KI-gestützte Anforderungsspezifikation: Eine gemeinsame Sprache zwischen Geschäftsbereich, IT und KI-Agenten

Der Erfolg eines IT-Entwicklungsprojekts entscheidet sich oft schon, bevor die erste Zeile Code geschrieben wird – nämlich in der Phase, in der geschäftliche Anforderungen in Spezifikationen umgesetzt werden.

In vielen Unternehmen wird die Anforderungsspezifikation nach wie vor als einmaliges Dokument behandelt. Wir erfassen die Anforderungen, beschreiben die Funktionalität, übergeben sie an das Entwicklungsteam – und dann geht das Projekt weiter. In der Realität ändern sich jedoch geschäftliche Anforderungen, es werden neue Entscheidungen getroffen, bisher unbekannte Ausnahmen treten auf, und das System entwickelt sich ständig weiter.

Daher muss die erwartete Funktionalität so detailliert und präzise beschrieben werden, dass die Spezifikation keinen Raum für kritische Interpretationen lässt – weder für Entwickler und Tester noch für Programmierer und Testexperten. So wird verhindert, dass die Umsetzung erheblich vom beabsichtigten und dokumentierten Verhalten abweicht.

Die KI-gestützte Anforderungsspezifikation (oder KI-gestützte Spezifikation) bietet eine Lösung für dieses Problem.

Wie sieht eine gute Spezifikation aus?

Eine gute Spezifikation ist nicht einfach nur „detailliert“; sie muss eine gemeinsame Verständigungsgrundlage für alle Beteiligten aus den Bereichen Geschäft, Technik und Test schaffen:

• Aus geschäftlicher Sicht wird erwartet, dass sie das Geschäftsziel, den Umfang und die wichtigsten Entscheidungspunkte klar beschreibt.
• Für Entwickler ist es hilfreich, wenn sie umsetzbar ist, keinen Raum für kritische Interpretationen lässt und Ausnahmen sowie alternative Prozesse berücksichtigt.
• Aus Sicht des Testens ist es wichtig, dass die Spezifikation auf verschiedenen Testebenen überprüfbar und nutzbar ist – und dass sie auch Ausnahmen und alternative Prozesse berücksichtigt.
• Darüber hinaus ist es wichtig, dass sie sowohl architektonische als auch logische Systementwürfe enthält.

All dies ist nur möglich, wenn die Dokumentation strukturiert, wartbar, versionsverwaltet, referenzierbar und durchsuchbar ist. Heute ist ein neuer Aspekt hinzugekommen: Die Spezifikation muss nicht nur für Menschen, sondern auch für KI-Agenten interpretierbar sein.

Unzureichende Spezifikationen – langfristige Folgen

Eine mangelhafte Spezifikation führt selten zu einem unmittelbaren, offensichtlichen Problem. Vielmehr führt sie nach und nach zu Unsicherheiten im Projekt.

Dies kann beispielsweise durch fehlende oder undokumentierte Entscheidungen, den unzureichenden Umgang mit sich ändernden Geschäftsanforderungen, das Versäumnis, die Auswirkungen von Änderungen nachzuverfolgen, oder einfach dadurch verursacht werden, dass die Spezifikation nicht parallel zur Entwicklung aktualisiert wird.

Als Ergebnis driften die Spezifikation, der Quellcode und die tatsächliche Betriebslogik des Systems im Laufe der Zeit auseinander. In solchen Fällen wird es zunehmend schwieriger zu bestimmen, ob ein bestimmtes Verhalten das Ergebnis einer bewussten Entscheidung, der Interpretation eines Entwicklers, eines früheren Kompromisses oder eines Fehlers ist.

Dies verlangsamt nicht nur die Entwicklung, sondern schwächt auch die Qualitätssicherung, die Nachvollziehbarkeit und das Änderungsmanagement.

KI-gestützte Anforderungsspezifikation: Der Zweck

Der Zweck der KI-gestützten Spezifikation besteht darin, Experten dabei zu unterstützen, Spezifikationen zu erstellen, die

• eindeutig und ausreichend detailliert sind
• und eine zuverlässige Grundlage für die Entwicklung, das Testen und zukünftige Änderungen bieten.

Darüber hinaus fördert sie die Wartbarkeit und die Versionskontrolle und ermöglicht es, nachzuverfolgen, welche Änderungen in das System aufgenommen wurden und als Reaktion auf welche geschäftlichen Anforderungen.

Wichtig: KI übernimmt nicht die Rolle menschlicher Experten. Sie trifft keine Entscheidungen im Namen des Unternehmens und ersetzt weder den Architekten, den Entwickler noch den Tester. Stattdessen deckt sie fehlende oder mehrdeutige Informationen auf, identifiziert Fragen und Entscheidungspunkte, strukturiert Beschreibungen und trägt dazu bei, dass Entscheidungen in dokumentierter Form wieder in die Spezifikation einfließen.

Dank der KI-gestützten Spezifikation ist die Anforderungsspezifikation kein statisches Dokument, sondern eine aktuelle Wissensbasis, die sich gemeinsam mit dem System weiterentwickelt.

Warum ist das notwendig?

Digitale Entwicklungsprojekte verlaufen heutzutage selten linear. Sie werden von zahlreichen Beteiligten, verschiedenen Systemen, zahlreichen Integrationen und einem sich ständig wandelnden Geschäftsumfeld geprägt.

Bei einem groß angelegten Unternehmensentwicklungsprojekt müssen eine Vielzahl von Geschäftsregeln, Berechtigungen, Datenfeldern, Validierungen, Mechanismen zur Ausnahmebehandlung und Integrationspunkten aufeinander abgestimmt werden.

Darüber hinaus wird die Spezifikation von einer Vielzahl unterschiedlicher Interessengruppen genutzt: dem Kunden, Geschäftsverantwortlichen, Business-Analysten, Product Ownern, Architekten, Entwicklern, Testern und anderen Experten. Jede Rolle erwartet unterschiedliche Informationen und Detailgrade aus derselben Dokumentation.

Es ist eine begründete Erwartung, dass jedes kritische Detail in der Spezifikation enthalten ist, doch in der Praxis gelingt dies nicht immer auf Anhieb vollständig. Daher ist es sehr hilfreich, über einen Prozess zu verfügen, der diese Lücken systematisch identifiziert, priorisiert und in die Spezifikation zurückfließen lässt.

KI-gestützte Spezifikation: So funktioniert es

Schritt 1: Verarbeitung der bestehenden Spezifikation

Der erste Schritt des Prozesses besteht darin, die bestehende Spezifikation zu verarbeiten und logisch zu analysieren.

In diesem Schritt wird ein GraphRAG (graphbasiertes RAG) erstellt, das die traditionelle RAG-Methode (Retrieval-Augmented Generation) mit Wissensgraphen kombiniert.

Wir erstellen aus der bestehenden Spezifikation eine strukturierte Wissensbasis auf der Grundlage verschiedener logischer Rahmenwerke. Dabei gruppieren wir verwandte Funktionen und die für deren Betrieb erforderlichen Informationen und identifizieren mögliche Lücken.

Schritt 2: Vorbereitung des Interviews

In diesem Schritt führen mehr als ein Dutzend KI-Agenten eine detaillierte Gap-Analyse der bestehenden Spezifikation durch. Anschließend gruppieren die Agenten die daraus resultierenden Fragen entsprechend der Rolle des Experten, der sie beantworten soll. Darüber hinaus priorisieren sie die Fragenliste für jede Rolle und bereiten mögliche Antworten auf die Fragen vor.

Schritt 3: Mensch-KI-Interview

Während des Mensch-KI-Interviews beantworten die verschiedenen Experten, die an der Erstellung der Spezifikation beteiligt waren, die vorbereiteten Fragen.

Zu den Befragten können Unternehmensvertreter, Product Owner, Architekten, Entwickler, Sicherheitsexperten oder andere Interessengruppen gehören.

Schritt 4: Verfeinerung der Spezifikation

Die während der Interviews gewonnenen Expertenantworten werden anschließend in GraphRAG eingegeben. Auf dieser Grundlage verfeinert das System fehlende Informationen, Ausnahmen und Sonderfälle.

Dieser Schritt umfasst auch eine Konsistenzprüfung, die dabei hilft, mögliche Widersprüche zu identifizieren und die neuen Informationen mit den bestehenden Teilen der Spezifikation abzustimmen.

Schritt 5: Implementierungsplan: Outputs

Auf der Grundlage des fertiggestellten GraphRAG können aus der Wissensbasis – also der strukturierten Spezifikation – verschiedene Outputs generiert werden, wie zum Beispiel:

• ein detaillierter Entwicklungsplan,
• eine überarbeitete, aktualisierte, neu strukturierte und leicht verständliche Version der ursprünglichen Spezifikation,
• oder ein Auszug, der für KI-Agenten als Entwickler/Tester bestimmt ist.

Es ist wichtig zu beachten, dass es sich um einen iterativen Prozess handelt: Er kann so lange wiederholt werden, bis keine wesentlichen Lücken mehr bestehen, die der Entwickler – oder später ein KI-Agent – mit eigenen Annahmen füllen müsste.

KI-gestützte Spezifikation: Vorteile

Der größte Vorteil der KI-gestützten Spezifikation besteht darin, dass sie die Risiken verringert, die sich aus unterschiedlichen Interpretationen ergeben. Die gleiche strukturierte Dokumentation kann vom Business-Analysten, Architekten, Entwickler, Tester und KI-Agenten verwendet werden.

Dies führt zu einer schnelleren Projektvorbereitung, weniger Unsicherheiten, einem besseren Änderungsmanagement und einer besser dokumentierten Entscheidungsfindung. Darüber hinaus wird die Übereinstimmung zwischen den Spezifikationen und dem System langfristig gesichert – nicht nur während des ersten Entwicklungszyklus, sondern über den gesamten Lebenszyklus hinweg.

Wichtig ist auch, dass dieser Ansatz gleichermaßen in großen Unternehmensumgebungen anwendbar ist. Der entscheidende Faktor ist nicht die Größe des Systems, sondern ob der jeweilige Entwicklungsbereich beschrieben und strukturiert werden kann.

Fazit

Die Anforderungsspezifikation ist nicht nur ein administratives Nebenprodukt des Projekts, sondern eines der wichtigsten Managementinstrumente für die Entwicklung.

KI-gestützte Spezifikation trägt dazu bei, dass geschäftliche Anforderungen nicht nur in ein Dokument, sondern in eine strukturierte, pflegbare und kontinuierlich aktualisierte Wissensbasis umgewandelt werden – eine Grundlage, die Entwicklung, Tests, Änderungsmanagement und zukünftige Entscheidungsfindung unterstützt.

Die Frage ist also nicht, ob es sich lohnt, KI in den Spezifikationsprozess einzubeziehen – sondern wie lange wir es uns leisten können, darauf zu verzichten.

Ist die Spezifikation in Ihrem Unternehmen eher ein einmaliges Dokument oder eine kontinuierlich aktualisierte Wissensbasis?