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.

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.

Vom Dokumentierer zum Vermittler

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.

Welche Fähigkeiten wichtiger werden

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.

Warum ein Tool allein nichts 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.

→ Whitepaper: Welches Skillset jetzt gefragt ist und wie sich das Berufsbild wandelt, vertieft das Whitepaper „KI-Einsatz im Requirements Engineering“.
→ Zurück zum Überblick: KI im Requirements Engineering