Wenn das Thema Methoden zur Anforderungsermittlung aufkommt, denken viele zuerst an traditionelle Ansätze wie Interviews oder Personas. Und das ist vollkommen gerechtfertigt: Mit diesen Methoden können wir die Welt aus der Perspektive der Stakeholder wahrnehmen, manchmal sogar mit Unterstützung durch Künstliche Intelligenz.
BLOG-Artikel-Serie Teil 1
DeepSeek ist ein Large Language Model (LLM) eines chinesischen Unternehmens, dass bei üblichen LLM-Tests mit OpenAI und anderen großen LLMs mithalten soll. Der Coup? Das Training des Modells soll nur 5,5 Millionen Dollar gekostet haben [1], also nur ein Bruchteil im Vergleich zu OpenAI und Copilot [2].
Wir haben DeepSeek ausprobiert und wollen hier berichten, wie DeepSeek aus unserer Sicht im Requirements Engineering (RE) abschneidet.
Für alle die es verpasst haben!
Am 19.09.2024 fand eine Online-Podiumsdiskussion über das Thema „Die Zukunft des Requirements Engineerings im Zeitalter der KI“ statt.
Wie man dem Namen der Podiumsdiskussion entnehmen kann, wurde über den derzeitigen Stand generativer KIs im Kontext des Requirements Engineerings gesprochen und darüber, was in Zukunft zu erwarten ist und Vielem mehr.
WeiterlesenSchon 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.
