Ob die Verbesserung der Audioqualität von Meetings oder die präzise Umformulierung von E-Mails – Werkzeuge mit künstlicher Intelligenz (KI) wie ChatGPT und Co. spielen eine immer bedeutendere Rolle, nicht nur im persönlichen Umfeld, sondern auch im Kontext von Projekten. In diesem Licht stellt sich die Frage:  

Wie kann KI das Anforderungsmanagement unterstützen? 

Lasst uns konkret werden und einige Anwendungsbeispiele genauer betrachten:   

Analyse von Datenquellen: Bei der Recherche von Themen oder dem Ableiten von Anforderungen aus Dokumenten kann die KI eingesetzt werden, um umfangreiche Datenmengen zu analysieren und präzise zusammenzufassen. Diese Analyse erstreckt sich nicht nur auf Dokumente wie das PDF einer ISO-Vorschrift, sondern auch auf Internetquellen. Die schnelle Extraktion von Kernaussagen ermöglicht es, Zusammenhänge rasch zu erkennen. Auf dieser Grundlage können fundierte Entscheidungen in kürzerer Zeit getroffen werden.  

Erstellung und Verwaltung von Anforderungsdokumenten: KI kann die Konzeption von Anforderungen unterstützen, indem sie bei der Strukturierung von Domänenwissen behilflich ist. Hierdurch können automatisiert Anforderungsdokumente auf Basis von Eingaben aus verschiedenen Quellen erstellt werden.  

Vereinfachung der Qualitätssicherung: KI kann nicht nur bei der Formulierung von textuellen Anforderungen assistieren, sondern auch die Validierung automatisieren – etwa durch das Einhalten von Akzeptanzkriterien. Dies gewährleistet Korrektheit, Konsistenz und Verständlichkeit der Anforderungen. Zudem ermöglichen KI-Tools wie ChatGPT mit seinem Datenanalyse-Feature das effiziente Analysieren großer Anforderungslisten. Diese können mit wenigen Klicks auf Qualität und Redundanzen hin untersucht werden.  

Automatische Stakeholder-Identifikation: KI kann dazu verwendet werden, relevante Stakeholder automatisch zu identifizieren, indem sie vorhandene Datenquellen durchsucht. Dies könnte beispielsweise die Analyse von Organigrammen, Projektberichten und anderen Dokumenten umfassen, um potenzielle Stakeholder-Rollen zu extrahieren.  

Diese Beispiele veranschaulichen nur einen Bruchteil der vielfältigen Möglichkeiten, die KI bietet, um die Arbeit im Anforderungsmanagement zu erleichtern.
Es ist jedoch von entscheidender Bedeutung, immer den Datenschutz im Blick zu behalten. Die meisten KI-Werkzeuge verwenden erfasste Daten und Ergebnisse, um ihre Modelle weiter zu trainieren.  

Daher ist die gleiche Sorgfalt im Umgang mit sensiblen Daten geboten, wie bei allen externen Werkzeugen. Dies kann entweder durch den Einsatz von KI-Werkzeugen erfolgen, die Sicherheit und Datenschutz gewährleisten, oder indem auf die Verwendung sensibler Daten ganz verzichtet wird. Neben dem Datenschutz empfiehlt sich auch auf mögliche Schwächen wie Halluzinationen (überzeugende, aber falsche Ergebnisse) und unvollständige Antworten zu achten, um eine umfassende Risikobewertung und effektive Sicherheitsmaßnahmen zu gewährleisten.  

Was macht gutes Anforderungsmanagement aus? 

Es wird deutlich, dass KI allein nicht ausreicht. Die Expertise des Anforderungsmanagers ist unersetzlich. Analytisches und strategisches Denkvermögen, gepaart mit Empathie und Kundenfokussierung, sind entscheidende Elemente. Doch die Kombination aus menschlicher Expertise und KI-Unterstützung schafft optimale Voraussetzungen für erfolgreiche Projekte. Die Erfahrung des Anforderungsmanagers ermöglicht nicht nur die intelligente Anwendung von KI-Werkzeugen, sondern auch die kritische Bewertung und Anpassung im Kontext individueller Projektanforderungen.  

Fazit: 

Zusammenfassend eröffnet die Integration künstlicher Intelligenz im Anforderungsmanagement neue Horizonte für Effizienz und Präzision. Die Analyse von Datenquellen, automatisierte Erstellung von Anforderungsdokumenten und vereinfachte Qualitätssicherung sind nur einige Beispiele für die vielfältigen Möglichkeiten, die KI bietet. Dabei bleibt jedoch die Erfahrung des Anforderungsmanagers von essenzieller Bedeutung. Die intelligente Anwendung von KI-Werkzeugen erfordert nicht nur technisches Know-how, sondern auch ein tiefes Verständnis für die spezifischen Bedürfnisse und Kontexte eines Projekts.
Menschliche Expertise bleibt also noch unersetzlich, um optimale Ergebnisse zu erzielen.

Autor: Philippe Lepelmann