KI-gestütztes Anforderungsmanagement in IT-Projekten

• 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.