Vage Anforderungen führen zu falschen Lösungen — nur schneller

Mit KI funktioniert das alte Durchwurschteln nicht mehr: Eine vage Anforderung führt nicht zu Rückfragen, sondern zu einer Lösung, die schnell, elegant und komplett falsch ist. Die KI macht Requirements Engineering damit nicht überflüssig, sondern unverzichtbar — die Präzision der Eingabe entscheidet direkt über die Qualität von allem, was folgt.

Dafür spricht die Automatisierung der Struktur-Arbeit: Aus Use-Case-Skizzen erzeugt die KI User Stories und fragt aktiv nach Sonderfällen; aus BPMN-Gateways leitet sie systematisch Akzeptanzkriterien für Positiv- und Negativ-Pfad ab; Traceability-Matrizen zwischen Anforderung, Architektur-Entscheidung und Testfall pflegt sie automatisch. Requirements Engineering im engeren Sinn verkürzt sich damit nach Erfahrung des Autors von klassisch zwei bis sechs Wochen auf ein bis zwei Wochen — während McKinsey in einer kontrollierten Studie plus 40 Prozent Produktmanager-Produktivität in den Konzeptphasen misst. Die Schreibarbeit schrumpft; der strukturierte Dialog mit dem Fachbereich wächst.

Dagegen steht die Unschärfe der automatisierten Prüfung selbst: Selbst etablierte regelbasierte Verfahren zur Erkennung sprachlicher Anforderungs-Mängel erreichen bei 82 Prozent Trefferquote nur rund 59 Prozent Präzision — die Modelle sind, wie Studien festhalten, „nicht ohne Weiteres vertrauenswürdig”. Ein Qualitäts-Gate darf deshalb nur bei rein schematischen Prüfungen hart blockieren; bei allem Semantischen bleibt es eine Empfehlung, über die ein Mensch entscheidet.

Genau das macht den Product Owner zur Engpassrolle des KI-gestützten Teams — nicht, weil er mehr schreibt, sondern weil er präziser antworten muss.

→ Mehr zum Buch und zum Kapitel „Fachliche Feinkonzeption und Requirements Engineering”