Anforderungsmanagement trifft auf künstliche Intelligenz und reduziert Testaufwand
Smarte Symbiose
von Hubert Spiess
Die Chancen der heutigen globalen Wirtschaft scheinen endlos, gleichzeitig hat der Wettbewerbsdruck stark zugenommen. Unternehmen sind heute gefordert, ein neues Produkt schnell auf den Markt zu bringen, das zugleich genau auf die Kundenbedürfnisse zugeschnitten ist. Die funktionellen und physischen Vorgaben für ein Produkt werden dabei von Anforderungen definiert. Sie dienen gewissermaßen als Roadmap für die Produktentwicklung. Damit sind sie für den gesamten Entwicklungsprozess sehr wichtig und bilden die Grundlage für eine erforderliche Teststrategie. Ein wirkungsvolles Anforderungsmanagement verknüpft das Wissen und die Anforderungen aus verschiedenen Unternehmensbereichen über einzelne Projekte hinweg und hilft, auch in komplexen Projekten, die Risiken zu kontrollieren.
Schleichen sich bei der Ermittlung, Analyse, Spezifizierung sowie Validierung aller Eigenschaften und Rahmenbedingungen eines Produktes oder eines Systems Fehler ein, wird auch das spätere Produkt unter diesen Fehlern leiden, Releasestarts werden verzögert und Abnahmetests nicht akzeptiert. Aber welche Optionen bieten sich einem Requirements Engineer, der bei der System- oder Softwareentwicklung zunehmende Komplexität bewältigen, hohe Qualitätsstandards einhalten und rasch auf Marktentwicklungen reagieren muss, konkret? Technologien wie Künstliche Intelligenz (KI), maschinelles Lernen, Algorithmen und Bots bieten mächtige Hilfestellungen für das Anforderungsmanagement. Denn Entwicklungsprojekte werden immer komplexer und haben mehr Code-Zeilen als je zuvor. Die damit einhergehende Explosion von Anforderungen überschreitet die kognitiven Fähigkeiten des Menschen und überfordert die traditionelle Verwaltung von Anforderungen über Tabellenblätter, Dokumente oder Wikis. IBM Requirements Quality Assistant (RQA) schafft intelligent Abhilfe, indem die integrierten KI-Funktionen für den Anforderungsprozess angewendet werden.
SCHWAMMIGE FORMULIERUNGEN ODER DUPLIKATE AUFDECKEN
Der RQA unterstützt Nutzer dabei, Anforderungen eindeutig, widerspruchsfrei, vollständig und messbar zu definieren. Unterlaufen dem Nutzer hierbei Fehler, wird er frühzeitig vom RQA-System darauf hingewiesen und erhält Hinweise, wie er die Definition der Anforderungen verbessern kann. Um den Text einer Anforderung zu analysieren, zu verstehen und Verbesserungsvorschläge zu liefern, kommt Watson Natural Language Processing (NLP) zum Einsatz. Mit NLP lässt sich natürliche Sprache erfassen und mithilfe von Regeln und Algorithmen computerbasiert verarbeiten. Über Natural Language Understanding (NLU) analysiert Watson den eingegebenen Anforderungstext, um Metadaten wie Entitäten, Schlüsselwörter, Beziehungen und Kategorien zu extrahieren. So lassen sich sogenannte Weak Words in einem frühen Stadium identifizieren. Gemeint sind damit subjektive, vage oder mehrdeutige Wörter wie Adjektive, Adverbien und Verben, die keine konkrete oder quantitative Bedeutung haben. Solche Wörter unterliegen daher der Interpretation durch den Leser – und sind damit nicht präzise genug für eindeutig definierte Anforderungen.
NICHT NUR AUF FEHLER HINWEISEN, SONDERN VERBESSERN
Der Requirements Quality Assistant lässt sich als Widget mit wenigen Konfigurationsschritten einfach in die webbasierte Anforderungsmanagement- Software „IBM Engineering Requirements Management“ integrieren. Der Anwender gibt eine Anforderung ein und kann mit einem Klick auf „Analysieren“ deren Qualität von dem verwendeten Service IBM Watson Natural Language Understanding (NLU) testen lassen. Grundlage für den Qualitätsfaktor ist der Startwert von 100 Punkten. Findet der NLU Service qualitätsmindernde Indikatoren, wie mehrere Aktionen, Anweisungen oder fehlende Einheiten, werden vom Startwert die im Regelwerk dafür hinterlegten Punkte jeweils abgezogen. Als Ergebnis der Prüfung sind in der Tabelle die jeweiligen Abzüge, Erklärungen, das Vorkommen in der Anforderung und allgemeine Hinweise zu finden. Der RQA ist darauf ausgelegt, Qualitätskennzahlen zu ermitteln, die mit den Richtlinien des International Council on Systems Engineering (INCOSE) für das Schreiben von guten Anforderungen übereinstimmen. Nach seiner Eingabe erkennt der Nutzer anhand eines farbigen Ampelsystems auf einen Blick, wo genau er noch einmal nachbessern muss und wann eine Anforderung optimal beschrieben ist. Durch die modulare Architektur des RQA lassen sich industrie- und kundenspezifische Modelle einbinden. Das KI-System lässt sich auch in verschiedenen Sprachen trainieren. Dank maschinellem Lernen kann das kundenspezifische Modell mit jeder Nutzung besser werden. Nuancen und Zusammenhänge werden erkannt, die Qualität erhöht.
DEN GRUNDSTEIN FÜR ERFOLGREICHE PRODUKTE LEGEN
Grundlage für eine erfolgreiche System- oder Softwareentwicklung sind gute und testbare Anforderungen. Schlecht geschriebene Anforderungskataloge sind bereits am Anfang eines jeden Projekts wie ein Mühlstein, der alles nach unten zieht, und im Projektverlauf zu unvorhersehbaren Verzögerungen, hohem Testaufwand und Kostenexplosionen führen kann. Das Anforderungsmanagement ist deshalb zentral für den Gesamterfolg und entscheidet über die Produktqualität. In vielen Projekten sind Tausende oder sogar Millionen Anforderungen für ein System definiert. Damit fällt es nicht leicht, Transparenz herzustellen. Mit einem intelligenten Assistenzsystem, das schneller zu klaren, eindeutigen, konsistenten und vollständigen Anforderungen führt, können viele Fehler frühzeitig identifiziert und korrigiert werden. Das kommt insbesondere neuen Mitarbeitern zugute, indem es die Einarbeitungszeit verkürzt und die Mitarbeiter dank der selbstlernenden Verbesserungsvorschläge zur Optimierung der Anforderungen schult.
