STI Home
← Alle Artikel

KI in der Business Analyse: Was sich für die Rolle des Requirements Engineers ändert

3 Min
Business AnalyseKünstliche IntelligenzRequirements Engineering

Die Sorge, von KI ersetzt zu werden, ist in vielen Teams spürbar. Die Praxis zeigt ein anderes Bild: KI übernimmt Aufgaben, nicht die Verantwortung – und macht die Rolle dabei anspruchsvoller, nicht überflüssig.

Wenn ein neues Werkzeug einen Teil der Arbeit übernimmt, ist die erste Reaktion oft die Frage nach dem eigenen Platz. Im Requirements Engineering ist diese Frage berechtigt, aber sie führt in die falsche Richtung. KI verändert, wie Anforderungsarbeit abläuft. Sie verändert nicht, dass jemand für das Ergebnis geradestehen muss.

Dieser Beitrag ist Teil unseres Überblicks zu KI im Requirements Engineering.

Welche Aufgaben KI im Anforderungsprozess tatsächlich übernimmt

Der Alltag im Anforderungsprozess besteht zu großen Teilen aus Arbeit, die Zeit kostet, ohne Urteilsvermögen zu verlangen. Interviews transkribieren. Dokumente auf Konsistenz prüfen. Ähnliche Anforderungen zusammenführen. Formulierungen vereinheitlichen. Genau hier setzt KI an. Ein Sprachmodell strukturiert ein Interviewprotokoll in Minuten, eine analytische KI findet doppelte oder widersprüchliche Anforderungen in einem großen Dokumentenbestand schneller als jede manuelle Durchsicht.

Diese Aufgaben verschwinden nicht, sie wandern. Die Zeit, die dabei frei wird, ist der eigentliche Gewinn – vorausgesetzt, sie fließt in Arbeit, die vorher zu kurz kam.

Der Unterschied wird konkret, wenn man einen typischen Tag betrachtet. Vorher: Nach einem einstündigen Stakeholder-Workshop folgen zwei Stunden Nacharbeit. Aufnahme anhören, Notizen ordnen, erste Anforderungen formulieren, das Ergebnis ins Anforderungswerkzeug übertragen. Am Nachmittag bleibt kaum Zeit, mit dem Fachbereich die offenen Punkte zu klären – die wandern auf morgen.

Nachher: Die Aufnahme wird transkribiert und vom Sprachmodell in strukturierte Anforderungsvorschläge überführt, während der Workshop noch nachwirkt. Die zwei Stunden Nacharbeit schrumpfen auf eine halbe Stunde Prüfung. Die frei gewordene Zeit fließt in genau das Gespräch, das vorher liegen blieb. Der Tag endet nicht mit mehr Dokumentation, sondern mit mehr Klärung. Das ist die eigentliche Verschiebung: weg von der Verwaltung der Anforderungen, hin zur Arbeit an ihnen.

Vom Dokumentierer zum Vermittler: das neue Rollenbild

Damit verschiebt sich das Berufsbild. Wer früher vor allem festgehalten hat, was Stakeholder wollen, arbeitet künftig an der Schnittstelle zwischen Mensch und Maschine. Drei Tätigkeiten rücken in den Vordergrund.

Erstens das Ausrichten: Ein KI-System liefert nur brauchbare Ergebnisse, wenn es die richtige Aufgabe, den richtigen Kontext und die richtigen Daten bekommt. Zweitens das Prüfen: Jedes KI-Ergebnis braucht eine fachliche Kontrolle auf Vollständigkeit und Korrektheit, bevor es weitergeht. Drittens das Entscheiden: Manchmal ist ein Gespräch mit dem Fachbereich die bessere Wahl als jedes Tool, und diese Einschätzung trifft ein Mensch.

Je mehr Routine die KI übernimmt, desto stärker zählt, was sie nicht kann. Die Erwartungen verschiedener Stakeholder auseinanderhalten. Einen Widerspruch im Gespräch klären, statt ihn in einem Ticket zu vermerken. Den Prozess vom ersten Bedarf bis zur Umsetzung im Blick behalten. Die kritische Einordnung von KI-Ergebnissen wird damit zur eigentlichen Kernkompetenz.

Für die Weiterentwicklung im Team heißt das: Kommunikationsstärke und fachliches Urteilsvermögen gewinnen an Gewicht, reine Fleißarbeit verliert es. Dazu kommt ein neuer Bereich – der souveräne Umgang mit den Werkzeugen selbst. Wer versteht, wie ein Modell zu seinem Ergebnis kommt und wo seine typischen Schwächen liegen, prüft gezielter und vertraut weder blind noch grundsätzlich nicht.

Widerstände im Team ernst nehmen

Diese Veränderung läuft selten reibungslos. Wer jahrelang seine Stärke in gründlicher, sorgfältiger Dokumentation gesehen hat, erlebt deren Automatisierung nicht automatisch als Entlastung. Die Sorge, entwertet zu werden, ist real und verdient eine ehrliche Antwort statt eines Werbeversprechens.

Diese Antwort besteht aus zwei Teilen. Der erste ist Klarheit: Wenn im Team offen benannt wird, welche Aufgaben die KI übernimmt und welche wichtiger werden, entsteht weniger Raum für diffuse Befürchtungen. Der zweite ist Beteiligung. Teams, die früh mitgestalten, wie KI in ihren Prozess kommt, tragen die Veränderung eher mit als Teams, denen ein fertiges Werkzeug vorgesetzt wird. Der Rollenwandel ist damit auch eine Führungsaufgabe, kein reines Tool-Thema.

Den Übergang gestalten: schrittweise einführen und gezielt schulen

Der Rollenwandel passiert nicht über Nacht, und er sollte es auch nicht. Bewährt hat sich ein schrittweises Vorgehen: KI zunächst in einem klar abgegrenzten Bereich einsetzen – etwa nur in der Ermittlung, nur bei einem Projekt –, Erfahrungen sammeln und den Prozess anpassen, bevor der Einsatz breiter wird. So bleibt der Aufwand überschaubar, und das Team lernt an einem konkreten Fall, statt an einer abstrakten Ankündigung.

Zur Vorbereitung gehört Schulung, die über die Bedienung eines Werkzeugs hinausgeht. Wichtiger als der Klick an der richtigen Stelle ist das Verständnis dafür, wann ein KI-Ergebnis vertrauenswürdig ist und wann nicht. Ein Team, das die typischen Schwächen seiner Werkzeuge kennt, prüft gezielter und arbeitet schneller, weil es nicht bei jedem Ergebnis von vorn anfängt.

Was der Rollenwandel für den Berufseinstieg bedeutet

Ein Punkt wird bei der Rollenfrage leicht übersehen: der Berufseinstieg. Bisher haben viele Requirements Engineers ihr Handwerk über die Routinearbeit gelernt – durch das Formulieren hunderter Anforderungen entstand mit der Zeit ein Gespür dafür, was eine gute Anforderung ausmacht. Wenn KI diese Routine übernimmt, fehlt dieser Übungsweg.

Für die Ausbildung heißt das, den Aufbau von Urteilsvermögen bewusster zu gestalten. Neue Teammitglieder sollten KI-Ergebnisse zunächst kritisch prüfen, bevor sie selbst welche erzeugen lassen – so lernen sie, gute von schwachen Anforderungen zu unterscheiden, ohne den mühsamen Umweg über reine Fleißarbeit. Der Einstieg verschiebt sich damit von „viel schreiben“ zu „gut beurteilen“.

Warum ein KI-Tool allein die Rolle nicht verändert

Der häufigste Fehler bei der Einführung ist, ein KI-Werkzeug bereitzustellen und den Rest beim Alten zu lassen. Dann laufen die neuen Möglichkeiten neben unveränderten Prozessen her und werden kaum genutzt. Wirksam wird KI erst, wenn die Rollen den neuen Ablauf abbilden und die Menschen die Sicherheit haben, dass ihre Aufgabe an Bedeutung gewinnt. Der Erfolg hängt damit weniger an der Technologie als an der Frage, wie konsequent Prozesse und Verantwortlichkeiten darauf ausgerichtet werden.

Genau diese Ausrichtung ist der Teil, den STI Consulting begleitet – von der ehrlichen Standortbestimmung über die Definition der neuen Rollen bis zur Verankerung im laufenden Betrieb.

Häufige Fragen

Ersetzt KI den Requirements Engineer?

Nein. KI übernimmt Routineaufgaben wie Transkription, Konsistenzprüfung und Vereinheitlichung von Formulierungen. Die Verantwortung für das Ergebnis bleibt beim Menschen – und die Aufgaben, die bleiben, sind anspruchsvoller als die, die wegfallen.

Welche Fähigkeiten werden für Requirements Engineers wichtiger?

Kommunikationsstärke und fachliches Urteilsvermögen gewinnen an Gewicht, reine Fleißarbeit verliert es. Dazu kommt der souveräne Umgang mit den Werkzeugen: Wer die typischen Schwächen eines Modells kennt, prüft gezielter.

Wie führt man KI im Requirements Engineering ein, ohne das Team zu verlieren?

Schrittweise und in einem klar abgegrenzten Bereich, damit das Team an einem konkreten Fall lernt. Entscheidend sind Klarheit darüber, welche Aufgaben die KI übernimmt, und die frühe Beteiligung derer, die mit ihr arbeiten sollen.

Weiterführend