Wenn die KI in Requirements- & Systems Engineering auf Überraschungen setzt
Die zunehmende Präsenz künstlicher Intelligenz (KI) revolutioniert derzeit nahezu alle Aspekte unseres Lebens, einschließlich der hochspezialisierten Bereiche des Requirements- und Systems Engineering. Diese Disziplinen sind stark auf reproduzierbare Ergebnisse angewiesen, um Zuverlässigkeit und Validität sicherzustellen. Während unserer Forschung zur Anwendbarkeit von KI-Systemen im Requirements- und Systems Engineering stießen wir häufig auf Situationen, in denen wir unseren Kollegen live demonstrieren wollten, wie wir mithilfe der KI zu bestimmten Ergebnissen gelangt sind. Dabei kam es jedoch häufig vor, dass diese Demonstrationen nicht wie erwartet funktionierten, was uns oft zu der Bemerkung führte: „Gestern hat es noch funktioniert!“.
Daher stellen wir uns nun die Frage: Wie lässt sich eine Technologie, deren Wesen durch Nicht-Determinismus geprägt ist, in eine Welt integrieren, die auf Stabilität und Präzision angewiesen ist?
Die Natur des Nicht-Determinismus
KI-Systeme wie ChatGPT zeichnen sich durch ihre nicht-deterministischen Eigenschaften aus, was bedeutet, dass sie bei gleichen Eingaben unterschiedliche Ergebnisse liefern können. Diese Variabilität, basierend auf Wahrscheinlichkeiten und großen Datenmengen, stellt eine Herausforderung für Systementwickler dar. Während solche KI-Modelle in kreativen Prozessen von Vorteil sein können, führt ihre Anwendung im strukturierten Umfeld des Requirements- und Systems Engineering zu potenziellen Inkonsistenzen.
Die Bedeutung der Reproduzierbarkeit
In diesen Bereichen ist Reproduzierbarkeit entscheidend. Prozesse, Anforderungen und Spezifikationen müssen genau und wiederholbar sein, insbesondere in sicherheitskritischen Branchen wie der Luftfahrt oder dem Gesundheitswesen. Die nicht-deterministischen Ergebnisse von KI-Modellen stellen hier eine besondere Herausforderung dar, da sie die Konsistenz und Verlässlichkeit der Arbeit beeinträchtigen können. Ingenieure müssen daher zusätzliche Maßnahmen ergreifen, um sicherzustellen, dass ihre Ergebnisse reproduzierbar sind, was einen erhöhten Aufwand bedeutet.
Ein realistischer Blick auf die Situation
Es ist wichtig, diese Herausforderung im richtigen Kontext zu betrachten. Auch menschliche Ingenieure erzielen nicht immer identische Ergebnisse. Wie Sie aus Ihrer eigenen Erfahrung wissen, führt die Beauftragung von fünf Kollegen mit derselben Aufgabe höchstwahrscheinlich zu fünf unterschiedlichen Lösungen. Diese Ergebnisse können von geringfügigen Unterschieden bis hin zu vollständig unterschiedlichen Lösungsvorschlägen reichen. Diese Vielfalt an Ansätzen bietet den Vorteil, verschiedene Lösungswege zu erkunden, erfordert jedoch auch eine sorgfältige Entscheidung für eine bestimmte Lösung. Letztendlich liegt die Verantwortung bei Ihnen, die Ergebnisse der Kollegen zu beurteilen und zu validieren. Die KI ist hierbei lediglich ein weiterer, stets verfügbarer und sehr schneller Kollege, der darauf ausgelegt ist, Sie bei Ihrer Arbeit zu unterstützen.
Die Herausforderungen der „Memory-Funktion“
Eine weitere Facette ist die „Memory-Funktion“ von KIs, die es ihnen ermöglicht, sich an frühere Interaktionen zu erinnern und konsistente Antworten zu liefern. Dies kann über mehrere Sitzungen hinweg nützlich sein, birgt jedoch das Risiko, dass veraltete oder weniger optimale Lösungen erneut vorgeschlagen werden. Daher ist eine sorgfältige Überprüfung und mögliche Korrekturen durch den menschlichen Anwender erforderlich. Eine effektive Methode könnte sein, sich die vorherigen Interaktionen mit der KI zusammenfassen zu lassen, um den Kontext zu validieren und sicherzustellen, dass die aktuellen Lösungen auf dem neuesten Stand sind.
Eine ausgewogene Herangehensweise
Insgesamt zeigt sich, dass die nicht-deterministischen Eigenschaften der KI die Konsistenz beeinträchtigen können, gleichzeitig jedoch Raum für kreative und innovative Lösungen bieten. Entwickler müssen diese Technologie daher gezielt einsetzen, um ihre Stärken zu nutzen. Zusätzliche Maßnahmen wie Validierung und Kontextualisierung sind entscheidend, um die Zuverlässigkeit der Ergebnisse zu gewährleisten. Dies erfordert eine ausgewogene Herangehensweise, die Effizienz mit Präzision vereint.
Für Interessierte bietet SOPHIST zwei spezialisierte Trainings an, die zeigen, wie KI-Technologien effektiv im Requirements- und Systems Engineering eingesetzt werden können, um die Arbeitsweise nachhaltig zu verbessern und die Leistungsfähigkeit der Ingenieure zu steigern.
Diese beiden Trainings sowie viele weitere Informationen zum Einsatz von KIs im Kontext Requirements- und Systems Engineering finden Sie hier auf unserer Website.