Da KI-Systeme nun immer mehr im Engineering Kontext eingesetzt werden, haben wir uns auch in diesem Kontext mit der Genauigkeit des Promptings beschäftigt. Doch auch auf der Seite der KI-Systeme kann an der Genauigkeit der Antworten geschraubt werden, indem man einen Parameter anpasst: Die Temperatur.

In diesem Blogbeitrag möchten wir Ihnen zeigen, welchen Anteil Statusmodelle zur Lösung der Probleme beitragen können, welche Vor- und Nachteile dabei zum Vorschein kommen können und wann Statusmodelle sinnvoll sind.

In klassischen Entwicklungsmodellen (z.B. V-Modell, Wasserfallmodell) ist es entscheidend, zu einem bestimmten Zeitpunkt eine Anforderungsspezifikation einzufrieren und freizugeben, um eine stabile Basis für die weiteren Entwicklungsdisziplinen zu schaffen. Die Anforderungen innerhalb einer Anforderungsspezifikation sollten bis zum Zeitpunkt der Freigabe von Anforderungsänderungen in dem letztgültigen Stand vorliegen. Doch was ist der letztgültige Stand einer Anforderung?

Blog-Serie – Teil 3 von 5

In diesem Teil sehen wir uns an, wie sich dieses Thema im skalierten Umfeld darbietet. Skaliertes Umfeld bedeutet, es arbeiten mehrere Teams an einem Produkt.

Während unserer Forschung zur Anwendbarkeit von KI-Systemen im Requirements- und Systems Engineering stießen wir häufig auf Situationen, in denen wir unseren Kollegen live demonstrieren wollten, wie wir mithilfe der KI zu bestimmten Ergebnissen gelangt sind. Dabei kam es jedoch häufig vor, dass diese Demonstrationen nicht wie erwartet funktionierten, was uns oft zu der Bemerkung führte: „Gestern hat es noch funktioniert!“.