Wie können Unternehmen KI und dessen Potenzial im Requirements Engineering nutzen?

KI als Effizienzbringer für das Requirements Engineering

Kennen Sie den hohen Aufwand, der in der frühen Phase eines Entwicklungsprojekts entsteht? Häufig ist das genaue Erfassen und Strukturieren von Anforderungen ein mühsamer Prozess, der viel Zeit beansprucht. Mittels KI gelingt es hier Effizienzen und Potenziale zu heben: Unternehmen können schneller und präziser Anforderungen formulieren. Die Technologie analysiert vorhandene Daten, gleicht sie mit Best-Practice-Vorlagen ab und schlägt relevante Spezifikationen vor. Das Ergebnis? Eine fundierte Grundlage für alle nachgelagerten Prozesse.

• Automatisierte Anforderungsanalyse: KI-basierte Systeme durchsuchen umfangreiche Dokumentationen und filtern essenzielle Informationen heraus.
• Qualitätssicherung durch Machine Learning: Algorithmen bewerten Plausibilität und Vollständigkeit von Anforderungen.
• Kollaboration steigern: Vernetzte Tools ermöglichen standortübergreifende Zusammenarbeit, sodass Teams Anforderungen gemeinsam verfeinern.

Eine Umsetzung gelingt mit bereits am Markt verfügbaren Tools (s. Abbildung 1). Diese Applikationslandkarte wird als Input für die Umsetzung von verschiedenen Anwendungsfällen gemeinsam mit Kunden genutzt.

Technische Beispiele aus der Praxis

Wie sieht das konkret aus? In einem Projekt für einen Automobilzulieferer hat TCW ein generatives Sprachmodell integriert, das Anforderungen aus Gesprächsprotokollen automatisch erkennt und in ein strukturiertes Anforderungsdokument überführt. Dadurch konnte die Durchlaufzeit für das Requirements Engineering um 40 % reduziert werden.

Ein weiteres Beispiel: Ein Maschinenbauunternehmen nutzte KI, um widersprüchliche Spezifikationen in Lastenheften frühzeitig zu erkennen. Dank dieser automatisierten Konsistenzprüfung konnte das Team doppelte Arbeitsschritte minimieren und teure Korrekturschleifen vermeiden. Die Fehlerraten konnten dabei halbiert werden (vgl. Abbildung 2).

Einführung in vier Schritten

Wie können Sie als Unternehmen direkt starten? Auf Basis unserer Erfahrungen hat sich ein vierstufiger Einführungsprozess bewährt, um die Potenziale zu realisieren:

1. Potenzialanalyse: Wir bewerten, in welchen Anwendungen im Requirements Engieering des Unternehmens KI den größten Mehrwert bietet.
2. Toolauswahl und -integration: Basierend auf den jeweiligen Anforderungen empfehlen wir geeignete KI-Plattformen, die sich nahtlos in bestehende IT-Infrastrukturen einfügen.
3. Change Management: Neue Technologien entfalten ihr volles Potenzial nur, wenn sie von allen relevanten Stakeholdern akzeptiert werden. Wir entwickeln Schulungs- und Kommunikationskonzepte, um die Belegschaft aktiv einzubinden.
Qualitätssicherung: Regelmäßige Audits und Monitoring gewährleisten langfristig hohe Datenqualität und nachhaltige Nutzenpotenziale.

In jedem dieser Schritte stehen die Potenziale und Werthebel im Fokus, um den Prozess des Requirements Engineering effektiver und skalierbarer zu gestalten.

Indem Unternehmen auf KI-gestützte Methoden setzen, senken sie nicht nur den Zeitaufwand, sondern steigern auch die Qualität der Ergebnisse. Genau hier unterstützt TCW mit Expertise in KI, Data Science und Prozessmanagement. Nutzen Sie unser TCW KI-Lab, um maßgeschneiderte Lösungen zu entwickeln, und profitieren Sie von unserer Erfahrung in der erfolgreichen Implementierung innovativer Technologien.

Kontaktieren Sie uns unter mail@tcw.de und vereinbaren Sie ein kostenloses und unverbindliches Gespräch, wo wir Ihre Herausforderungen und mögliche gemeinsame Anknüpfungspunkte diskutieren können.

Beratungsleistungen

• Neue Geschäftsmodelle durch Industrie 4.0
• Optimierung von Geschäftsprozessen bei Finanzdienstleistern & Banken
• Wissensmanagement
• Total Cost of Ownership Analyse
• Data Science

Publikationen

• Sourcing - Einkaufspotenzialanalyse (EPA)
  Leitfaden zur Kostensenkung und Gestaltung der Abnehmer-Lieferanten-Beziehung
• Data Science - Data Science und künstliche Intelligenz
  Leitfaden zur Einführung von Data Science im Unternehmen: Tools, Fallstudien und Methoden
• Innovation, Nachhaltigkeit, Resilienz - Wachstum durch neue Wertmodelle
  Tagungsband des Münchner Management Kolloquiums 2023

Praxisbeispiele

• Wie können Unternehmen generative KI und deren Potenzial nutzen?
• Erfolgreiche Implementierung von Data Science im Einkauf
• Data Science Implementierung leicht gemacht: Das können Sie von den Best-Practice-Unternehmen für die Implementierung lernen

Video: Smartes Bestandsmanagement mit TCW: Bestände-Halbe durch Big Data und künstliche Intelligenz