Kürzlich wurde das AI4RE-Mikro-Zertifikat vom International Requirements Engineering Board (IREB) eingeführt. Auf den ersten Blick mag es wie ein weiteres Zertifizierungsthema rund um künstliche Intelligenz wirken. Bei genauerem Hinsehen wird jedoch deutlich, dass AI4RE hervorragend zum AI Unified Process (AIUP) passt.

Dies liegt nicht daran, dass beide über KI sprechen, sondern weil beide Anforderungen und Spezifikationen wieder ins Zentrum der Softwareentwicklung rücken – genau dorthin, wo sie hingehören.

Worum es bei AI4RE wirklich geht

AI4RE ist ein Mikro-Zertifikat innerhalb des CPRE-Ökosystems, das sich auf den praktischen und verantwortungsvollen Einsatz von KI im Requirements Engineering konzentriert. Der eigentliche Wert liegt nicht im Badge selbst, sondern in der Denkweise, die vermittelt wird.

AI4RE hilft Praktikern zu verstehen, was KI und grosse Sprachmodelle realistisch leisten können, wo ihre Grenzen liegen und wie sie im täglichen RE-Arbeitsablauf eingesetzt werden sollten. Es zeigt, wie KI bei Erhebung, Verfeinerung, Dokumentation und Validierung von Anforderungen unterstützen kann, wobei gleichzeitig betont wird, dass KI-Ergebnisse immer kritisch überprüft werden müssen. Themen wie Mehrdeutigkeit, Bias, Vertraulichkeit und Vertrauen in KI-Ergebnisse werden als zentrale Aspekte behandelt, nicht als nachträgliche Überlegungen.

Das Ziel ist nicht, Requirements Engineers zu ersetzen, sondern sie effektiver und sicherer im Umgang mit KI zu machen.

Kurzüberblick: Was AIUP ist

AIUP ist kein Tool und kein Versprechen, dass KI die Softwareentwicklung magisch löst. Es ist ein Prozess, der beschreibt, wie KI strukturiert und diszipliniert über den gesamten Lebenszyklus eines Systems eingesetzt werden kann.

Im Zentrum von AIUP stehen Spezifikationen. Anforderungen erfassen Absicht, System-Use-Cases beschreiben beobachtbares Verhalten, und diese Artefakte treiben die Code- und Testgenerierung mit Hilfe von KI an. Menschen behalten die Kontrolle, indem sie Ergebnisse prüfen, Fehler korrigieren und sowohl Spezifikationen als auch Code verfeinern. Der Prozess ist iterativ und inkrementell, ein System-Use-Case nach dem anderen.

Ein oft missverstandener Punkt ist, dass AIUP kein Big Upfront Design ist. Es wird nicht alles im Voraus definiert. Stattdessen wächst das System Schritt für Schritt, immer basierend auf expliziten und überprüften Spezifikationen.

Wo AI4RE und AIUP sich treffen

AI4RE konzentriert sich darauf, wie KI in der Anforderungsarbeit eingesetzt werden kann. AIUP zeigt, wie Spezifikationen den gesamten Entwicklungszyklus steuern, einschliesslich Implementierung und Tests. Damit ist AI4RE eine natürliche und sehr starke Ergänzung zu AIUP.

Wenn Anforderungen und Use Cases klarer und präziser sind, liefert KI bessere Ergebnisse. Wenn KI-Ergebnisse mit der richtigen Denkweise überprüft werden, schleichen sich weniger Fehler ins System ein. AI4RE stärkt genau diesen Teil des Prozesses, was die Effektivität von AIUP direkt erhöht.

Man kann AI4RE als Verstärkung des Front-Ends von AIUP sehen. Bessere Spezifikationen führen zu besser generiertem Code, weniger Nacharbeit und schnelleren Lernzyklen.

Anforderungen zuerst, nicht Code zuerst

Eine zentrale Botschaft sowohl von AI4RE als auch AIUP ist, dass die Wahrheit eines Systems nicht im Code verborgen liegt. Code ist eine Implementierungsdetails. Er ändert sich im Laufe der Zeit und kann regeneriert oder aktualisiert werden. Stabil bleiben muss die Absicht hinter dem System.

AI4RE vermittelt, wie diese Absicht klar ausgedrückt wird, auch wenn KI bei der Erstellung oder Verfeinerung von Anforderungen beteiligt ist. AIUP stellt sicher, dass diese Absicht nicht verloren geht, sobald die Implementierung beginnt, da die Spezifikationen der primäre Treiber bleiben.

Dies ist besonders wichtig bei Modernisierungsprojekten, in denen Code existiert, aber Spezifikationen fehlen oder veraltet sind. In AIUP können System-Use-Cases aus bestehenden Systemen abgeleitet werden. KI kann dieses Reverse Engineering unterstützen, aber menschliche Überprüfung ist entscheidend. AI4RE vermittelt die Fähigkeiten, dies sicher und kritisch zu tun.

Prompt Engineering allein reicht nicht

Viele Teams glauben, dass besseres Prompt Engineering alle Probleme beim Arbeiten mit KI löst. Sowohl AI4RE als auch AIUP nehmen eine realistischere Perspektive ein.

In AIUP werden Prompts nicht isoliert erstellt. Sie orientieren sich an konkreten Artefakten wie Anforderungen, Entity-Modellen, System-Use-Cases und Constraints. KI wird nicht gebeten zu erraten, was das System tun soll, sondern klar beschriebenes Verhalten zu implementieren oder zu aktualisieren.

AI4RE hilft dabei zu verstehen, wie KI-Antworten bewertet und erkannt werden können, wann ein Prompt oder eine Anforderung unklar ist. AIUP bietet die Struktur, die Prompt-Chaos verhindert, indem alle KI-Interaktionen in gemeinsame und versionierte Spezifikationen eingebettet werden.

Verantwortungsvolle KI ist eingebaut, nicht nachträglich hinzugefügt

Verantwortungsvoller Einsatz von KI ist in beiden Ansätzen kein optionales Extra. AI4RE behandelt Risiken, Grenzen und ethische Fragen explizit. AIUP übersetzt dieses Bewusstsein in konkrete Arbeitspraktiken.

In AIUP ist KI niemals die endgültige Instanz. Generierter Code und Tests werden überprüft. Versionskontrolle ist Pflicht, sodass Änderungen nachverfolgt und rückgängig gemacht werden können. Kleine, inkrementelle Updates werden Full-Regeneration vorgezogen, da heutige KI kein Compiler ist und nicht jedes Mal identische Ergebnisse liefert.

AI4RE erklärt, warum dieses Mass an Sorgfalt notwendig ist. AIUP zeigt, wie es im Projektalltag umgesetzt wird.

Wie AI4RE praktisch in AIUP passt

In der Praxis kann AI4RE als Grundlage für Teams dienen, die mit AIUP arbeiten. Es kann verwendet werden, um Erwartungen und Kompetenzen abzustimmen, bevor KI intensiv für Spezifikationsverfeinerung oder Codegenerierung eingesetzt wird.

Die Konzepte von AI4RE helfen Teams, bessere System-Use-Cases zu schreiben, Lücken und Inkonsistenzen früher zu erkennen und Verhalten effektiver zu validieren. In Modernisierungsprojekten ermöglicht die Kombination aus KI-unterstützter Analyse und strukturierten Use-Cases, die Kontrolle über komplexe Systeme Schritt für Schritt zurückzugewinnen.

AI4RE vermittelt Kompetenz. AIUP bietet den Prozess. Zusammen reduzieren sie Zufälligkeit und erhöhen das Vertrauen beim Einsatz von KI in realen Projekten.

Nicht konkurrierend, sondern ergänzend

Es ist wichtig, AI4RE und AIUP als ergänzend zu sehen, nicht als Alternativen. AI4RE beantwortet die Frage, wie KI verantwortungsvoll und effektiv im Requirements Engineering eingesetzt werden kann. AIUP beantwortet die Frage, wie ein Softwareprojekt abläuft, wenn Spezifikationen das zentrale Artefakt sind und KI über den gesamten Lebenszyklus eingesetzt wird.

In Kombination schliessen sie eine Lücke, mit der viele Teams derzeit kämpfen. KI wird überall eingesetzt, oft jedoch ohne Struktur, gemeinsames Verständnis oder klare Verantwortlichkeiten.

Abschliessende Gedanken

KI verändert die Softwareentwicklung, ersetzt aber nicht die Notwendigkeit für klares Denken und explizite Absicht. AI4RE hilft Praktikern, KI im Requirements Engineering effektiver zu nutzen. AIUP stellt sicher, dass diese Anforderungen das System tatsächlich steuern und nicht verloren gehen, sobald mit dem Coden begonnen wird.

Diese Kombination weist in eine gesunde Richtung für die Branche. Klare Absicht kommt zuerst, die Implementierung folgt, und KI agiert als leistungsstarker Assistent statt als Orakel.

Wenn Sie mit KI arbeiten und dennoch mit Code starten, lassen Sie wahrscheinlich viel Wert auf der Strecke.