In meiner aktuellen Artikelserie beschäftige ich mich damit, wie Lukas Ehl und ich bei der Deutschen Bahn bzw. der DB Systel Loop Engineering, KI und die vollständige Automatisierung der Power BI-Berichtsentwicklung entwickeln und vorantreiben.
Während viele Diskussionen rund um KI-generierte Softwareentwicklung vor allem die technische Umsetzung betrachten, sind wir bei unseren Experimenten auf eine andere Herausforderung gestoßen: die Übersetzung fachlicher Anforderungen in eine Form, die von einer KI zuverlässig verstanden werden kann.
Die eigentliche Herausforderung
In klassischen BI-Projekten werden Anforderungen gemeinsam mit Fachbereichen und Stakeholdern erarbeitet.
Dabei geht es nicht nur um Kennzahlen und Berechnungslogiken. Es werden auch zahlreiche weitere Aspekte definiert:
- Layout der Berichtsseiten
- Corporate Design und Farbschemata
- Interaktionen zwischen Visuals
- Drill-Through-Navigation
- Filterkonzepte
- Quickinfos und Tooltips
- Benutzerführung und Storytelling innerhalb des Berichts
Ein erfahrener Entwickler kann viele dieser Informationen interpretieren, Rückfragen stellen und Unklarheiten auflösen.
Eine KI kann das nicht.
Sie benötigt möglichst eindeutige, konsistente und strukturierte Anweisungen.
Die Grenzen natürlicher Sprache
Der naheliegendste Ansatz besteht darin, Anforderungen einfach in natürlicher Sprache zu beschreiben.
In der Praxis zeigte sich jedoch schnell, dass dies an Grenzen stößt.
Je komplexer ein Bericht wird, desto länger und detaillierter werden die Beschreibungen. Gleichzeitig entsteht ein erheblicher Interpretationsspielraum. Zwei Personen können dieselbe Anforderung lesen und unterschiedliche Vorstellungen entwickeln.
Für KI-Systeme gilt das ebenso.
Die Folge sind unerwünschte Abweichungen zwischen den eigentlichen Anforderungen und dem generierten Bericht.
Unser Lösungsansatz: Ein Mockup- und Wireframe-Tool
Um dieses Problem zu lösen, haben wir ein eigenes Mockup- und Wireframe-Tool entwickelt.
Die Idee dahinter ist, Anforderungen nicht ausschließlich in Textform zu erfassen, sondern sie in einer strukturierten und visuell eindeutigen Form zu beschreiben.
Das Tool ermöglicht es Fachbereichen und Stakeholdern, Berichtsseiten gemeinsam zu gestalten. Visuals können positioniert, Layouts angepasst und Designvorgaben berücksichtigt werden – noch bevor ein einziger Bericht erstellt wird.
Dadurch entsteht eine Spezifikation, die sowohl für Menschen als auch für KI-Systeme deutlich leichter zu interpretieren ist.
Natürlich kann ein solches Tool nicht jede einzelne Power BI-Funktion vollständig abbilden. Für Spezialfälle oder individuelle Anforderungen stehen daher zusätzliche Freitextfelder zur Verfügung, in denen weitere Informationen und Vorgaben hinterlegt werden können.
Zusätzliche Vorteile
Die Vorteile gehen weit über die Kommunikation mit KI-Systemen hinaus.
Fachbereiche können deutlich früher Feedback geben und erhalten bereits in einer frühen Phase einen realistischen Eindruck davon, wie der spätere Bericht aussehen wird. Missverständnisse werden reduziert und Änderungswünsche lassen sich wesentlich schneller umsetzen.
Gleichzeitig kann das Wireframe direkt an bestehende Reporting-Standards und Unternehmens-Templates angepasst werden. Dasselbe Template kann anschließend von der KI als Grundlage für die automatisierte Berichtserstellung genutzt werden.
Entsteht hier eine neue Disziplin?
Die spannendste Erkenntnis für mich ist jedoch eine andere.
Wenn KI künftig Berichte, Anwendungen oder ganze Prozesse automatisiert erstellt, reicht klassisches Anforderungsmanagement möglicherweise nicht mehr aus.
Wir müssen lernen, Anforderungen so zu formulieren, dass sie nicht nur für Menschen verständlich sind, sondern auch für KI-Systeme eindeutig, strukturiert und maschinenlesbar werden.
Vielleicht entsteht hier gerade eine neue Rolle oder sogar eine neue Disziplin:
AI Requirements Engineering
Oder anders formuliert:
Wer die KI richtig instruieren kann, wird künftig mindestens genauso wichtig sein wie derjenige, der die Lösung implementiert.
🚀
