Requirements Engineering (RE) ist ein zentraler Bestandteil der Softwareentwicklung, in dem Entscheidungsfindung eine tragende Rolle spielt. Entscheidungen im RE beeinflussen nicht nur die Qualität der Anforderungen, sondern auch den Erfolg des gesamten Projekts. Traditionelle Entscheidungsverfahren im RE sind jedoch zunehmend überfordert mit der wachsenden Komplexität moderner Softwareprojekte. Sie sind häufig zeitintensiv, werden subjektiv getroffen und sind stark abhängig von der individuellen Erfahrung. Gleichzeitig eröffnet der Einsatz Künstlicher Intelligenz (KI), insbesondere durch Large Language Models (LLMs), Natural Language Processing (NLP) und Maschine Learning (ML) neue Potenziale zur Unterstützung in der Entscheidungsfindung. Bislang fehlt es jedoch an fundierten wissenschaftlichen Erkenntnissen zum Einsatz von KI in der Entscheidungsfindung innerhalb des RE sowie an empirischen Untersuchungen zur Akzeptanz durch Praktiker. Diese Forschungslücke adressiert die vorliegende Arbeit. Die Arbeit gliedert sich in einen theoretischen und einen empirischen Teil. Im Theorieteil werden Grundlagen zu KI, RE und Entscheidungsfindung vermittelt. Es folgt eine detaillierte Analyse, wie Entscheidungsfindung in den einzelnen Phasen des RE-Prozesses stattfinden und inwiefern KI dort unterstützend wirken kann. Der Fokus liegt insbesondere auf NLP, ML, und LLMs. Der empirische Teil basiert auf einer qualitativen Fokusgruppen-Diskussion mit sechs erfahrenen Requirements Engineers aus der Praxis. Die Diskussion wurde strukturiert anhand eines Leitfadens durchgeführt, transkribiert und anschließend mittels strukturierender Inhaltsanalyse nach Mayring ausgewertet. Die qualitative Analyse erfolgte mit MAXQDA, wobei vier Hauptkategorien definiert wurden: Entscheidungsfindung im RE, Einsatz von KI, Herausforderungen und Zukunft. Die Ergebnisse zeigen, dass Entscheidungsfindung im RE stark kollaborativ geprägt ist und wesentlich durch implizites Wissen der Stakeholder beeinflusst wird. KI wird von den Teilnehmenden nicht als Ersatz, sondern vielmehr als „Sparring-Partner“ oder „Coach“ gesehen, der durch gezielte Rückfragen reflektiertes Entscheiden unterstützt. Besondere Stärken von KI liegen in der Erkennung von Inkonsistenzen sowie in der automatisierten Analyse und Dokumentation. Herausforderungen bestehen vor allem in den Bereichen Datenschutz, Nachvollziehbarkeit und Verantwortung. Die Nachvollziehbarkeit („Reasoning“) wurde als zentrale Voraussetzung für die Akzeptanz von KI-basierten Empfehlungen betont. Skepsis besteht gegenüber einer vollständigen Automatisierung kreativer oder strategischer Entscheidungen. In Bezug auf zukünftige Entwicklungen wird erwartet, dass sich neue KI-Systeme mit erweiterten Fähigkeiten etablieren, wobei das Zwischenmenschliche als nicht ersetzbar gilt. Insgesamt unterstreicht die Arbeit, dass KI-gestützte Systeme das Potenzial haben, die Qualität von Entscheidungen im RE signifikant zu verbessern, vorausgesetzt, sie werden im richtigen Kontext eingesetzt und verantwortungsvoll eingesetzt.
| Datum der Bewilligung | 2025 |
|---|
| Originalsprache | Deutsch (Österreich) |
|---|
| Gradverleihende Hochschule | - Johannes Kepler University Linz
|
|---|
| Betreuer/-in | Andreas Auinger (Betreuer*in) & Klaus Lehner (Betreuer*in) |
|---|
- Digital Business Management
Künstliche Intelligenz in der Entscheidungsfindung: Potentiale und Herausforderungen im Requirements Engineering
Fischer, D. (Autor). 2025
Studienabschlussarbeit: Masterarbeit