Finetuning der KI – Welche Temperatur sorgt für das richtige Klima im Engineering Kontext

Schon seit Jahren beschäftigen wir SOPHISTen uns mit der Genauigkeit der Sprache.
Mit dem Regelwerk für natürlichsprachliche Anforderungen – dem SOPHIST REgelwerk – haben wir einen Leitfaden für Requirements Engineers kreiert, der auf der ganzen Welt genutzt wird. Da KI-Systeme nun immer mehr im Engineering Kontext eingesetzt werden, haben wir uns auch in diesem Kontext mit der Genauigkeit des Promptings beschäftigt. Doch auch auf der Seite der KI-Systeme kann an der Genauigkeit der Antworten geschraubt werden, indem man einen Parameter anpasst: Die Temperatur.

Weiterlesen

KI als Showstopper?

Warum beim Arbeiten mit KI der Fortschritt auf der Strecke bleiben kann?

Im Requirements Engineering stellt implizites Wissen ein erhebliches Risiko für eine erfolgreiche und effektive Entwicklung dar. Implizites Wissen ist das Wissen, das wir als selbstverständlich betrachten und das bei der Dokumentation des zu entwickelnden Systems oft übersehen wird. Obwohl implizites Wissen eine wesentliche Grundlage für eine erfolgreiche Kommunikation bildet, kann seine fehlende Dokumentation zu Missverständnissen und Fehlern führen. Im Gespräch mit einem Kollegen müssen wir nicht jedes Detail erläutern, da der Kollege den Kontext und die Rahmenbedingungen kennt. Dennoch ist es wichtig, dieses Wissen festzuhalten, um Konsistenz und Klarheit im Entwicklungsprozess zu gewährleisten.

Weiterlesen

Kann KI zwischen den Zeilen lesen?

Wie NLU die KI-Welt verändert.

In den bisherigen hier erschienenen Artikeln zum Thema Künstliche Intelligenz (KI) und dessen Einsatz im Requirements Engineering (RE) haben wir uns mit Natural Language Processing (NLP) und den Anwendungsmöglichkeiten beschäftigt. In diesem Artikel gehen wir jetzt aber mal weg vom NLP und hin zum Natural Language Understanding.

Unter Natural Language Understanding (NLU) versteht man, insbesondere im Kontext KI, die Fähigkeit von Computern menschliche Sprache und die Bedeutung eben dieser im Zusammenhang des Kontexts im Detail zu verstehen.
Im 2ten Artikel (NLP4RE – Wie KIs NLP nutzen, um Texte zu entschlüsseln) haben wir uns ja schon die grundlegenden Fähigkeiten der KI Tools näher angeschaut, mit welchen Texte in ihre Einzelteile zerlegt und auch Wörter in Cluster zugeordnet werden. Dieses Einordnen in Cluster hat in den letzten Jahren durch massive Fortschritte bei der Entwicklung von Deep Learning Modellen und durch verbesserte Datengrundlagen an Effektivität gewonnen. Zusätzlich haben Computer mittlerweile die Fähigkeit, kontextuelle Abhängigkeiten zwischen Worten und Redewendungen zu erkennen, was dazu führt, dass die die Erkennung und das Verständnis der Sprache akkurater und somit auch für große Unternehmen immer interessanter wird.

Bild mit KI erzeugt.

Das Ableiten von Modellen aus natürlichsprachlichen Anforderungen ist hierbei ein Anwendungsfall von KIs im Requirements Engineering, welcher durch die Entwicklungen der letzten Jahre profitieren kann. Eine KI während eines Meetings mitlaufen zu lassen, um aus den erarbeiteten Inhalten automatisch ein Aktivitätsdiagramm nach den Regeln der UML (Unified Modeling Language) zu erstellen, kann die Arbeit vieler Entwickler erleichtern. Hierbei kann ebenso die Fähigkeit einer KI, wichtige Informationen aus Gesprächen herauszufiltern, eine große Erleichterung für große Firmen darstellen.

Um Ihnen die Problemstellung bzgl. KI und NLU zu verdeutlichen, hilft uns folgendes Beispiel:

Weiterlesen

KI in Aktion – Anwendungsfelder von KI im Requirements Engineering

In den ersten beiden Blogs dieser Blog-Reihe haben wir uns mit den Begriffen NLP und NLU beschäftigt. Des Weiteren haben wir einige Tools vorgestellt, die NLP nutzen, um Texte zu zerstückeln und zu klassifizieren. Im heutigen Beitrag werden wir einige Anwendungsfelder von KI im Requirements Engineering untersuchen. Wir werden die verschiedenen Anwendungsfelder hintereinander vorstellen.

Anforderungen klassifizieren: 

Eine KI kann verwendet werden, um Anforderungen automatisch zu klassifizieren und zu priorisieren. Dies kann durch Machine-Learning-Algorithmen erreicht werden, die große Mengen von Anforderungen analysieren und kategorisieren können. Diese Algorithmen können beispielsweise Anforderungen nach Funktion, Leistung, Sicherheit oder Benutzerfreundlichkeit sortieren und somit die Arbeit des Requirements Engineers erleichtern. 

User Feedback Analyse: 

Weiterlesen

NLP4RE – Wie KIs NLP nutzen, um Texte zu entschlüsseln?

Im letzten Artikel aus unserer Blog-Serie zum Thema Künstliche Intelligenz und Requirements Engineering haben wir Ihnen NLP und NLU erklärt. In diesem Artikel stellen wir Ihnen einige Tools vor, die NLP nutzen um Texte in ihre Bestandteile zu zerlegen.

Um die Funktionalitäten der Tools zu verstehen, muss man die grundlegenden Fähigkeiten, welche diese Tools bereitstellen können, erklären:

Auch das Bild wurde mittels KI erstellt.

Stemming
Beim Stemming werden Wörter auf ihre Grund- oder Stammform reduziert, was normalerweise durch Entfernen von Anhängen wie -en, -t und -end erfolgt. Zum Beispiel wäre der Stamm von „laufen“ „lauf“. Stemming wird verwendet, um Textdaten zu normalisieren und die Dimensionalität des Merkmalraums zu reduzieren.

Weiterlesen