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.
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.
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:
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.
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.
Wir verwenden Cookies, um Inhalte und Anzeigen zu personalisieren, Funktionen für soziale Medien anbieten zu können und die Zugriffe auf unsere Website zu analysieren. Außerdem geben wir Informationen zu Ihrer Verwendung unserer Website an unsere Partner für soziale Medien, Werbung und Analysen weiter. Unsere Partner führen diese Informationen möglicherweise mit weiteren Daten zusammen, die Sie ihnen bereitgestellt haben oder die sie im Rahmen Ihrer Nutzung der Dienste gesammelt haben.
Funktional
Immer aktiv
Die technische Speicherung oder der Zugang ist unbedingt erforderlich für den rechtmäßigen Zweck, die Nutzung eines bestimmten Dienstes zu ermöglichen, der vom Teilnehmer oder Nutzer ausdrücklich gewünscht wird, oder für den alleinigen Zweck, die Übertragung einer Nachricht über ein elektronisches Kommunikationsnetz durchzuführen.
Vorlieben
Die technische Speicherung oder der Zugriff ist für den rechtmäßigen Zweck der Speicherung von Präferenzen erforderlich, die nicht vom Abonnenten oder Benutzer angefordert wurden.
Statistiken
Die technische Speicherung oder der Zugriff, der ausschließlich zu statistischen Zwecken erfolgt.Die technische Speicherung oder der Zugriff, der ausschließlich zu anonymen statistischen Zwecken verwendet wird. Ohne eine Vorladung, die freiwillige Zustimmung deines Internetdienstanbieters oder zusätzliche Aufzeichnungen von Dritten können die zu diesem Zweck gespeicherten oder abgerufenen Informationen allein in der Regel nicht dazu verwendet werden, dich zu identifizieren.
Marketing
Die technische Speicherung oder der Zugriff ist erforderlich, um Nutzerprofile zu erstellen, um Werbung zu versenden oder um den Nutzer auf einer Website oder über mehrere Websites hinweg zu ähnlichen Marketingzwecken zu verfolgen.