RE trifft KI.

Das wird interessant: Requirements Engineering trifft Künstliche Intelligenz. Welche Use Cases helfen beim Definieren und Bearbeiten von Requirements? Wann begrüßen Sie die sportliche Pepper in Ihrem Entwicklungsteam?

Künstliche Intelligenz

Hubert trifft Pepper

Künstliche Intelligenz, Maschinelles Lernen, Algorithmen und Bots sind wichtige Themen beim Wandel zur digitalen Gesellschaft. Intelligente Software und Roboter übernehmen immer mehr Aufgaben, die früher nur der Mensch machen konnte. Welche Bedeutung hat Künstliche Intelligenz für den Arbeitsmarkt?

KI kann ein Wachstums- und Wohlstandstreiber sein. Es bedeutet aber auch in vielen Berufen eine Umstellung der Prozesse. Welche Anwendungsmöglichkeiten bieten sich konkret einem Requirements Engineer, der bei der System- oder Softwareentwicklung zunehmende Komplexität bewältigen, hohe Qualitätsstandards einhalten und rasch auf Marktentwicklungen reagieren muss? In den nachfolgenden Anwendungsbeispielen schauen wir die Möglichkeiten an.

KI Grundlagen

  • Nachbilden von menschlicher Intelligenz
  • Simulationen intelligenten Verhaltens auf Basis vorgegebener oder erlernter Muster
  • Selbstlernende Maschinen
  • Treffen von Entscheidungen auch anhand von Wahrscheinlichkeiten
  • KI kann eigenständig Probleme lösen und ihre Handlung aufgrund von Erfahrungen anpassen
  • Empfindet als Unterscheidung von dem Denken eines Menschen keine Gefühle wie Liebe, Hass, Angst oder Freude

Künstliche neuronale Netze

Ein neuronales Netz ist eine Ansammlung von einzelnen Informationsverarbeitungseinheiten. Diese sogenannten Neuronen sind schichtweise in einer Netzarchitektur angeordnet. Von der Eingabeschicht (input layer) fließen Informationen über eine oder mehrere Zwischenschichten (hidden layer) bis hin zur Ausgabeschicht (output layer).

Künstliche neuronale Netze

Das neuronale Netz lernt durch entwickeln oder löschen von neuen Verbindungen, dem Ändern der Gewichtung, dem Anpassen der Schwellenwerte der Neuronen und einem Hinzufügen oder Löschen von Neuronen.

Beispiele für Künstliche Intelligenz

  • Text- und Schrifterkennung, Bild- und Gesichtserkennung
  • virtuelle Assistenten für Smartphone, Tablet oder Laptop
  • DeepText: Facebooks KI analysiert Post und Status-Updates
  • Erstellen von Börsenberichte, Wetter- oder Sportnachrichten
  • Dienstleistungsbereich: Übernahme von Transport; Telefonsupport; Klassifizierung von Mails
  • Wissensbasierte Systeme (IBM Watson)
  • Gesundheitswesen: Übernehmen von Teilaufgaben von Ärzten
weiter

Tools & Trends in Requirements Engineering

Grundlage für eine erfolgreiche System- oder Softwareentwicklung sind gute Anforderungen. Daneben kann eine passende RE-Lösung beim Definieren und bearbeiten von Anforderungen sehr hilfreich sein. Heutzutage kommen im Requirements Engineering bewährte Lösungen zum Einsatz, aber auch Dienste, wie Natural Language Understanding, Natural Language Classifier und Bots.

Tools & Trends in Requirements Engineering
weiter

Wie kann Künstliche Intelligenz im Requirements Engineering unterstützen?

In vielen Projekten sind Tausende oder sogar Millionen Anforderungen für ein System definiert. Damit fällt eine Transparenz nicht immer leicht. Ein wichtiger Anwendungsfall ist das Erkennen von Duplikate und Konflikte. Wichtig sind auch Anforderungen, die eindeutig, widerspruchsfrei, vollständig und testbar sind. Durch eine gute Anforderungsanalyse lassen sich viele Fehler frühzeitig erkennen. Ein anderer wichtiger Anwendungsfall betrifft das Bearbeiten von Ausschreibungen oder von Defekten. Durch eine automatische Klassifizierung der eingegebenen Anforderungen bzw. Defekte können diese unmittelbar und schnell an die entsprechende Fachabteilung oder Supportebene geliefert werden.

Hilfreiche Watson-Dienste für den Einsatz von KI in RE

Requirements Quality Assessment

Für eine Anforderung wird mithilfe des Watson-Dienstes Natural Language Understanding (NLU) eine Qualitätsbewertung basierend auf der vorhandenen Entitäten und Beziehungen vorgenommen. Sogenannte Weak-Words können mithilfe der Textanalyse erkannt werden. Wichtige Funktionalitäten des Watson-Dienstes sind ein eigenes Datenmodell und der Einsatz von Machine Learning für das Trainieren der Daten.

Hauptvorteile

Demo

DOORS Next Generation Watson Integration DOORS Next Generation Watson Integration DOORS Next Generation Watson Integration

Demo (Standalone-App): https://dng2cognitive.mybluemix.net

Die Textanalyse kann automatisiert über komplette Spezifikationen laufen. Damit kann eine verbesserte formale Qualität der Spezifikationen mit weniger manuellen Aufwand erreicht werden. Falsche und unvollständige Verweise auf andere anwendbare Dokumente können ebenfalls identifiziert werden.

Training

Für das Training des kundenspezifischen Modells werden etwa 2000 Beispielanforderungen empfohlen. Benötigt werden konsistente und vollständige positive Beispiele, wie auch negative Beispiele. Für das Training wird Watson Knowledge Studio (WKS) verwendet.

Training in WKS

Im ersten Schritt wird in WKS ein Typsystem angelegt. Das Typsystem beschreibt welche Begriffe (Entities) und welche Zusammenhänge (Relations) später durch das trainierte Modell aus dem Text extrahiert werden sollen. Eines der Entities kann beispielsweise eine „Application“ oder ein „Action“ sein. Beispielanforderungen werden mit den Entities und Relations in WKS getaggt.

Training in WKS

Das WKS bietet ein Dashboard, um den aktuellen Trainingsstand zu überprüfen. Ein Score-Wert von mindestens 0.8 sollte für jedes Entity angestrebt werden.

Dashboard in WKS

Kategorisieren von Infos

Natural Language Classifier (NLC) verwendet Algorithmen für maschinelles Lernen, um für Texteingaben die vordefinierten Klassen zurückzugeben, die die höchste Übereinstimmung aufweisen.

Anwendungsmöglichkeiten

NLC kann alleine oder in Kombination mit anderen Diensten eingesetzt werden. Es kann bei der Klassifizierung von häufig gestellter Fragen (FAQs) und eines Ausschreibungsdokuments unterstützen. Daneben können Anforderungen, Defekte oder Arbeitselemente schon unmittelbar nach der Eingabe damit automatisch kategorisiert und an die entsprechende Entwicklungsabteilung weitergeleitet werden.

Natural Language Classifier

Demo (Standalone-App): https://nlc.mybluemix.net

Kundenspezifisch bietet Natural Language Classifier eine Trainingsmöglichkeit an. Erstellen Sie die entsprechenden Klassen und geben Sie in diesen jeweils Beispielanforderungen ein.

Training Natural Language Classifier

Bots

Wollen Sie im Requirements Engineering Prozess Interaktionen mit Benutzern automatisieren lassen? Dann könnte ein virtueller Assistant oder ein Chat-Bot die richtige Wahl sein.

Chatbots

Demo: https://carconversation.mybluemix.net

weiter

Impressum

Hubert Spieß
Reventlowstraße 5
80805 München
Tel. 0175 7281914
Internet: www.hubert-spiess.de
E-Mail: mail@hubert-spiess.de

Hinweis: Basistemplate ist von HTML5 UP und lizenziert unter Creative Commons Attribution 3.0 License.