Erst ein Vergleich mit dem bisherigen Vorgehen zeigt, ob die Unterstützung im konkreten Prozess Zeit spart.

„Unsere Anforderungen sind nicht so speziell." Einige Funktionen folgen verbreiteten Mustern, andere hängen von den eigenen Abläufen ab. Prüfen Sie pro Anforderung, welche Standardannahmen passen und wo unternehmensspezifische Regeln, Schnittstellen oder Nutzerbedürfnisse zu berücksichtigen sind.

Wann KI bei Anforderungen helfen kann – und wann nicht

Die Frage ist nicht, ob KI bei Anforderungen eingesetzt werden kann. Die Frage ist, unter welchen Bedingungen der Einsatz sinnvoll ist.

KI kann unterstützen, wenn:

• Das Domänenwissen bereits gut dokumentiert ist und als Kontext bereitgestellt werden kann
• Standardprozesse abgebildet werden sollen, die keine unternehmensspezifischen Besonderheiten erfordern
• Ein strukturierter Review-Prozess existiert, in dem Fachexperten die generierten Anforderungen prüfen
• KI als Beschleuniger für Entwürfe genutzt wird, nicht als Ersatz für Anforderungsanalyse

KI sollte nicht ohne zusätzliche Kontrollen eingesetzt werden, wenn:

• Wichtiges Domänenwissen oder notwendige Vorgaben noch nicht erhoben wurden
• Fehler erhebliche Folgen haben und Zuständigkeiten oder Prüfprozesse ungeklärt sind
• Kein Review-Prozess etabliert ist
• die Erwartung besteht, dass KI vollständige Anforderungen ohne fachliche Prüfung liefert

Was vor dem KI-Einsatz geklärt werden muss

Bevor KI bei der Anforderungsarbeit eingesetzt wird, braucht es Klarheit über die eigenen Voraussetzungen.

Wie gut ist das Domänenwissen dokumentiert? Berücksichtigen Sie, welche Prozessbeschreibungen, Beispiele, Daten und Fachbegriffe verfügbar sind. Fehlende Informationen können gegebenenfalls durch Interviews oder Workshops erhoben werden. Für die Rolle impliziten Wissens bei KI-Anwendungen siehe auch unseren Beitrag zu Erfahrungswissen und KI.

Welche Anforderungen sind tatsächlich unternehmensspezifisch? Eine Einschätzung hilft, die Aufgaben zu unterscheiden: Wo kann KI Standardentwürfe liefern? Wo müssen Fachleute Regeln und Akzeptanzkriterien selbst konkretisieren?

Wer prüft die Ergebnisse? Definieren Sie, wer die fachliche Prüfung übernimmt, welche Quellen maßgeblich sind und wie offene Punkte dokumentiert werden.

Wie werden Lücken erkannt? Ein System weist nicht in jedem Fall zuverlässig auf fehlendes Wissen hin. Vergleichen Sie Entwürfe mit Quellen, Prozessfällen und bekannten Ausnahmen; nutzen Sie Workshops, um weitere Lücken aufzudecken.

Anforderungsqualität entscheidet über Projekterfolg

Anforderungen beeinflussen Entwurf, Umsetzung und Abnahme von Software. Fehlende oder missverständliche Anforderungen können später zu Nacharbeit führen. Frühzeitige Reviews und Rückmeldungen aus der Nutzung helfen, solche Probleme zu entdecken.

KI kann in passenden Aufgaben die Anforderungsarbeit unterstützen. Die Verantwortung für Prüfung und Freigabe muss bei den dafür zuständigen Personen und Rollen bleiben.

Der NIST AI Risk Management Framework empfiehlt, Kontext, Zielsetzung, Grenzen, Evaluation und menschliche Aufsicht für den konkreten Einsatz zu bestimmen und zu dokumentieren. Diese Punkte helfen auch bei der Entscheidung, ob KI die Anforderungsarbeit sinnvoll unterstützen kann.

Fazit

KI kann Anforderungsentwürfe aus gelerntem Wissen und bereitgestelltem Kontext formulieren. Ob diese Entwürfe zum Unternehmen passen und vollständig sind, muss anhand interner Quellen, realer Prozessfälle und fachlicher Reviews geprüft werden.

KI kann Teile der Anforderungsarbeit erleichtern. Sie ersetzt nicht die Einordnung des konkreten Bedarfs und die Verantwortung der Personen, die Anforderungen fachlich bestätigen.