Die Anforderungen an modernes Requirements Engineering wachsen, ebenso wie die Möglichkeiten, mit den richtigen Tools neue Wege zu gehen. Mit dem neuesten Release von objectiF RM und objectiF RPM holen Sie sich einen digitalen Kollegen ins Team: einen KI-Assistenten, der nicht nur prüft, sondern mitdenkt. Er hilft Ihnen, neue Anforderungen zu generieren und sogar komplette Testfälle zu erstellen. So sparen Sie Zeit, vermeiden Redundanzen und bringen frischen Wind in Ihre Projekte.
Was genau ist Generative KI? Wie funktioniert Sie? Und wie unterstützen die konfigurierten KI-Assistenten unserer Tools künftig Ihren Arbeitsalltag? Diese Fragen haben wir in unserem Blogbeitrag Generative KI im Requirements Engineering für Sie beantwortet.
Doch damit nicht genug. Die KI-Assistenten können Sie ab der Version 9.2 für beliebige Artefakte und deren Beziehungen konfigurieren. Diese erweiterte Funktionalität geht über den bisherigen Fokus auf spezifische Artefakte des Requirements Engineering hinaus. Modellieren Sie Ihre domänenspezifischen Konzepte in unseren Tools, um die Interaktion mit der KI an Ihre individuellen Bedürfnisse anzupassen.
Wie eine individuelle Konfiguration aussehen kann, erläutern wir im Folgenden am Anwendungsbeispiel der Ableitung von Maßnahmen aus Risiken.
Der KI-Assistent als virtueller Risikomanager
In diesem Szenario übernimmt der KI-Assistent die Rolle eines erfahrenen Risikomanagers. Sobald Risiken identifiziert wurden, können Sie mithilfe des Assistenten Auswirkungen analysieren und darauf basierend konkrete Maßnahmen generieren lassen. Der Clou: Diese Maßnahmen werden nicht nur als grobe Empfehlungen formuliert, sondern direkt als umsetzbare Anforderungen an das zu entwickelnde System. Der KI-Assistent soll Maßnahmen generieren, die eindeutig, konsistent und überprüfbar sind und Anforderungen an Produkten entsprechen.
Was bringt das in der Praxis?
Für Unternehmen, die komplexe Projekte durchführen, bedeutet dieser Einsatz von KI eine spürbare Unterstützung:
-
- Reduzierter Aufwand im Risikomanagement
- Höhere Konsistenz bei der Ableitung von Maßnahmen
- Bessere Absicherung gegen potenzielle Risiken
- Direkte Umsetzung der Maßnahmen innerhalb des Entwicklungsprozesses
- integrierte Traceability der Risiken und Maßnahmen
Gerade in dynamischen Projektumgebungen ist das ein echter Wettbewerbsvorteil.
Von der Risikoanalyse zur Anforderung
Der KI-Assistent agiert nach einem festen Prinzip: Jede Maßnahme wird als klare Anforderung formuliert. Das bedeutet, dass für die Erkenntnisse aus der Risikoanalyse direkt konkrete, umsetzbare Anforderungen erfasst werden. So entsteht eine durchgängige Verbindung zwischen Risikomanagement, dem Requirements Engineering und der Umsetzung. Ein echter Mehrwert für Teams, um effizient und risiko-bewusst zu arbeiten.
Prozessdefinition von Risiken und Maßnahmen
In diesem Szenario wird das “Risiko” als ein benutzerdefiniertes Artefakt in objectiF RPM definiert. Ein Risiko stellt dabei ein potenzielles Ereignis dar, das negative Auswirkungen auf die Einführung, die Verwendung und Pflege eines Produkts hat.
Die “Maßnahme” hingegen wird als Subtyp des Stereotyps “Anforderung” definiert. Ein Subtyp stellt dabei eine weitere Spezialisierung eines bereits existierenden Stereotyps dar. In diesem Fall ist eine “Maßnahme” eine spezifische Art von “Anforderung”, die sich auf die Risikominimierung konzentriert. Maßnahmen erben somit Eigenschaften von Anforderungen, können aber zusätzlich spezifische Attribute besitzen.
Ein entscheidender Aspekt in diesem Zusammenhang ist die Nachverfolgbarkeit zwischen Risiken und Maßnahmen. Diese stellt sicher, dass jedem identifizierten Risiko entsprechende Maßnahmen zur Minimierung zugeordnet sind und die Auswirkungen von Änderungen leicht bewertet werden können. Das Risikomanagement ist in der objectiF RPM-Projektvorlage bereits vollständig integriert.
Best Practices für effektive Prompts in der generativen KI
Die Qualität der Ausgabe einer generativen KI hängt direkt von der Qualität ihrer Eingabe ab, genauer gesagt: von der Qualität der Hinweise, der Prompts und des übergebenen Kontexts. Denn je klarer die KI versteht, was von ihr erwartet wird, desto besser sind die Ergebnisse.
Die Kunst, zielgerichtete Eingabeaufforderungen zu formulieren, ist unter dem Begriff Prompt Engineering bekannt. Und sie wird zunehmend zu einer Schlüsselkompetenz, gerade in komplexen, technologiegetriebenen Projekten.
Was macht einen guten Prompt aus?
Damit generative KI ihr volles Potenzial entfalten kann, sollten Prompts einige grundlegende Prinzipien erfüllen:
-
Spezifität
- Allgemeine Fragen führen zu allgemeinen Antworten. Formulieren Sie stattdessen präzise, was genau erwartet wird, ob Struktur, Stil, Tonalität oder Inhalt.
-
Auf Klarheit statt Komplexität setzen
- Vermeiden Sie verschachtelte Sätze, doppelte Verneinungen oder unklare Formulierungen. Eine KI ist kein Gedankenleser.
-
Formatierung standardisieren
- Verwenden Sie klare Strukturierungen wie Aufzählungen, Bullet Points oder Absätze, um die Prompts übersichtlich zu gestalten.
-
Klare Grenzen setzen
- Geben Sie klare Vorgaben zur Länge, Sprachebene, Format oder zum Einsatz bestimmter Begriffe. So bleiben die Antworten nicht nur relevant, sondern auch konsistent.
-
Kontext
- Je besser die KI den fachlichen und inhaltlichen Rahmen kennt, desto gezielter kann sie antworten. Nutzen Sie konfigurierbare Kontext-Schemata, um relevante Artefakte, Rollen und Beziehungen klar zu definieren.
-
Rollenverständnis
- Weisen Sie der KI eine Rolle zu, z.B. “Du bist ein Risikomanager im Requirements Engineering”. Dadurch verändert sich das Antwortverhalten oft deutlich zum Besseren.
-
Zielgruppenperspektive mitgeben
- Ergänzen Sie Hinweise zur Tonalität oder Perspektive, z. B. “Sprich Entscheider in der IT an” oder “Verwende eine sachliche, aber einladende Sprache”.
-
Beispiele geben
- Zeigen Sie, wie eine gute Antwort aussehen soll anhand konkreter Beispiele. Das hilft der KI, Struktur, Ton und Intention besser nachzuvollziehen.
-
Positive und negative Anweisungen
- Formulieren Sie nicht nur, was die Antwort beinhalten soll, sondern auch, was nicht erwünscht ist. Diese Abgrenzung schafft Klarheit.
-
Zusammenhänge erklären
- Beschreiben Sie die technischen und semantischen Beziehungen zwischen den involvierten Artefakten. Die KI kann dadurch komplexe Aufgaben deutlich zielgerichteter bearbeiten.
-
Schrittweise Aufgabenstellung
- Komplexe Anweisungen lassen sich besser verarbeiten, wenn sie in einzelne, aufeinanderfolgende Schritte gegliedert sind.
-
Metaprompts nutzen
- Tools wie ChatGPT oder Gemini können Sie unterstützen, indem sie spezifische Verbesserungsvorschläge für Ihre Prompts bereitstellen.
-
Iteratives Feintuning
- Ein guter Prompt entsteht oft nicht beim ersten Versuch. Testen, nachschärfen, wieder testen – das lohnt sich.
Gut formulierte Prompts sind die Basis für eine produktive KI-gestützte Zusammenarbeit und machen Ihre Arbeit noch effizienter. Schneller bessere Ergebnisse aus der KI herausholen funktioniert mit unseren Tipps auch für die KI-Assistenten in objectiF RM und objectiF RPM.
Strukturierter Prompt für den KI-Assistenten
Für unser Anwendungsbeispiel geben wir folgenden Prompt unter „Anweisungen“ ein:
Führe folgende Schritte durch:
-
- das Risiko: Verstehe das jeweilige Risiko im Detail, indem du seine Ursachen und potenziellen Auswirkungen untersuchst.
- Bestimme Maßnahmen: Erstelle spezifische Maßnahmen, um das Risiko wirksam zu verringern oder gänzlich zu verhindern.
- Formuliere Anforderungen: Beschreibe die Maßnahmen so, dass sie als klare Anforderungen an das System dienen.
- Strukturiere die Beschreibung
- Kurzer einleitender Satz: Benutze Aktivsprache (Subjekt, Prädikat, Objekt, optional Präpositionalobjekt oder Adverbialbestimmung), ohne Nebensätze und mit maximal fünf Satzgliedern.
- Ausführliche Detailbeschreibung: Erkläre in mehreren Sätzen, wie und warum die Maßnahme das Risiko mindert oder vermeidet.
- Vergib einen Kurznamen für jede Maßnahme, der die Essenz des einleitenden Satzes erfasst.
- Überprüfe die Wirksamkeit: Stelle sicher, dass die vorgeschlagenen Maßnahmen das Risiko hinreichend minimieren oder vermeiden können. Falls nicht, ergänze weitere geeignete Maßnahmen.
Maßnahmen zu Risiken generieren
Als nächstes sollen für das identifizierte Risiko „Daten- und Informationslecks“ mithilfe des KI-Assistenten konkrete Maßnahmen generiert werden. Die untere Abbildung zeigt die strukturierte Darstellung des Risikos mit Risikotyp, Eintrittswahrscheinlichkeit und Beschreibung.
In der Sicht des KI-Assistenten sind die generierten Maßnahmen aufgelistet, die auf Basis der Risikoanalyse vorgeschlagen wurden. Diese Maßnahmen können direkt als Anforderungen übernommen und anschließend im Entwicklungsprozess umgesetzt werden. Im unteren Bereich der Sicht werden die bereits übernommenen Maßnahmen angezeigt.
Durch die Verknüpfung der Risikoanalyse und der Maßnahmengenerierung wird ein durchgängiger, KI-gestützter Risikomanagementprozess im Projekt möglich.
Fazit
Generative KI erhöht die Produktivität und Effizienz Ihrer Teams. Mit der kommenden Version von objectiF RM und objectiF RPM erhalten Sie die Möglichkeit, Ihre Prozesse noch zielgerichteter mit individuellen KI-Assistenten auszustatten.
Aufgrund der Anpassbarkeit von objectiF RM und objectiF RPM hinsichtlich des zu verwendenden Datenmodells und der Beziehungen zwischen den Artefakten, liegt es Ihnen frei, mit Ihren eigenen KI-Assistenten Mehrwerte zu schaffen.
Unser Anwendungsbeispiel aus Risiken Maßnahmen abzuleiten ist nur eines von vielen weiteren Möglichkeiten wie beispielsweise:
-
- Testfälle für UseCases,
- Anforderungen aus Change Requests oder
- aus offenen Punkten Aufgaben zu erzeugen.
Investieren Sie Zeit in die präzise Formulierung von Prompts und Hinweisen, denn je gezielter Ihre Eingaben, desto kontextgerechter und zielgerichteter sind die Ergebnisse der KI.
Probieren Sie die neue Version gerne aus und geben Sie uns Feedback: Was funktioniert gut? Wo können wir die Nutzung der Assistenten noch weiter verbessern? Wir möchten die KI unserer Tools kontinuierlich weiterentwickeln und freuen uns auf Ihre Anregungen.