- Grundlagen des KI-gestützten Anforderungsmanagements
- Einführung in die Potenziale von KI für das Requirements Engineering: Wie Machine Learning und Natural Language Processing die Erfassung, Analyse und Verwaltung von Anforderungen revolutionieren können.
- Vergleich traditioneller vs. KI-gestützter Methoden: Gegenüberstellung von manuellen Prozessen mit automatisierten Lösungen in Bezug auf Effizienz, Qualität und Nachverfolgbarkeit. Untersuchung typischer Zeitersparnisse und Qualitätsverbesserungen.
- Ethische Aspekte und Grenzen: Diskussion über Verantwortlichkeiten bei automatisiert erstellten Anforderungen und die Balance zwischen Effizienz und menschlicher Kontrolle.
- Automatisierte Anforderungserfassung
- KI-gestützte Dokumentenanalyse: Automatische Extraktion von Anforderungen aus natürlichem Text in Stakeholder-Dokumenten, E-Mails und Meeting-Protokollen. Techniken zur Erkennung von impliziten Anforderungen.
- Voice-to-Requirement-Konvertierung: Spracherkennungssysteme, die Stakeholder-Interviews in strukturierte Anforderungen umwandeln.
- Multisource-Integration: Kombination von Anforderungen aus verschiedenen Quellen (Dokumente, Tickets, Chats) zu einem konsistenten Anforderungskatalog.
- Anforderungsanalyse und -priorisierung
- Automatisierte Klassifizierung: KI-Methoden zur Kategorisierung von Anforderungen nach Typ (funktional/nicht-funktional), Dringlichkeit und Komplexität.
- Priorisierungsalgorithmen: Machine-Learning-Ansätze zur Bewertung und Reihenfolgenbestimmung von Anforderungen basierend auf Geschäftswert, Risiko und Aufwand.
- Konflikt- und Abhängigkeitserkennung: Automatisierte Identifikation von widersprüchlichen oder interdependenten Anforderungen im Anforderungskatalog.
- Qualitätssicherung von Anforderungen
- Automatisierte SMART-Checks: KI-gestützte Bewertung von Anforderungen nach Kriterien wie Spezifität, Messbarkeit und Testbarkeit.
- Vollständigkeitsanalyse: Erkennung von Lücken und Unklarheiten in Anforderungsdokumenten durch Vergleich mit Projektartefakten und Domänenwissen.
- Konsistenzprüfung: Kontinuierliche Überwachung der Anforderungskonsistenz über den gesamten Projektverlauf hinweg.
- Traceability und Änderungsmanagement
- Automatisierte Traceability-Matrizen: KI-gestützte Verknüpfung von Anforderungen mit Designelementen, Testfällen und Implementierungen.
- Change-Impact-Analyse: Vorhersage der Auswirkungen von Anforderungsänderungen auf Projektumfang, Zeitplan und Kosten.
- Versionierung und Historisierung: Intelligente Nachverfolgung von Anforderungsänderungen und deren Ursachen.
- Stakeholder-Kommunikation
- Automatisierte Berichterstattung: Generierung von Projektstatusberichten und Anforderungsübersichten für verschiedene Stakeholder-Gruppen.
- Feedback-Analyse: Auswertung von Stakeholder-Kommentaren und -Bedenken mittels Sentiment-Analyse.
- Kommunikationsempfehlungen: KI-gestützte Vorschläge für angepasste Kommunikationsstrategien basierend auf Stakeholder-Profilen.
- Integration in Projektmanagement-Tools
- Schnittstellen zu gängigen Tools: Anbindung von KI-Lösungen an JIRA, Azure DevOps und andere Projektmanagement-Systeme.
- Workflow-Automatisierung: KI-gestützte Steuerung von Anforderungs-Workflows und Freigabeprozessen.
- Projektrisiko-Frühwarnsystem: Identifikation von Risiken durch Analyse von Anforderungsmustern und -änderungen.
- Praxisübung: KI-gestützte Anforderungsanalyse
- Teilnehmer wenden KI-Tools auf einen realen Anforderungssatz an, führen Qualitätschecks durch und erstellen eine priorisierte Anforderungsliste mit Traceability-Matrix.
LernzieleDie Teilnehmer entwickeln ein umfassendes Verständnis für die Möglichkeiten und Grenzen von KI im Anforderungsmanagement. Sie lernen verschiedene Anwendungsbereiche kennen - von der automatisierten Erfassung bis zum Änderungsmanagement - und können den Nutzen für ihre spezifische Projektsituation einschätzen. Das Seminar vermittelt zudem ein Framework für die schrittweise Einführung von KI-Lösungen unter Berücksichtigung organisatorischer und technischer Voraussetzungen.
ZielgruppenRequirements Engineers, Business Analysten, Projektmanager und Product Owner mit Erfahrung in konventionellem Anforderungsmanagement. Grundkenntnisse in agilen und klassischen Vorgehensmodellen werden vorausgesetzt.
