Viele denken bei Modellierung im Requirements Engineering sofort an UML, Diagramme, Symbole und Notationen. Doch echte Modellierung beginnt nicht erst beim Zeichnen, sondern bereits bei der Frage, welche Sicht auf die Realität ein Modell überhaupt zeigen soll.
WeiterlesenChatGPT, Copilot und Co. sind in vielen Unternehmen angekommen. Erste Anwendungsfälle wurden identifiziert, Mitarbeitende sammeln Erfahrungen und die Erwartungen an Künstliche Intelligenz sind hoch.
Trotzdem bleibt der große Produktivitätsschub häufig aus.
Daten werden exportiert, manuell in Chatbots kopiert und die Ergebnisse anschließend wieder zurück in bestehende Systeme übertragen. Was zunächst innovativ wirkt, entwickelt sich schnell zu einem zusätzlichen Arbeitsschritt.
Die Folge: KI unterstützt einzelne Aufgaben, verändert aber nicht die eigentliche Wertschöpfung.
Die entscheidende Frage lautet deshalb nicht mehr:
„Können wir KI nutzen?“
Sondern:
„Wie schaffen wir den Übergang von einzelnen Experimenten zu echter, nachhaltiger Automatisierung?“
Genau hier beginnt die Reise von der heutigen „Prompt-Welt“ hin zu produktiven KI-gestützten Prozessen und langfristig zu Agentic AI.
Komplexe Projekte scheitern selten an dem einen großen Fehler. Häufig entstehen Probleme viel früher: Eine Anforderung klingt plausibel, ist aber nicht sauber mit der Architektur verbunden. Eine Schnittstelle wirkt klar, wurde aber nie wirklich abgestimmt. Eine Komponente funktioniert für sich genommen, passt aber später nicht reibungslos ins Gesamtsystem.
Genau hier setzt Systems Engineering an. Im Video zeigen wir, warum es so wichtig ist, Anforderungen, Architektur, Schnittstellen und spätere Tests früh zusammenzudenken und warum dadurch aus einzelnen Bausteinen ein funktionierendes Gesamtsystem entstehen kann.
Teil 6: Gesund statt groß – Warum Systeme nicht wachsen, sondern reifen sollten
Mehr ist nicht reifer. Mehr ist nicht besser. Mehr ist oft: schädlicher
Wenn wir in unseren Coachings ein System analysieren, sehen wir oft beeindruckende Zahlen: Tausende Zeilen Code. Dutzende Module. Hunderte Funktionen.
Und dann die Fragen, die niemand gern beantwortet:
Was davon wird wirklich gebraucht?
Was davon ist dokumentiert, gewartet, getestet – und verstanden?
Das International Requirements Engineering Board (IREB) hat die Pilotphase für ein neues Weiterbildungsformat gestartet: das Micro-Credential AI4RE – Artificial Intelligence for Requirements Engineering.
Dieses Micro-Credential adressiert ein Thema, das im beruflichen Alltag vieler RE-Praktiker längst angekommen ist: Wie verändert KI das Requirements Engineering – und wie können Fachkräfte Kompetenzen aufbauen, um KI-Technologien reflektiert, sicher und verantwortungsvoll einzusetzen?
Mit dem Start der Pilotphase steht nun die erste Version des Lernmaterials offen zur Verfügung – inklusive Syllabus, Study Guide und einem Online Self-Assessment.
