Wenn KI Anforderungen schreibt …

Die neue Rolle von Requirements-Management-Tools im Zeitalter generativer KI

Die Möglichkeiten generativer KI sind beeindruckend und inzwischen auch im Requirements Engineering angekommen. Anforderungen lassen sich nicht nur in Sekunden formulieren; KI kann sie auch klassifizieren, Zusammenhänge erkennen, die Beschreibungsqualität bewerten und sogar Vorschläge für Verfeinerungen oder die Ableitung von Testfällen liefern.

Vor diesem Hintergrund wirkt eine Frage fast zwangsläufig: Wenn KI all das kann, brauchen wir dann überhaupt noch dedizierte Requirements-Management-Tools (RM-Tools)?

Auf den ersten Blick scheint die Antwort naheliegend. Denn wenn eine Technologie genau die Aufgaben übernimmt, für die bisher Experten spezialisierte Werkzeuge eingesetzt haben, könnten diese Werkzeuge überflüssig werden. Doch genau diese Schlussfolgerung greift zu kurz, denn sie übersieht, worum es im Requirements Engineering und Management eigentlich geht.

Die Grenzen von KI im Requirements Engineering

Moderne Ansätze der Künstlichen Intelligenz können Anforderungen nicht nur formulieren, sondern auch einordnen, vergleichen und miteinander in Beziehung setzen. [1] KI erkennt Muster in bestehenden Anforderungen, identifiziert Ähnlichkeiten, macht potenzielle Konflikte sichtbar und hilft dabei, grobe Anforderungen systematisch zu verfeinern oder in andere Entwicklungsartefakte zu übersetzen.

Damit bewegt sie sich genau in dem Bereich, der lange als Kern des Requirements Engineering galt: dem Strukturieren, Verstehen und Konkretisieren von Anforderungen.

Gerade deshalb stellt sich die Ausgangsfrage so deutlich. Wenn KI diese Aufgaben übernehmen kann, was bleibt dann noch für klassische RM-Tools?

Die Antwort liegt in einem zentralen Aspekt, der häufig in Diskussionen ignoriert wird: KI arbeitet auf Basis von Wahrscheinlichkeiten:

• Eine Anforderung wird (nur) mit einer gewissen Wahrscheinlichkeit der richtigen Kategorie zugeordnet,
• eine Beziehung wird (nur) mit einer gewissen Wahrscheinlichkeit erkannt und
• ein Konflikt wird (nur) mit einer gewissen Wahrscheinlichkeit identifiziert.

Zugegeben, diese Ergebnisse sind in vielen Fällen inzwischen auch korrekt und zutreffend. Dennoch bleiben all diese Ergebnisse zunächst nur Vorschläge.

In der Praxis stellen sich folglich immer Fragen wie: „Wer entscheidet, welche dieser Vorschläge tatsächlich gelten und was davon der Kunde oder Markt wirklich braucht?“ Oder: „Wo wird diese Entscheidung so festgehalten, dass alle Beteiligten (auch langfristig) darauf aufbauen können?“

Und noch ein weiterer Aspekt wird dabei häufig übersehen: „Wer übernimmt eigentlich die Verantwortung für einzelne Entscheidungen?“

Anforderungen sind keine unverbindlichen Vorschläge, sie bilden eine definierte Grundlage für Entwicklung, Tests und letztlich auch für Qualität und Haftung. Genau deshalb reicht es nicht aus, dass etwas plausibel klingt; es muss auch bewusst entschieden und verantwortet werden.

Genau hier zeigt sich die Grenze von KI im Requirements Engineering! KI kann lediglich Inhalte analysieren und Empfehlungen geben. Sie kann weder Verbindlichkeit schaffen noch sicherstellen, dass getroffene Entscheidungen korrekt sind und im Projekt auch korrekt umgesetzt werden. Beides sind jedoch Aspekte, die im Mittelpunkt jeder Projektarbeit, einschließlich dem Requirements Engineering, stehen.

Von Modellen zu Strukturen

Damit Anforderungen in einem Projekt überhaupt sinnvoll genutzt werden können, braucht es ein klares Fundament. Dieses Fundament ist das Modell, das der Anforderungsarbeit zugrunde liegt. Gemeint ist hier ausdrücklich nicht das Sprachmodell einer KI, sondern das fachliche und strukturelle Modell, nach dem Anforderungen im Projekt organisiert und interpretiert werden.

Ein solches Modell legt fest, welche Arten von Anforderungen es gibt, wie sie miteinander in Beziehung stehen, wie sie sich auf Systemelemente beziehen und nach welchen Regeln sie verfeinert oder geändert werden dürfen. Es schafft eine gemeinsame Methodik und sorgt dafür, dass Anforderungen nicht isoliert entstehen, sondern Teil eines konsistenten Gesamtbilds über die Artefakte eines Entwicklungsprojektes sind.

Entscheidend ist dabei, dass dieses Modell nicht automatisch durch den Einsatz von KI entsteht. Im Gegenteil: KI setzt in der Regel eine solche Struktur sogar voraus, um sinnvoll arbeiten zu können. Ohne definierte Kategorien, konsistente Begriffe und klare Regeln entstehen zwar einzelne, plausibel wirkende Ergebnisse, aber kein stabiles Gesamtkonzept.

Hinzu kommt ein praktisches Problem. Ein solches Modell lässt sich ab einer gewissen Komplexität nicht mehr zuverlässig in Dokumenten, Tabellen oder Tickets „leben“. Sobald mehrere Personen beteiligt sind, Anforderungen wachsen und sich verändern, stößt eine rein dokumentenbasierte Arbeitsweise an ihre Grenzen. Beziehungen werden uneinheitlich interpretiert, Änderungen gehen verloren oder werden zu spät erkannt, und die Nachvollziehbarkeit leidet.

An genau dieser Stelle wird deutlich, warum – auch im Zeitalter von KI – ein Requirements-Management-Tool notwendig bleibt. Es bildet diese Struktur nicht nur ab, sondern sorgt dafür, dass es im Projektalltag auch operativ eingehalten werden kann.

Wenn Komplexität zum Problem wird

Ein weiterer Aspekt wird in vielen Diskussionen unterschätzt. KI verstärkt bestehende Zustände. In einem gut strukturierten Umfeld kann sie die Qualität von Anforderungen und insbesondere die Effizienz in der Anforderungsarbeit deutlich verbessern. KI hilft dann dabei, Inkonsistenzen schnell zu erkennen, Lücken zu schließen und Zusammenhänge transparenter zu machen.

In einem unstrukturierten Umfeld und insbesondere, wo Anforderungen schwach und unvollständig erfasst werden, passiert jedoch oft das Gegenteil. Wenn Anforderungen auf einer schlechten Basis verfeinert, klassifiziert und verknüpft werden, neigt KI zum „Halluzinieren“. Es entstehen mehr Inhalte ohne Substanz und Struktur, vermeintliche Beziehungen und Varianz, ohne dass klar ist, was davon tatsächlich relevant, korrekt und brauchbar ist.

An dieser Stelle wird deutlich, warum spezialisierte Requirements-Management-Tools nicht an Bedeutung verlieren, sondern im Gegenteil unverzichtbar werden. Ihr zentraler Mehrwert liegt heute nicht mehr nur in der Dokumentation von Anforderungen, sondern in ihrer Rolle als strukturelles Rückgrat des gesamten Entwicklungsprojektes.

Ein RM-Tool ist vor allem kein passiver Ablageort. Es ist ein System, das aktiv vorgibt, wie Anforderungen aufgebaut, verknüpft und verändert werden dürfen. Es stellt sicher, dass Anforderungen nicht isoliert entstehen, sondern immer im Kontext des zu entwickelnden Systems stehen. Beziehungen folgen einer klaren Semantik, anstatt beliebig gesetzt zu werden, und Änderungen bleiben jederzeit nachvollziehbar.

Diese Eigenschaften entstehen nicht durch persönliche Disziplin allein und auch nicht durch Prozesse auf dem Papier. Sie erfordern ein technisches System, das diese Regeln konsequent durchsetzt und damit Verbindlichkeit schafft.

Fazit: KI braucht ein System, um Wirkung bei der Arbeit mit Anforderungen zu entfalten

Die Ausgangsfrage lässt sich damit klar beantworten. Requirements-Management-Tools werden durch generative KI nicht überflüssig. Sie werden vielmehr zur Voraussetzung, um deren Potenziale im Projektgeschäft überhaupt sinnvoll nutzen zu können.

Je leistungsfähiger KI wird, desto einfacher wird es, Anforderungen zu erzeugen, zu analysieren und weiterzuentwickeln. Gleichzeitig steigt jedoch die Notwendigkeit, diese Inhalte in eine klare Struktur zu bringen und über den gesamten Lebenszyklus konsistent zu halten. Ohne ein RM-Tool bedeutet das weniger Überblick und mehr Unsicherheit. Mit einem RM-Tool bedeutet es bessere Entscheidungen, höhere Qualität und echte Nachvollziehbarkeit.

Die Zukunft des Requirements Engineering entscheidet sich daher nicht daran, wie Anforderungen geschrieben werden. Sondern daran, wie gut sie organisiert, verantwortet und gelebt werden. Und das geht nun mal nicht ohne spezialisierte Tools.

Hinweise:

Wollen Sie sich mit Dr. Sebastian Adam über Künstliche Intelligenz im Anforderungsmanagement austauschen? Dann besuchen Sie seine Website oder schreiben Sie ihn auf LinkedIn an.

[1] Ziele und Prinzipien bei der Erhebung von Anforderungen

Wollen Sie als Multiplikatorin oder Meinungsführer über die Gegenwart und Zukunft von RE-Tools im Zuge Künstlicher Intelligenz diskutieren? Dann teilen Sie den Beitrag in Ihren Social-Media-Kanälen.

Dr. Sebastian Adam hat zwei weitere Beiträge im t2informatik Blog veröffentlicht: