Individuell abgestimmte Lösungen statt allgemeiner Tipps
INVARIS Informationssysteme GmbH: INVARIS ist ein international führender Hersteller von Software-Plattformen für interaktive Formular- bzw. Dokumentenerstellung und -bearbeitung. Die Spezialität von INVARIS sind hochvolumige Dokumentenerzeugung, automatisierte Textverarbeitung und intelligentes Output Management. Seit 1986 setzt das Unternehmen Maßstäbe im Bereich Document Intelligence. Mit über 30 Jahren Erfahrung und stetigem Blick in die Zukunft kann INVARIS seinen Kunden genau die Produkte anbieten, die sie benötigen. Qualität: Höchste Qualität bei jedem Arbeitsschritt – das gilt nicht nur für die Produkte, sondern auch für die Implementierung, den Service und die Wartung der Lösungen.
Die Aufgabenstellung
- Qualitätssteigerung der zunehmend komplexer werdender Softwareprodukte der goSmart®-Suite
- Solide Weiterentwicklung der Softwareprodukte der goSmart®-Suite
- Aufzeigen von passgenauen Maßnahmen
- Gezielte Begleitung bei Umsetzung der Maßnahmen
Wie wurde die Aufgabenstellung gelöst
- Umfassende Analyse des Status Quo
- Individuell ausgerichtete Identifizierung von Pain Points
- Entwicklung einer ganzheitlichen Qualitätssicherungsund Teststrategie, über den gesamten Prozess von der Anforderung bis zur Produktion
- Good Practices identifiziert und implementiert
- Optimierungsmaßnahmen identifiziert und erfolgreich umgesetzt
Das Gespräch
- Martin Schöllerl, Head of Development
- Sandra Benseler, SEQIS Sales Managerin
Sandra Benseler: Wie dringend war es, in Ihrem Unternehmen Veränderungen am Entwicklungsprozess vorzunehmen? Oder anders gefragt: Gab es einen Zeitpunkt, an dem deutlich wurde, dass Handlungsbedarf besteht?
Martin Schöllerl: Ja, die Notwendigkeit einer gezielten Optimierung war sehr deutlich geworden. Die Komplexität unserer Softwareprodukte der goSmart®-Suite hat in den letzten Jahren stark zugenommen. Dies hatte zur Folge, dass unsere Software sehr präzise weiterentwickelt werden musste, um sicherzustellen, dass sie auch nach Anpassungen und Erweiterungen noch wie gewünscht funktioniert. Zum anderen ist unser Team, das für die Installation und Betreuung der Software beim Kunden verantwortlich ist, gewachsen. Auch damit wurde die Zuverlässigkeit der Funktionalitäten auf die Probe gestellt. Insbesondere bei individuellen Systemanbindungen. Die größte Herausforderung war dabei das manuelle Testen bei gleichzeitig steigender Komplexität. Es kam dazu, dass Fehler erst spät entdeckt wurden. Zudem hatten wir es mit Legacy-Software zu tun, die teilweise 20 Jahre alt und monolithisch gewachsen ist. In der Vergangenheit zögerten Entwicklerinnen und Entwickler oft, Änderungen am Code vorzunehmen, weil sie sich unsicher fühlten. Interne Abhängigkeiten und die Komplexität der Produkte erhöhten das Risiko, unbeabsichtigte Probleme zu verursachen. Diese Unsicherheit machte die Entwicklungsarbeit weniger angenehm, da jede Änderung mit einem gewissen Bauchweh verbunden war. Der Wunsch, von manuellen zu automatisierten Testverfahren überzugehen, zeigte uns, dass wir nicht genau wussten, wie und wo wir anfangen sollten. Unser Ziel war es daher, ein Sicherheitsnetz zu schaffen – sowohl für die Entwicklerinnen und Entwickler als auch für die Teams, die die Produkte beim Kunden betreuen. Damit einhergehend wird auch die Kundenzufriedenheit erhöht.
Sandra Benseler: Wie konnte unser Agile Quality Coach Sie dabei am besten unterstützen?
Martin Schöllerl: Auf vielfältige Weise. Zunächst wurden umfassende Analysen durchgeführt, die durch persönliche Interviews mit allen relevanten Stakeholdern ergänzt wurden. Dazu gehörte auch eine sorgfältige Auswahl der Interviewpartner, um alle wichtigen Perspektiven abzudecken. Die gewonnenen Erkenntnisse wurden anschließend zusammengefasst und bildeten die Grundlage für die Ableitung von Maßnahmen. Diese Maßnahmen zielten darauf ab, Optimierungen umzusetzen und die Strategie zu verbessern. Die Ergebnisse und Empfehlungen wurden uns vor Ort vom Agile Quality Coach präsentiert, um alle Beteiligten auf den gleichen Stand zu bringen. Ein besonderer Fokus lag darauf, das Thema Unit Tests zu stärken und weiter voranzutreiben.
Sandra Benseler: Welche konkreten Verbesserungen konnten Sie nach Umsetzung der empfohlenen Maßnahmen feststellen? Können Sie ein konkretes Beispiel nennen, das diese Veränderungen verdeutlicht?
Martin Schöllerl: Ja, die Maßnahmen, die wir ergriffen haben, zeigten bereits sehr rasch positive Ergebnisse. Ein Beispiel ist ein Kunde, bei dem wir in letzter Zeit mehrere Updates durchgeführt haben. Vor Einbindung des Agile Quality Coaches mussten wir den UpdateTermin mehrfach verschieben, da die Qualität nicht ausreichte, und die Zeitpläne durcheinander geraten sind. Mit Beginn der Umsetzung von Maßnahmen, die uns der Agile Quality Coach aufgezeigt hatte, verliefen Update-Termine kontinuierlich besser und beim letzten Update verlief alles termingerecht und ohne Verzögerungen. Und auch die Anzahl der Fehler, die während der Testphase entdeckt wurden, ist kontinuierlich zurückgegangen. Diese Entwicklungen sind ein klares Zeichen dafür, dass unsere Maßnahmen Wirkung zeigen. Der Prozess ist zwar langwierig und es gibt noch viele Baustellen, aber die Fortschritte sind sichtbar. Es geht definitiv voran.
Sandra Benseler: Aus welchen Gründen haben Sie sich für die Unterstützung durch SEQIS entschieden?
Martin Schöllerl: Wir haben am Anfang auch andere Anbieter kontaktiert. Bereits in den ersten Gesprächen wurde uns bei den meisten Anbietern klar, dass keine individuellen Lösungen zu erwarten sind. Zudem fehlte der Workshopcharakter. Wir wollten eine für uns maßgeschneiderte Lösung, erstellt anhand einer detaillierten Analyse und der Möglichkeit, dass genau auf unsere speziellen Problemstellungen eingegangen wird. Von einer 0815 Lösung, mit der wir am Ende bei der Umsetzung wieder da stehen, wo wir am Anfang standen, wollten wir ja weg kommen. Wir wollten gezielte Maßnahmen vorgeschlagen bekommen, bei deren Umsetzung wir auch Schritt für Schritt begleitet werden, falls nötig. Bei SEQIS haben wir genau das erhalten, was unseren Erwartungen weit besser entsprach. Daher haben wir uns relativ schnell intern für SEQIS entschieden.
Sandra Benseler: Gab es neben der Unterstützung durch den Agile Quality Coach weiteren Bedarf, den SEQIS abdecken konnte?
Martin Schöllerl: Ja, im Bereich Unit Tests, als eine vorgeschlagene Maßnahme. Nach dem Analyse-Workshop und den Präsentationen, in denen auch erklärt wurde, wie man Unit Tests erstellt, kam diese zweite Phase, die gezielte Begleitung durch euch. Ein SEQIS Experte unterstützte unsere Kollegen und Kolleginnen dabei, notwendige Maßnahmen selbst umzusetzen. Anschließend wurden die Ergebnisse von euch wiederum überprüft. Bis auf ein paar kleine Punkte hatte der SEQIS Experte dann keine Beanstandungen oder weitere Verbesserungsvorschläge. Das Coaching hat also offenbar genau das bewirkt, was wir uns erhofft hatten: Die Mitarbeiter:innen haben die Konzepte verstanden und wenden die Best Practices erfolgreich an. Insgesamt zeigt dies, dass wir mit SEQIS die richtige Wahl getroffen haben.
Sandra Benseler: Mit welchem Argument würden Sie ITVerantwortliche davon überzeugen, dass ein Agile Quality Coaching eine gewinnbringende Unterstützung ist?
Martin Schöllerl: Der entscheidende Vorteil von einem Agile Quality Coaching ist der individuelle Ansatz. Anstatt nach einem standardisierten Schema vorzugehen, haben wir maßgeschneiderte Lösungsvorschläge und konkrete Maßnahmen erhalten, die direkt auf unser Unternehmen und unsere Prozesse abgestimmt waren. Das war für uns besonders wertvoll, weil wir so schnell Lösungen umsetzen konnten. Natürlich kann man sich auch im Internet viele Informationen und allgemeine Ratschläge holen. Doch die wirkliche Herausforderung liegt darin, diese Informationen gezielt auf die spezifischen Bedürfnisse und Prozesse unseres Unternehmens anzuwenden. Das ist genau das, was wir durch eure Unterstützung erhalten haben: maßgeschneiderte Lösungen statt allgemeiner Tipps. Zusätzlich hatten wir das Glück, zur gleichen Zeit einen neuen Mitarbeiter einzustellen, der sich ausschließlich mit diesen Themen beschäftigt. Das ist ein wichtiger Punkt: Man muss ausreichend Zeit und Ressourcen einplanen, um solche Projekte erfolgreich umzusetzen. Es ist nicht möglich, dies einfach nebenbei zu erledigen. Was uns besonders gefallen hat, war das Gefühl, dass ihr euch intensiv mit unseren spezifischen Bedürfnissen auseinandergesetzt und uns nicht nur allgemeine Ratschläge gegeben habt. Das war der Grund, warum wir uns für euch entschieden haben.
Sandra Benseler: Vielen Dank für das schöne Feedback und die Gelegenheit der erfolgreichen Zusammenarbeit mit Ihnen und Ihrem tollen Team!
SEQIS ist der führende österreichische Anbieter in den Spezialbereichen IT Analyse, Development, Softwaretest und Projektmanagement. Beratung, Verstärkung und Ausbildung: Ihr Partner für hochwertige IT-Qualitätssicherung. Weitere Informationen zum Unternehmen finden Sie unter www.SEQIS.com.
SEQIS GmbH
Wienerbergstraße 3-5
A1100 Wien
Telefon: +436648378719
Telefax: +43 (2236) 320320350
https://www.SEQIS.com
CRM & PR
Telefon: +43 (2236) 320320-0
E-Mail: Sandra.Benseler@seqis.com
Marketing
Telefon: +43 (2236) 320320-0
E-Mail: marketing@seqis.com
IT-Analyse III – das Modell im Überblick
In einem ersten Schritt wird der Inhalt des Berufsbild IT-Analyse in einer Kurz-Form dargestellt. Im zweiten Schritt wird die in den bisherigen Folgen – unhinterfragt – verwendete Bezeichnung „IT-Analytiker“ diskutiert. Darauf aufbauend werden die einzelnen Elemente des im ersten Schritt skizzierten Berufsbildes erläutert.
IT-Analyse – kurz gefasst
In der konkreten Ausprägung wird die Analyse in jedem Projekt anders gelebt. Und doch gibt es einen gemeinsamen Kern, auf den sich die Tätigkeit in allen Varianten reduzieren lässt.
Dieser gemeinsame Kern lässt sich in einem Satz ausdrücken:
IT-Analyse ist das Transformieren von Anforderungen in den Entwurf eines IT-Systems
Diese Definition enthält drei Elemente:
- die Anforderungen als den Input für die Analyse-Tätigkeit.
- den Entwurf, der das Ziel und Ergebnis der Tätigkeit ist.
- das Transformieren, was aus den Anforderungen einen Entwurf macht.
Diese Elemente sollen in weiterer Folge im Detail behandelt werden. Zuvor wollen wir uns aber noch Gedanken über die Bezeichnung für die Funktion machen, deren Hauptaufgabe diese Transformation ist.
Der Job-Title – mehr als Schall und Rauch?
Namen sind Schall und Rauch. Wichtig ist der Inhalt der Tätigkeit. Wie man das dazu gehörige Berufsbild dann nennt, ist zweitrangig. Aber es erleichtert doch die Kommunikation, wenn man eine gemeinsame Bezeichnung dafür hat.
Im bisherigen Verlauf dieser Artikel-Serie wurde unhinterfragt die Bezeichnung „IT-Analyse“ für das Berufsbild verwendet. Das soll nun begründet werden.
Zwei Anforderungen seien hier für einen geeigneten Job-Title genannt:
- Der Job-Title soll den Inhalt der Tätigkeit zum Ausdruck bringen
- Der Job-Title soll geschäftstauglich sein: d. h. er soll nicht zu lang sein und er soll keine sehr ungebräuchlichen Ausdrücke verwenden.
Würde man nur die erste Anforderung berücksichtigen, so müsste die Berufsbezeichnung „Anforderungs-Transformator“ oder so lauten. Das klingt aber erstens nicht besonders attraktiv, und würde auch nicht verstanden werden.
Sehen wir uns heute übliche Berufsbezeichnungen unter diesen Gesichtspunkten an:
Requirements Engineer ist ein eingeführter Job-Title, der sich auf vielen Job-Profilen und Visitenkarten findet. Eigentlich beschreibt er die Tätigkeit aber nicht richtig, denn das „Engineering“ bezieht sich in der Realität nicht auf die Anforderungen, sondern auf die zu entwickelnde Lösung. Das kann zu falschen Erwartungen führen.
Mehr und mehr hat sich in den letzten Jahren die Berufsbezeichnung Business Analyst durchgesetzt. Viele Ausübende der hier beschriebenen Funktion – so auch der Autor – haben sich gleichzeitig mit beiden Job-Titles bezeichnet: Business Analyst/Requirements Engineer. Die Business Analyse ist jedoch ein weites Feld und wird nicht überall mit IT in Verbindung betrachtet. So ist diese Bezeichnung sehr unspezifisch.
Systemanalytiker war vor einigen Jahrzehnten ein eingeführter Begriff für die Analyse in IT-Projekten. Heute wirkt diese Bezeichnung aber etwas verstaubt und veraltet.
Die genannten Job-Titles drücken den Inhalt der Tätigkeit nicht sehr gut aus. Teils verweisen sie lediglich auf einen Teilaspekt der Funktion, teils sind sie sehr unspezifisch.
Der Teil der Bezeichnung „Analytiker“ macht – im Allgemeinen – schon eine sehr treffende Aussage. Damit diese spezifischer wird, wird sie – im vorliegenden Vorschlag um das Präfix „IT-“ ergänzt, sodass sich „IT-Analytiker“ als Berufsbezeichnung ergibt. Allerdings ist auch diese Bezeichnung nicht perfekt. „Analyse“ kommt aus dem Griechischen und bedeutet „Zerlegung“. Das trifft den Inhalt gut – die Anforderungen werden in ihre Elemente zerlegt. Sie werden im Anschluss jedoch auch wieder zum Entwurf zusammengesetzt – diese „Synthese“ ist in der Bezeichnung nicht enthalten. Trotzdem erscheint „IT-Analyse“ als die beste der aktuell in Verwendung stehenden Optionen und wird hier in Folge weiter verwendet.
Ein Modell der IT-Analyse
„IT-Analyse ist das Transformieren von Anforderungen in den Entwurf eines IT-Systems“. Diese Definition für das Berufsbild IT-Analyse wurde oben eingeführt. In diesem Abschnitt soll diese Definition näher betrachtet werden.
Die Anforderungen
Um die Anforderungen dreht sich alles. Sie sind die Existenzberechtigung für den gesamten Software-Entwicklungsprozess. Ein Fachbereich, ein Unternehmen benötigt eine bestimmte Funktionalität – und formuliert diese als Anforderung. Das Team, das diese Anforderung umsetzen soll, erhält einen Auftrag, der meistens durch ein Dokument beschrieben wird.
Dieses Dokument, das z. B. eine Ausschreibung sein könnte, ist der Ausgangspunkt. In seltenen, einfachen, Fällen kann diese Anforderung unmittelbar in Software umgesetzt werden.
Meistens jedoch bestehen Fragen, Unklarheiten, Widersprüchlichkeiten, die geklärt werden müssen, damit das fertige Software-Produkt nicht ihren gewünschten Zweck verfehlt.
Die Klärung dieser Fragen, Unklarheiten, Widersprüchlichkeiten wird Anforderungserhebung genannt. Dafür gibt es eine Reihe von Methoden. Die wichtigste davon ist das Gespräch mit den sogenannten Stakeholdern, also mit allen, die von der zu entwickelnden Software betroffen sind.
Manchmal wird dieses Gespräch auch durch eine schriftliche Befragung ersetzt, etwa dann, wenn es sehr viele von diesen Stakeholdern gibt. In vielen Fällen wird auf vorhandene schriftliche Dokumente zurückgegriffen.
Um diese Anforderungen auch verstehen zu können, muss der Analytiker selbst Experte in der Fachdomäne werden. Das passiert mehr oder weniger automatisch, wenn man für längere Zeit im gleichen Gebiet tätig ist. Bei einem Wechsel in ein neues Fachgebiet, geht es darum, dieses Expertentum schnell zu erwerben. Nur dann ist es möglich, mit den Stakeholdern auf Augenhöhe zu sprechen. Andernfalls können die Anforderungen nur kritiklos entgegengenommen werden.
Der Entwurf
Das Ergebnis der Analyse-Tätigkeit ist ein Entwurf des geplanten Software-Systems, bzw. der Änderung an einem bestehenden System. Obwohl jedes Projekt anders ist, gibt es doch eine Systematik, wie ein derartiger Entwurf aussieht – eine Systematik, die für jedes Projekt anwendbar ist. So kann jeder Entwurf unter drei Aspekten betrachtet werden:
- Der statische Aspekt: Die Daten
- Der dynamische Aspekt: Die Prozesse
- Die Schnittstellen.
Statik – die Daten
Es geht immer um Daten. „Datenverarbeitung“ ist ein etwas verstaubter Begriff für das Fachgebiet, in dem sich auch die IT-Analyse bewegt. Der aktuelle Begriff IT („Information Technology“) sagt letztlich nichts anderes aus. Inhalt und Ziel jedes Software-Entwicklungsprozesses sind immer Daten:
- Daten, die ans Finanzamt geliefert werden müssen,
- Daten, die Maschinen steuern,
- Daten, die dazu dienen, Aufträge von Kunden zu bearbeiten,
- Daten, die Informationen über Lagerbestände abbilden,
- Daten, mit denen die Entwicklung von Unternehmen analysiert werden.
- Das sind nur einige wenige Anwendungsfälle, für die Daten, die verwaltet werden.
In jedem Fall haben diese Daten eine bestimmte Struktur, die Inhalt des Entwurfes ist, der in der Analyse entsteht. Das ist der statische Aspekt des Entwurfes.
Dynamik – die Prozesse
Diese Daten unterliegen einem Prozess. Sie entstehen irgendwo, sie wandern durch verschiedene Stellen innerhalb der Organisation, sie werden transformiert, aggregiert, angezeigt. Diese Prozesse werden im dynamischen Aspekt des Entwurfs beschrieben. Prozesse gibt es auf drei Ebenen:
- Workflow-Ebene: Ein Geschäftsfall wandert durch mehrere Stellen, bis der Prozess abgeschlossen ist. Zum Beispiel: ein Kreditantrag muss je nach Höhe von mehreren Stellen genehmigt werden, bis es zur Auszahlung kommen kann.
- Orchestrierungs-Ebene: Mehrere Services (oder andere Software-Bausteine) werden hintereinander – oder auch parallel – aktiv, damit ein bestimmtes Ziel erreicht wird.
- Algorithmus-Ebene: das ist der Ablauf innerhalb eines Software-Bausteines, der benötigt wird, um – zum Beispiel – eine bestimmte Berechnung durchzuführen
Die Gestaltung jeder dieser Ebenen ist Inhalt des Entwurfs, der durch die Analyse entsteht.
Schnittstellen
Der dritte Aspekt, der im Entwurf zu berücksichtigen ist, ist der der Schnittstellen. In der Analyse müssen sowohl die Schnittstellen nach außen als auch innerhalb der einzelnen Bestandteile des zu entwerfenden Systems definiert werden.
Benutzer-Schnittstelle
Eine besondere Rolle unter den Schnittstellen nimmt die Benutzer-Schnittstelle ein. Vor allem dann, wenn es um die Schnittstelle zu Kunden hin geht, spielen hier nicht nur technische Gesichtspunkte eine Rolle. Es muss auch eine User-Experience geschaffen werden. Deshalb liegt die Aufgabe der Schaffung der Schnittstelle nach außen häufig bei spezialisierten Experten, mit denen der IT-Analyst zusammenarbeitet.
System-Schnittstellen nach außen
Wenn externe Systeme angebunden werden müssen, dann besteht häufig ein sehr geringer Gestaltungsspielraum. Das externe System bietet eine Schnittstelle an, die von dem neu zu entwickelnden System erfüllt werden muss, wenn diese mit dem externen System Daten austauschen möchte.
Schnittstellen nach innen
Auch die Bausteine innerhalb eines Systems sind durch Schnittstellen miteinander verbunden. Und auch diese werden in der Tätigkeit des Entwerfens gestaltet.
Die Analyse – von der Anforderung zum Entwurf
Zwischen Anforderung und Entwurf steht die Analyse. Analyse ist die Tätigkeit, in der die Anforderungen zum Entwurf werden.
Analyse ist ein geistiger, kreativer Prozess, der im Kopf des Analytikers stattfindet und der sich deshalb einer exakten Beschreibung entzieht.
Es gelten jedoch auch hier die allgemeinen Regeln für kreative Prozesse, wie sie unter anderem von Graham Wallas [1] beschrieben wurden. Demgemäß besteht ein kreativer Prozess aus vier Schritten:
- Vorbereitung: Hier wird Wissen über das zu lösende Problem aufgebaut. Im Fall der Analyse ist das die intensive Beschäftigung mit den Anforderungen und – darüber hinaus gehend – mit der Fachdomäne, in der das geplante IT-System angesiedelt ist. Das Erstellen eines Entwurfs ist keine triviale Angelegenheit. Der Entwurf ergibt sich nicht unmittelbar aus den Anforderungen. Es bedarf Überlegungen – und diese Überlegungen stoßen in vielen Fällen auf Widersprüche, die aufzulösen sind.
- Inkubation: Wenn sich das Problem in der Vorbereitungsphase nicht lösen lässt, dann ist es zweckmäßig, sich gedanklich vom Problem zu lösen. Das Unterbewusstsein arbeitet dann weiter am Problem.
- Illumination: Das Unterbewusstsein meldet sich, wenn es eine Lösung gefunden hat. Das kennt jeder Analytiker, wenn ihm eine Entwurfsidee in der Dusche oder beim Radfahren kommt.
- Verifikation: Dieser Geistesblitz aus dem Unterbewusstsein muss dann aber bewusst überprüft und mit den Stakeholdern abgestimmt werden. Das passiert in der vierten Phase des Kreativitätsprozesses.
Der so entstehende Entwurf ist in weiterer Folge die Basis für die Entwicklung, wo der Entwurf in die Lösung umgesetzt wird.
Dieses Modell gilt unabhängig vom Grad der Agilität, die im jeweiligen Projekt eingesetzt wird. Der Entwurf muss nicht vollständig vorliegen, wenn mit der Entwicklung begonnen wird. Es muss jedoch einen Gesamtüberblick geben und einen Detail-Entwurf jener Teile, die in die Entwicklung gehen.
Zusammenfassung und Ausblick
In diesem Artikel wurde der Überblick eines Modells für die IT-Analyse vorgestellt. Nach diesem Modell ist IT-Analyse „die Transformation von Anforderungen in einen Entwurf“.
Im nächsten Beitrag wird dieses Modell noch weiter im Detail dargestellt.
Quellen:
[1] Graham Wallas: The Art of Thought
Weitere Artikel aus dieser Reihe:
IT-Analyse I – Wer braucht eigentlich IT-Analyse?
SEQIS ist der führende österreichische Anbieter in den Spezialbereichen IT Analyse, Development, Softwaretest und Projektmanagement. Beratung, Verstärkung und Ausbildung: Ihr Partner für hochwertige IT-Qualitätssicherung. Weitere Informationen zum Unternehmen finden Sie unter www.SEQIS.com.
SEQIS GmbH
Wienerbergstraße 3-5
A1100 Wien
Telefon: +436648378719
Telefax: +43 (2236) 320320350
https://www.SEQIS.com
Marketing
Telefon: +43 2236 320 320 0
E-Mail: marketing@seqis.com
Managing Partner
Telefon: +43 2236 320 320 0
E-Mail: alexander.weichselberger@SEQIS.com
IT-Analyse II – Eine Bestandsaufnahme
Darauf aufbauend wollen wir uns in diesem Artikel dem Wesenskern der IT-Analyse von verschiedenen Seiten nähern. Wir werden uns einerseits die zeitliche Komponente ansehen. Seit wann gibt es IT-Analyse? Und wie hat sich ihr Inhalt im Lauf der Zeit geändert? Andererseits wollen wir verschiedene moderne Ansätze über dieses Berufsbild betrachten. Worin unterscheiden sie sich? Wo liegen die jeweiligen Schwerpunkte?
Aus diesen Komponenten soll in weiterer Folge die Beschreibung eines praxistauglichen Berufsbilds der IT-Analyse entstehen.
IT-Analyse im Lauf der Zeit
Nicht nur im Bereich der IT-Analyse behaupten neue Ansätze von sich, dass sie etwas bieten, was es nie zuvor gab. Als Beispiel sei der Ansatz des „Digital Design“ erwähnt, von dem dessen Autoren sagen, dass die moderne Digitalisierung dieses – bisher nicht vorhandene – Berufsbild erforderlich macht. Stellen wir diese Aussagen auf den Prüfstand. Zu diesem Zweck blicken wir einmal fast 50 Jahre zurück.
Aus dem Jahr 1976 stammt das Buch „Systemanalyse“ von Hartmut Wedekind[1]. Der sehr altmodisch anmutende Untertitel dieses Buches lautet „Die Entwicklung von Anwendungssystemen für Datenverarbeitungsanlagen“.
Hier wird folgender Prozess für den IT-Entwicklungsprozess vorgeschlagen:
- Istanalyse
- Zielsetzung, Sollkonzept und Rechtfertigung eines neuen Anwendungssystems
- Systementwurf
- Systemimplementierung
- Systembetrieb.
Alle fünf Phasen dieses Modells gemeinsam werden als „Systemanalyse“ verstanden. Das Berufsbild, das dafür zuständig ist, wird „Systemanalytiker“ genannt. Wobei auch hier schon Arbeitsteilung zwischen Entwurf und Schreiben des Codes vorgesehen ist. Es gibt jedoch eine ganz andere Gewichtung als sie heute üblich ist. Die Systemanalyse geht sehr weit ins Detail; der Algorithmus wird so weit spezifiziert, dass „das Codieren ein einfacher Vorgang“ ist, den „oftmals Hilfskräfte verrichten können“[2]. Entwicklung ist in dieser Betrachtungsweise das einfache Umsetzen des vom Systemanalytiker erstellten Entwurfs in Programmcode. Entsprechend detailliert muss der Entwurf sein.
Die Arbeitsteilung zwischen Analyse und Development ist also schon damals angelegt, wenn auch die Grenzen der Aufgaben anders verlaufen als heute.
Man hat auch im Jahr 1976 schon gesehen, dass die einzelnen Phasen im Software-Entwicklungsprozess nicht strikt – im Sinne eines Wasserfalls – voneinander getrennt werden dürfen: „Die Entwicklung eines Systems ist ein iterativer Prozess, in dem sehr viele Rücksprünge auf schon entwickelte Teile und deren Korrektur erforderlich sind“[3].
Im Buch Wirtschaftsinformatik I von Hans Robert Hansen aus dem Jahr 1983 werden einzelne Berufsbilder beschrieben, darunter auch das des Systemanalytikers. Dessen Aufgaben werden unter anderem folgendermaßen zusammengefasst[4]:
- Analyse des Istzustandes bestehender Systeme
- Entwicklung von Lösungsvorschlägen und von Sollkonzepten für neue Informationssysteme
- Entwurf der Ausgaben, Eingaben, Dateien und Verarbeitungsalgorithmen für neue Systeme.
Auch hier gibt es also ein Berufsbild, das sich auf den Entwurf und das Erstellen eines Sollkonzeptes spezialisiert – die Aufgaben der Systemanalyse sind von denen der Entwickler personell getrennt. In der Entwicklung wird außerdem noch zwischen „Anwendungsprogrammierer“ und „Systemprogrammierer“ unterschieden. Die Aufgaben der Anwendungsprogrammierer werden angegeben mit:
- Analyse zu programmierender, vorgegebener, anwendungsbezogener Aufgaben
- Entwicklung einer programmiertechnischen Lösung mit Leistungsspezifikationen wie Speicherbedarf, Maschinenzeit, usw.
Den beiden genannten Ansätzen ist gemeinsam, dass es mit der Systemanalyse ein Berufsbild gibt, das für den Entwurf eines IT-Systems zuständig ist. Der Unterschied zwischen beiden Ansätzen ist, dass der erste den Entwurf deutlich weiter gehend sieht, sodass dieser auch weit in den technischen Bereich hineinreicht, die Aufgabe der Entwicklung ist es nur noch, den Entwurf 1:1 in Code umzusetzen. Der zweite Ansatz beschränkt den Entwurf auf den fachlichen Bereich. Bei der Entwicklung bleibt die Expertise für die technischen Algorithmen und Strukturen.
IT-Analyse in aktuellen Ansätzen
Im Folgenden werden drei aktuelle Ansätze, die für die IT-Analyse relevant sind, beschrieben:
- Requirements Engineering
- Business Analyse
- Digital Design.
Requirements Engineering
Der Ansatz des Requirements Engineering stellt einen Begriff in den Vordergrund, der für die IT-Analyse von grundlegender Bedeutung ist: die Anforderung. Die Anforderung ist gewissermaßen Ausgangspunkt und Rohstoff für jede Software-Entwicklung. Es beschreibt das, was das entstehende System können muss. Große Bekanntheit und Verbreitung hat der Ansatz des Requirements Engineerings durch die Zertifizierungsprüfungen zum Certified Professional for Requirements Engineering (CPRE) des IREB (International Requirements Engineering Board) gefunden.
So hat die Berufsbezeichnung „Requirements Engineer“ die frühere Bezeichnung „Systemanalytiker“ nahezu vollständig abgelöst.
Requirements Engineering nach dem CPRE-Lehrplan des IREB kennt vier Haupttätigkeiten:
- Ermitteln von Anforderungen
- Dokumentieren von Anforderungen
- Prüfen/Abstimmen von Anforderungen
- Verwalten von Anforderungen.
Es ist das Verdienst des Requirements Engineering, den Begriff der „Anforderung“, der zuvor nur implizit im IT-Entwicklungsprozess präsent war, in den Fokus gerückt zu haben. Im Gegenzug ist jedoch in diesem Ansatz vom Entwurf des Systems, das in der Systemanalyse noch Hauptzweck der Tätigkeit war, nicht mehr die Rede. Es wird strikt zwischen Anforderung und Lösung entschieden. Wer aus den sauber dokumentierten Anforderungen des Requirements Engineering den Entwurf des Systems macht, bleibt offen. So war es zumindest bis zur Version 2 des Lehrplans.
Die Version 3 des CPRE-Lehrplans [5], die 2020 veröffentlicht wurde, behebt diesen Mangel zum Teil. Hier spielt die Lösung eine wesentlich größere Rolle, als es noch in der Version 2 der Fall war. So wird etwa im fünften Prinzip des Requirements Engineering anerkannt, dass die Begriffe, „Problem“, „Anforderung“, „Lösung“ untrennbar ineinander verwoben sind. Manche Anforderungen treten erst durch die Entwurfsentscheidung für eine bestimmte Lösung auf – andererseits kann eine von einem Stakeholder formulierte Anforderung bei der Entscheidung für eine bestimmte Lösungsalternative überhaupt keine Rolle mehr spielen.
Diese neue Sichtweise kommt auch im Prinzip 8 zum Ausdruck: „Gute Requirements Engineers gehen über das hinaus, was ihre Stakeholder Ihnen sagen“. Es kommt nicht nur auf das genaue Erheben der Anforderungen an, sondern auch um das kreative Finden von neuen – nicht geäußerten – Anforderungen.
Dennoch gibt es auch in der Version 3 nicht die Tätigkeit des Entwurfs in dem Sinne, dass die Anforderungen in ein Lösungskonzept transformiert werden. Es wird in der Begrifflichkeit nicht unterschieden, was ist „Anforderung“, die von einem Stakeholder kommt, und was ist eine Entwurfsentscheidung des Analytikers – in beiden Fällen wird von „Anforderung“ gesprochen.
Business Analyse
Ein weiterer Ansatz, der großen Einfluss auf das Berufsbild der IT-Analyse erlangt hat, ist die Business Analyse. Insbesondere als Job-Title für IT-Analysten hat „Business Analyst“ große Beliebtheit gewonnen – und wird häufig als Synonym für „Requirements Engineer“ verwendet.
Der Inhalt dieses Ansatzes wurde insbesondere vom „International Institute of Business Analysis“ (IIBA) und deren Publikation „A Guide to the Business Analysis Body of Knowledge“ (BABOK) geprägt [6]. Der BABOK unterteilt die Tätigkeiten eines Business Analysten in sechs so genannte Knowledge Areas:
- Business Analysis Planning and Monitoring
- Elicitation and Collaboration
- Requirements Life Cycle Management
- Strategy Analysis
- Requirements Analysis and Design Definition
- Solution Evaluation.
Business Analyse ist nicht auf den Bereich der IT beschränkt. Der BABOK definiert Business Analyse als „the practice of enabling change in an enterprise by defining needs and recommending solutions that deliver value to stakeholders“. Diese Definition ist sehr allgemein und ermöglicht so ein sehr weites Anwendungsfeld. Der Nachteil ist aber, dass die beschriebenen Vorgangsweisen und Methoden nicht auf die IT-Analyse zugeschnitten sind und so die Aussagen im BABOK häufig schwammig – „nicht Fisch und nicht Fleisch“ – sind.
Ähnlich wie das Requirements Engineering hat auch die Business Analyse die Anforderungen im Fokus. Die Tätigkeit des Entwerfens wird auch hier kaum beschrieben, auch wenn mit der Version 3 des BABOK erstmals der Begriff des Designs eingeführt wurde.
Digital Design
Digital Design ist ein Ansatz, der – wie das Requirements Engineering (RE) – im Umfeld des IREB entstanden ist – gewissermaßen als Reaktion auf die Anforderungs-Zentrierung im Requirements Engineering. Als Begründung dafür werden die neuen Herausforderungen der Digitalisierung angegeben. Tatsächlich ist es aber gleichsam eine Rückkehr zu den Anfängen der IT-Analyse, als auch schon der Entwurf (das Design) im Zentrum der Tätigkeit stand.
Der Inhalt des Digital Design ist ebenso wie das Requirements Engineering in einem Handbuch und einem Lehrplan zu einer Zertifizierungsprüfung festgelegt.[7]
Digital Design sieht die erforderlichen Kompetenzen für einen Digital Designer in zwei Bereichen:
- Material-Kompetenz: Analog zum Bauwesen wird die zur Verfügung stehende digitale Technologie als „Material“ angesehen, das im Design gestaltet wird. Zu diesem Zweck muss der Designer dieses Material kennen.
- Design-Kompetenz: Um das digitale Material gestalten zu können, muss Know-How über den Design-Prozess vorhanden sein. Der Designer muss die Methoden und Techniken kennen, um ein Design erstellen zu können.
Es sind drei Schritte im Design-Prozess vorgesehen:
- Auftragsklärung: es soll beim Auftraggeber und unter allen relevanten Stakeholdern ein klares und gemeinsames Verständnis über den Auftrag erzielt werden.
- Konzeptarbeit: Ziel ist, unter allen relevanten Stakeholdern ein ausreichendes Verständnis der Lösung und des zugrundeliegenden technischen Systems zu erarbeiten. Auf Grundlage dieses Verständnisses kann entschieden werden, ob das Risiko einer Realisierung der Lösung eingegangen werden soll oder nicht.
- Entwicklung und Betrieb: Entwicklung und Betrieb werden im Digital Design als Einheit betrachtet, weil die Lösung laufend weiterentwickelt wird. Hier erfolgt der eigentliche Entwurf. Erst hier werden die Konzepte in einem Detailgrad ausgearbeitet, der die Realisierung der digitalen Lösung ermöglicht.
IT-Analyse – Grundsätze
Jeder der genannten Ansätze hat einen speziellen Fokus. Im Folgenden sollen die wesentlichen Punkte zusammengefasst werden:
- Die Basis jeder Software-Entwicklung sind Anforderungen
- Anforderungen können nicht unmittelbar in Software umgesetzt werden
- Im Entwurfsprozess werden die Anforderungen transformiert
- Ziel dieses Prozesses ist ein Entwurf, in dem die Anforderungen konsolidiert und Widersprüche aufgelöst werden und der in Software umgesetzt werden kann
- Ein Entwurf beschreibt Aufbau, Prozesse und Schnittstellen des IT-Systems
- Technische Entscheidungen, wie Auswahl der Programmiersprache, anderer Entwicklungswerkzeuge und deren Anwendung fallen nicht in den Kompetenzbereich der IT-Analyse.
Ausblick
In dieser Folge wurden verschiedene Ansätze zu Beschreibung des Berufsbildes IT-Analyse aus Gegenwart und Vergangenheit betrachtet. Auf dieser Basis und ergänzt um eigene langjährige Erfahrung wird im nächsten Artikel das Profil eines praxisnahen Berufsbilds der IT-Analyse beschrieben.
Quellen:
[1] Wedekind, Hartmut, Systemanalyse – Die Entwicklung von Anwendungssystemen für Datenverarbeitungsanlagen, München, Wien, 1976
[2] Wedekind, Hartmut, a.a.O., S 265
[3] Wedekind, Hartmut, a.a.O, S 17
[4] Hansen, H.R., Wirtschaftsinformatik I, Stuttgart, 1983, S 277 f.
[6] International Institute of Business Analysis, BABOK – A Guide to the Business Analysis Body of Knowledge, Toronto 2015
[7] https://www.digitaldesign.org/…
Weitere Artikel aus dieser Reihe:
IT-Analyse I – Wer braucht eigentlich IT-Analyse?
SEQIS ist der führende österreichische Anbieter in den Spezialbereichen IT Analyse, Development, Softwaretest und Projektmanagement. Beratung, Verstärkung und Ausbildung: Ihr Partner für hochwertige IT-Qualitätssicherung. Weitere Informationen zum Unternehmen finden Sie unter www.SEQIS.com.
SEQIS GmbH
Wienerbergstraße 3-5
A1100 Wien
Telefon: +436648378719
Telefax: +43 (2236) 320320350
https://www.SEQIS.com
Marketing
Telefon: +43 2236 320 320 0
E-Mail: marketing@seqis.com
Managing Partner
Telefon: +43 2236 320 320 0
E-Mail: alexander.weichselberger@SEQIS.com
IT-Analyse I – Wer braucht eigentlich IT-Analyse?
Es gibt die unterschiedlichsten Job-Bezeichnungen in einem IT-Projekt: Solution Architect, Business-Analyst, Tester, Test-Automatisierer, Projekt-Manager, Product-Owner, Scrum Master, Developer, Product-Manager, um nur einige wenige zu nennen. Ein Blick in einschlägige Social-Media-Plattformen bringt da noch viel mehr Kreatives zu Tage.
Braucht man alle diese Funktionen tatsächlich, um ein IT-System zu schaffen? Gehen wir für die Beantwortung dieser Frage einmal ganz zurück an den Anfang.
Wie entsteht ein IT-System? Ein IT-System besteht aus Hardware und Software. Die Hardware soll in dieser Betrachtung ausgeblendet werden. Der Fokus liegt hier auf der Software.
Software entsteht dadurch, dass in einer Programmiersprache Code geschrieben wird. Benötigt werden also Menschen, die diesen Code schreiben – landläufig Developer genannt.
Das ist die Tätigkeit, ohne die gar nichts geht – ohne die Entwicklung von Code gibt es keine Software. Developer schreiben Software – wozu braucht man aber dann all die anderen oben genannten Funktionen? Braucht man sie überhaupt?
Es ist eine Frage der Größe des Vorhabens. In der Tat gibt es viele Projekte, die durch die Arbeit eines einzelnen Developers erledigt werden können. Vor allem im Wissenschaftsbereich ist das häufig der Fall. Ein Forscher benötigt für sein Projekt Software zur Auswertung und Aufbereitung seiner Daten. Das Budget lässt die Beauftragung eines Entwicklers oder gar eines Entwickler-Teams nicht zu. Also bringt sich der Forscher oder die Forscherin selbst die Programmiersprache R oder Python bei und schreibt sich die Software selbst. Projekt-Manager, IT-Analysten, Tester oder andere Funktionen gibt es in diesem Szenario nicht – und es funktioniert.
Eine Frage der Arbeitsteilung
Sehr bald aber erreicht ein IT-Vorhaben eine Größe, die von einem Developer nicht in akzeptabler Zeit zu bewältigen ist. Das gesamte Arbeitspensum muss dann auf mehrere Personen aufgeteilt werden.
Naheliegend ist es, dass dann eben zwei, drei, vier Developer Code schreiben. Je größer ein derartiges Team wird, umso mehr treten auch Aufgaben auf, die nicht unmittelbar mit Code-Schreiben verbunden sind. Zumindest muss die Arbeit der einzelnen Developer so koordiniert werden, dass sich die einzelnen Leistungen zu einem sinnvollen Ganzen fügen.
Arbeitsteilung im Allgemeinen
Arbeitsteilung ist immer dann erforderlich, wenn das gewünschte Arbeitsergebnis nicht in der vorgesehenen Zeit von einem Einzelnen hergestellt werden kann. Das gilt für alle Bereiche der Wirtschaft. So ist eine einzelne Person wohl in der Lage, einen Tisch herzustellen. Für ein ganzes Haus werden aber immer mehrere Personen zusammenwirken müssen.
Einer der Hauptvorteile der Arbeitsteilung ist die höhere Produktivität. Der Philosoph und Begründer der klassischen Nationalökonomie Adam Smith (1723 – 1790) erläutert das anhand seines Stecknadel-Beispiels: Ein einzelner Arbeiter könne maximal vier Stecknadeln pro Tag herstellen, wenn er alle dafür erforderlichen Arbeitsschritte selbst durchführt. Werden die einzelnen Arbeitsschritte aber auf mehrere, darauf spezialisierte Personen aufgeteilt, dann könnten 10 Arbeiter bis zu 48000 Stecknadeln pro Tag erzeugen[1].
Die höhere Produktivität ist nur einer der Vorteile der Arbeitsteilung. Dazu kommt das höhere Wissen und Können der Beschäftigten durch die Spezialisierung. Das wiederum führt zu einer höheren Qualität der Produkte.
Dem stehen jedoch auch Nachteile gegenüber: Arbeitsteilung kann zu monotonen Tätigkeiten führen, die durch einseitige Belastung auch Gesundheitsschäden bewirken können. Durch die Spezialisierung verlieren die Arbeitnehmer an Flexibilität und schränken dadurch auch die Möglichkeiten zu einem Berufswechsel ein. [2]
Arbeitsteilung in der IT
Das Stecknadel-Beispiel des Adam Smith lässt sich auch auf den Software-Erstellungsprozess anwenden. Natürlich haben wir es hier mit völlig anderen Arbeitsschritten zu tun. Im Falle der Produktion einer Stecknadel gibt es etwa folgende Arbeitsschritte: das Ausziehen, Begradigen oder Zuschneiden des Drahtes, das Schleifen der Nadelspitze, das Anfertigen des Stecknadelkopfes, das Bleichen oder das Verpacken der fertigen Nadeln.
In der Software-Entwicklung ist das Schreiben des Codes – wie oben schon ausgeführt – die wichtigste Tätigkeit, ohne die gar nichts geht. Daneben gibt es jedoch eine Reihe von weiteren Aufgaben, die erfüllt werden müssen, um zu einem zufriedenstellenden Ergebnis zu kommen:
- Der Fachbereich, für den die Software geschrieben wird – oft auch „Domäne“ genannt – hat seine eigenen Regeln und Gesetzmäßigkeiten. Unter diese Gesetzmäßigkeiten fallen gesetzliche Vorschriften, innerbetriebliche Regelungen, technisches oder betriebswirtschaftliches Wissen oder auch einfach nur Wünsche und Vorlieben der Auftraggeber. Alle diese Punkte müssen bekannt sein und analysiert werden, bevor sie in Programmcode gegossen werden können – auch wenn dabei durchaus eine zeitliche Überlappung sinnvoll und möglich ist.
- In der Welt der beschränkten Ressourcen, in der wir leben, spielen Zeit und Kosten eine bedeutende Rolle. Die Software-Entwickler wollen in der Regel bezahlt werden. Dem Auftraggeber wird es daher nicht egal sein, wie lange die Entwickler brauchen. Es muss also eine Aussage darüber gemacht werden können, wieviel Aufwand an Zeit und an Geld erforderlich sein werden und dieser Aufwand muss über die Projektlaufzeit verfolgt und gesteuert werden.
- Sobald mehrere Personen für das Ergebnis zusammenarbeiten, spricht man von einem Team. Ein Team muss koordiniert werden, damit es funktioniert. Auch das verursacht zeitlichen Aufwand.
- Mit dem Schreiben des Codes ist es nicht getan. Es muss auch dessen Qualität gesichert werden. Programmcode kann Fehler enthalten. Je komplexer ein Programm-System ist, desto schwieriger – und zeitaufwendiger – ist es, diese Fehler zu finden.
- Wenn mehrere Developer an einem gemeinsamen IT-System arbeiten, dann sind auch Entscheidungen über Struktur, Werkzeuge und prinzipielle Regelungen zu treffen.
Alle diese Aufgaben und noch mehr sind bei der Entwicklung eines IT-Systems zu erledigen. Damit ist noch nicht zwingend gesagt, dass dafür eigene Rollen im Projekt vorhanden sein müssen. Die jedenfalls erforderliche Arbeitsteilung kann auf verschiedene Arten erfolgen. Es kann das geplante System auf viele Developer aufgeteilt werden – und jeder von ihnen kümmert sich auch um Zeit und Kosten, um die Kommunikation mit den Auftraggebern, um die fachlichen Herausforderungen, um die Qualitätssicherung, usw.
Das ist möglich – und für kleine Projekte auch normal. Für größere Projekte aber hat sich eine andere Form der Arbeitsteilung als zweckmäßig herausgestellt.
Diese Form der Arbeitsteilung sieht eigene Rollen für die einzelnen Funktionsgruppen vor. Es gibt also Projektmanager, IT-Analysten, Tester, Architekten. Das ist auch deshalb vorteilhaft, weil jede dieser Funktionsgruppen unterschiedliche Herausforderungen hat, unterschiedliche Fähigkeiten erfordert, ja vielleicht sogar unterschiedliche Denkweisen bedingt.
Jede dieser Funktionsgruppen hat auch unterschiedliche Ziele im Projekt. Dadurch, dass jeder diese Ziele verfolgt – bei vorhandenem Verständnis für die jeweils anderen Ziele – kann ein Optimum im Projekt erreicht werden.
Das Ziel der Entwicklung ist ein eleganter, sauberer Programmcode, der auch sonst eine Reihe weiterer Qualitätseigenschaften aufweist. Das Ziel des Projektmanagements ist eine möglichst kostengünstige Umsetzung des Vorhabens. Das Ziel der IT-Analyse ist eine möglichst weitgehende Umsetzung der fachlichen Anforderungen. Diese Ziele stehen zueinander in Konkurrenz. Eine höhere Erreichung eines Zieles wirkt sich negativ auf die Erreichung der jeweils anderen aus. Dadurch, dass die Vertretung dieser Ziele auf mehrere Köpfe verteilt ist, ist gewährleistet, dass es zu einem Ausgleich der Ziele kommt.
Auch das ist ein Argument dafür, dass die Arbeitsteilung entlang dieser Funktionsgruppen erfolgt.
IT-Analyse als Aufgabe und Rolle im Projekt
Nach dieser allgemeinen Betrachtung nehmen wir nun die Aufgabe der IT-Analyse in den Fokus.
IT-Analyse ist eine Aufgabe, die es in jedem Projekt gibt. Davon unabhängig ist aber die Frage, wer diese Funktion wahrnimmt. Gibt es eine eigene Rolle für diese Aufgabe? Oder aber ist diese Aufgabe Bestandteil einer anderen Rolle?
Wir wollen zunächst noch einmal zusammenfassen, worum es bei dieser Aufgabe geht.
Der Auftrag zur Erstellung eines IT-Systems ist praktisch nie so formuliert, dass er unmittelbar in Code umgesetzt werden kann. Fast immer muss die fachlich formulierte Aufgabenstellung in die Sprache der IT transformiert werden. Für diesen Transformationsprozess ist detailliertes Wissen über die Fachdomäne erforderlich.
Ein Beispiel
In einem Projekt zur Erstellung eines Logistik-Systems könnte die Anforderung enthalten sein: „Es ist der optimale Lagerbestand mithilfe des Wilson-Modells zu ermitteln.“ Daran knüpfen sich eine Reihe von Fragen:
- Was ist das Wilson-Modell?
- Aus welchem Prozess kommen die erforderlichen Parameter?
- Müssen diese persistiert werden? Wie und wo?
- Wann wird die Ermittlung angestoßen?
- Wie sieht die Benutzeroberfläche aus?
- Was passiert mit dem Output?
Diese Fragen bedürfen intensiver Beschäftigung mit der Materie. Rund um diese Anforderung müssen Prozesse, Datenmodelle, Schnittstellen gestaltet werden. Und genau das ist der Kern der IT-Analyse.
Das heißt immer noch nicht, dass es dafür zwingend eine eigene Rolle geben muss. Im Folgenden sind die einzelnen Optionen angeführt, wo die Aufgabe der IT-Analyse auch angesiedelt sein könnte.
Development und IT-Analyse
Es ist wohl die ursprüngliche Kombination. IT-Analyse und Development liegen in einer Hand. Und es spricht auch manches dafür. Es gibt keinen Bruch in der Kommunikation und keine Reibungsverluste zwischen den zwei verschiedenen Rollen.
Aber es gibt auch gute Gründe, dass es sich letztlich so entwickelt hat, dass die beiden Aufgaben personell getrennt wurden. Software-Entwicklung und alles technische Wissen, das man dafür braucht, ist ein umfangreiches Gebiet. Wenn dazu auch noch das Wissen der Fachdomäne dazukommt, das ebenfalls beträchtlich sein kann und noch dazu meist anderer Natur, d.h. nicht-technisch, ist, dann kann das die Kapazität einer einzelnen Person überstrapazieren, sodass eine Spezialisierung auf die einzelnen Gebiete zweckmäßig und vorteilhaft ist.
Projektmanagement und IT-Analyse
Beiden gemeinsam ist, dass sie Vorgaben machen, die im Projekt Berücksichtigung finden – beim Projektmanagement sind es zeitliche Vorgaben, bei der IT-Analyse inhaltliche. Wohl aus diesem Grund wurde früher die IT-Analyse manchmal als Teil des Projektmanagements gesehen. Auch wird die Analyse manchmal als „Fachliche Projektleitung“ oder „Teilprojektleitung“ bezeichnet. Im Allgemeinen werden die beiden Funktionen heute aber – zu Recht – getrennt.
Test und IT-Analyse
Auch zwischen Test und IT-Analyse gibt es etliche Berührungspunkte. Gelegentlich liegen IT-Analyse und Test in einer Hand. Die Vorteile davon sind nicht gänzlich von der Hand zu weisen, ist doch der geplante – und zu testende – Soll-Zustand in der Analyse wohlbekannt. Ab einer gewissen Projektgröße ist jedoch eine personelle Trennung empfehlenswert. Softwaretest erfordert andere Qualifikationen – und vielleicht sogar andere Persönlichkeitsprofile – als die IT-Analyse.
Architektur und IT-Analyse
Die Abgrenzung zwischen Architektur und IT-Analyse ist schwierig. Das liegt auch daran, dass oft nicht klar ist, was unter Architektur zu verstehen ist. Es kann die Auswahl der technischen Komponenten und Entscheidung über deren Zusammenspiel im Projekt sein. Das sind dann Vorgaben für die IT-Analyse, innerhalb derer sie sich bewegen muss.
IT-Analyse ist aber immer auch Architektur. Es gibt keine Gestaltung, die nicht auch die Struktur des geplanten IT-Systems, also Architektur, betrifft. Deshalb können IT-Analyse und Architektur auch als Synonyme betrachtet werden. Wenn die Architektur auch das übernimmt, was man die „Erhebung der Anforderungen“ nennt, die Abstimmung mit den Stakeholdern und die Kommunikation mit Development und Test, dann IST die Architektur die IT-Analyse und es werden nicht beide Rollen im Projekt benötigt. Meistens ist es aber so, dass die Architektur den technischen Rahmen vorgibt und die IT-Analyse die fachliche Gestaltung innerhalb dieses Rahmens verantwortet.
Zusammenfassung
Braucht man nun also IT-Analyse in einem Projekt? Kaum ein Projekt ist so trivial, dass nicht die fachlichen Erfordernisse untersucht werden müssen. Kaum einmal ist es von Haus aus klar, was programmiert werden muss. Diese Übersetzung der fachlichen Sprache in die Sprache der IT muss immer passieren. Nicht zufällig hat sich in der Praxis gezeigt, dass es in den meisten Fällen zweckmäßig ist, diese Aufgabe einer eigenen Rolle zuzuweisen. So hat sich das Berufsbild der IT-Analyse herausgebildet.
Mit diesem Berufsbild wollen wir uns in den folgenden Artikeln beschäftigen. Im nächsten Beitrag sollen die Funktion der IT-Analyse im Lauf der Zeit und einige moderne Ansätze betrachtet werden.
Quellen:
[1] https://www.wissen.de/bildwb/adam-smith-was-bringt-die-arbeitsteilung
[2] https://welt-der-bwl.de/Arbeitsteilung
Weitere Artikel aus dieser Reihe:
IT-Analyse II – Eine Bestandsaufnahme
SEQIS ist der führende österreichische Anbieter in den Spezialbereichen IT Analyse, Development, Softwaretest und Projektmanagement. Beratung, Verstärkung und Ausbildung: Ihr Partner für hochwertige IT-Qualitätssicherung. Weitere Informationen zum Unternehmen finden Sie unter www.SEQIS.com.
SEQIS GmbH
Wienerbergstraße 3-5
A1100 Wien
Telefon: +436648378719
Telefax: +43 (2236) 320320350
https://www.SEQIS.com
Marketing
Telefon: +43 2236 320 320 0
E-Mail: marketing@seqis.com
Managing Partner
Telefon: +43 2236 320 320 0
E-Mail: alexander.weichselberger@SEQIS.com
KI im Projektmanagement
Einführung
Immer öfters hört man über den Einsatz von ‚Künstliche Intelligenz (KI – zu Englisch: Artificial Intelligence, AI) in vielen unterschiedlichen Themengebieten. Häufig wird das in direktem Zusammenhang mit der Softwareentwicklung gesehen.
Das Einsatzgebiet von KI ist allerdings wesentlich breiter aufgestellt, denn Daten werden heutzutage, nahezu in allen Tätigkeitsfeldern, digital erfasst.
Dementsprechend ist es möglich, KI nahezu überall einzusetzen, um dadurch die dafür genutzten Daten möglichst effizient einzusetzen. Die Ableitung und Entwicklung von Anwendungsfällen kann gegebenenfalls auch mit Hilfe von strukturierten Methoden wie beispielsweise der „fünfstufigen Methode zur Entwicklung organisationsspezifischer KI-Anwendungsfälle“ welche im Artikel „Developing Purposeful AI Use Cases – A Structured Method and Its Application in Project Management“ [1] vorgestellt wird.
Unternehmen werden in einer immer steigenden Rate AI im Projektmanagement nutzen, um Unterstützung zu bekommen, in der Weise, wie sie Projekte erstellen, managen und in ihnen operieren bzw. diese steuern.
Die Integration von KI in das Projektmanagement ermöglicht eine effizientere Ressourcenverwaltung, verbesserte Entscheidungsfindung, proaktives Risikomanagement und eine insgesamt gesteigerte Projektperformance.
Der vorliegende Artikel wirft einen Blick auf die Anwendung von KI im Projektmanagement und untersucht, wie diese Technologie den Projektmanagern helfen kann, ihre Ziele effektiver zu erreichen. Wir werden verschiedene Aspekte beleuchten, darunter das automatisierte Aufgabenmanagement, die Echtzeitüberwachung, die prädiktive Analyse, die intelligente Kommunikation und die agile Planung.
Insbesondere wird hier ein Vorstellen der Use Cases im Fokus stehen, sowie ein Anreger zur Diskussion über die möglichen Veränderungen für einen Projektmanager.
Use Cases für den Einsatz von AI im Projektmanagement
In diesem Kapitel werden wir uns mit den konkreten Anwendungen von KI im Projektmanagement auseinandersetzen. Von intelligenten Entscheidungsunterstützungssystemen bis hin zur Automatisierung von Routineaufgaben bieten diese Use Cases spannende Einblicke in die transformative Kraft von KI im Projektmanagement.
Besonders starkes Potential liegt hierbei, dass KI zeitaufwändige, wiederholende Tasks, schnell durchführen kann, sowie auch Analysen über eine große Datenmenge flott erledigen kann. Somit können Projektmanager:innen mehr Fokus und Zeit auf strategische Entscheidungen, sowie auch Entscheidungen setzen, die nur durch menschliches Wissen getroffen werden können[2].
Die meisten Unternehmen haben bereits Teamkommunikations- und Messaging Tools integriert, die inzwischen durch KI Chatbots (sowie auch weitere Implementationen) unterstützt werden können. Diese können simple, repetitive Aufgaben übernehmen, wie bspw. Unterstützung bei der Terminplanung, oder das Senden von Aktivitätserinnerungen an Teammitglieder.
Weiters können sie Alerts, auf der Basis von einzelnen Mitarbeiteraufgaben, auslösen, welche dem Management geschickt werden, wenn Aktivitäten beginnen vom ursprünglichen Plan abzuweichen. Darüber hinaus haben sie die Möglichkeiten Frühwarnungen auszusenden, wenn sie Budgetierungs- oder Planungsprobleme aufdecken, die Potentiell ein Risiko für die Projekterfüllung darstellen[3].
Diese Chatbots können zum Teil auch autonom eingesetzt werden, wenn diese die notwendige Einsicht erhalten in Prozesse, Flows und Daten. Dabei können sie ihr starkes Potential in der Mustererkennung und Aufdeckung von Anomalien zeigen.
Wichtig zu beachten bleibt, dass der Einsatz dieser Technologie, vermehrt in die Richtung der prädiktiven Analyse geht und nicht so zu verstehen ist, wie das klassische Threshold Alerting.
Dafür muss sichergestellt werden, dass das eingesetzte Tool, Zugang zu den notwendigen Informationsquellen besitzt, wie beispielsweise Projektmanagement-, Budgetierungs-, Aktivitäten- und Dokumentationstools.
Die einzelnen identifizierten Use Cases wurden in 4 grobe Überkategorien zusammengefasst:
- Entscheidungsfindung und Analyse
- Ressourcenmanagement
- Kommunikation und Zusammenarbeit
- Qualitätskontrolle und -sicherung
- Kommen wir nun zu den Details der einzelnen Use Cases.
1. Entscheidungsfindung und Analyse
Verbesserte Entscheidungsfindung
KI ermöglicht es, fundierte Entscheidungen zu treffen, indem sie große Datensätze analysieren und Muster, Risiken und Chancen erkennen. Durch den Einsatz von Algorithmen für maschinelles Lernen kann KI historische Projektdaten verarbeiten, Trends erkennen und prädiktive Analysen erstellen. Auf diese Weise können Projektmanager datengestützte Entscheidungen treffen, was zu genaueren Prognosen und besseren Projektergebnissen führt.
Angenommen, ein Projektmanager steht vor der Herausforderung, den Ressourceneinsatz für ein komplexes Bauprojekt zu planen. Mit Hilfe von künstlicher Intelligenz kann der Projektmanager historische Projektinformationen wie vergangene Bauvorhaben, Ressourcenverfügbarkeit, Wetterbedingungen und andere Faktoren analysieren.
Durch die Analyse dieser Daten kann die KI Muster und Zusammenhänge identifizieren. Zum Beispiel könnte die KI erkennen, dass bestimmte Wetterbedingungen Auswirkungen auf die Arbeitsleistung der Arbeiter haben oder dass bestimmte Materialien häufig Engpässe verursachen. Basierend auf diesen Erkenntnissen kann die KI prädiktive Analysen durchführen, um den Projektverlauf vorherzusagen und mögliche Risiken und Engpässe zu identifizieren.
Aufgrund dieser Informationen kann der Projektmanager fundierte Entscheidungen treffen. Er kann beispielsweise die Ressourcenplanung anpassen, um Engpässe zu vermeiden, alternative Materialien in Betracht ziehen oder bei ungünstigen Wetterbedingungen alternative Aktivitäten priorisieren. Durch die datenbasierte Entscheidungsfindung kann der Projektmanager die Erfolgsaussichten des Projekts verbessern und die Wahrscheinlichkeit von Verzögerungen oder Kostenüberschreitungen reduzieren.
Intelligentes Risikomanagement
Das Erkennen und Verwalten von Risiken ist für die erfolgreiche Durchführung von Projekten von großer Relevanz. KI kann Projektmanagern bei der Risikoerkennung und -minderung helfen, indem sie historische Projektdaten analysiert, Risikomuster identifiziert und potenzielle Risiken vorhersagt. KI-Algorithmen können Projektaktivitäten kontinuierlich überwachen, Abweichungen von den erwarteten Ergebnissen feststellen und Projektmanager in Echtzeit auf potenzielle Risiken hinweisen. Dieser proaktive Ansatz sorgt für rechtzeitige Risikominimierungsstrategien und verbesserte Projekterfolgsquoten.[4]
Agile Planung und Prognose
Durch die Analyse historischer Projektdaten und die Berücksichtigung externer Faktoren wie Markttrends können KI-Algorithmen genauere und realistischere Projektzeitpläne und -prognosen erstellen. Auf diese Weise können Projektmanager realistische Ziele setzen, Ressourcen wirksam einsetzen und sich zeitnah an wechselnde Projektbedingungen anpassen.
Beispielsweise könnten sich Liefertermine für ein Projekt ändern und die Notwendigkeit bestehen, dass dadurch Alternativen gefunden werden, um nicht zustellbare Waren zu ersetzen. Ebenfalls, kann es hilfreich sein, dass die KI Informationen zu Gesetzesänderungen liefert, die gegebenenfalls zwingend beachtet werden sollen, und somit eine Re-Priorisierung von Aufgaben notwendig macht, oder gar mehr Ressourcen in das Projekt aufgenommen werden müssen, z.B. passend qualifizierte Mitarbeiter zeitgerecht in das Projekt aufnehmen.
Intelligente Aufgabenpriorisierung
KI kann Projektanforderungen, Fristen, Abhängigkeiten und die Verfügbarkeit von Ressourcen analysieren, um Aufgaben auf intelligente Weise zu priorisieren. Durch die Berücksichtigung verschiedener Faktoren können KI-Algorithmen die kritischsten und zeitkritischsten Aufgaben vorschlagen und so sicherstellen, dass Projektteams ihre Anstrengungen auf Aktivitäten mit hoher Priorität konzentrieren. Dies hilft Projektmanagern, ihre Arbeitsabläufe zu optimieren, Fristen einzuhalten und Projektziele effizient zu erreichen.
2. Ressourcenmanagement
Automatisiertes Aufgabenmanagement
KI kann Routineaufgaben automatisieren, sodass sich Projektmanager und Teammitglieder auf höherwertige Aktivitäten konzentrieren können. Alltägliche Aufgaben wie Terminplanung, Zeiterfassung und Fortschrittsberichte können mit KI-gestützten Projektmanagement-Tools automatisiert werden. Dies spart nicht nur Zeit und Mühe, sondern verringert auch das Risiko menschlicher Fehler, was zu einer höheren Produktivität und Effizienz führt.[5]
Intelligente Ressourcenzuweisung
Eine der größten Herausforderungen im Projektmanagement ist die Ressourcenzuweisung. Mit Hilfe von Algorithmen kann dieser Prozess optimiert werden, indem verschiedene Faktoren wie Ressourcenverfügbarkeit, Qualifikationen und die Projektanforderungen ausgewertet werden. Durch die Berücksichtigung dieser Variablen können die effizientesten Zuweisungsstrategien vorgeschlagen werden, um sicherzustellen, dass die Ressourcen effektiv genutzt werden und die Produktivität maximiert wird.
Intelligente Ressourcenprognose
Aus den historischen Daten von früheren Projekten und Ressourcenallokationen, können auch Prognosen abgeleitet werden.
Dazu ein Beispiel: Angenommen, ein Projektmanager ist für die Planung und Umsetzung einer Marketingkampagne für ein neues Produkt verantwortlich. Die KI kann analysieren, welche Marketingkanäle in der Vergangenheit erfolgreich waren, wie sich die Zielgruppe verhält und welche Ressourcen für ähnliche Kampagnen benötigt wurden. Basierend auf diesen Informationen kann die KI vorhersagen, welche Ressourcen wie Grafikdesigner, Copywriter und Social-Media-Experten für das zukünftige Projekt benötigt werden.
Prädiktive Ressourcenplanung
KI-Algorithmen können zukünftige Ressourcenverfügbarkeiten und -anforderungen auf der Grundlage von historischen Daten, Mitarbeiterzeitplänen und Projektanforderungen vorhersagen. Durch die Berücksichtigung von Faktoren wie Urlaub, Abwesenheit und anderen Verpflichtungen kann KI Projektmanagern helfen, potenzielle Ressourcenengpässe zu erkennen und die Projektzeitpläne entsprechend zu planen. Dieser proaktive Ansatz minimiert Ressourcenengpässe, sowie Überbuchungen, reduziert Projektverzögerungen und optimiert die gesamte Projektdurchführung.
3. Kommunikation und Zusammenarbeit
Natural Language Processing und Kommunikation
Effiziente Kommunikation ist im Projektmanagement von zentraler Bedeutung. KI-Technologien, wie die automatische Verarbeitung von natürlicher Sprache, ermöglichen intelligente Chatbots und virtuelle Assistenten, die projektbezogene Anfragen eines Projektmanagers zu verstehen und beantworten zu können. Diese KI-gesteuerten Kommunikationstools erleichtern die effiziente Zusammenarbeit, rationalisieren den Informationsaustausch und bieten den Projektbeteiligten sofortige Unterstützung, wodurch die Kommunikation verbessert und Verzögerungen verringert werden.
Echtzeit Projektmonitoring
KI-gestützte Projektmanagement-Tools können Projektaktivitäten in Echtzeit überwachen, indem sie Daten aus verschiedenen Quellen sammeln, z. B. aus dem Aufgabenfortschritt, aus Plattformen für die Zusammenarbeit im Team und aus Kommunikationskanälen. Durch die Analyse dieser Daten bieten KI-Algorithmen den Projektmanagern einen umfassenden Einblick in den Projektstatus, Engpässe und potenzielle Probleme. Die Überwachung in Echtzeit ermöglicht eine proaktive Entscheidungsfindung, rechtzeitiges Eingreifen und die Fähigkeit, Projekte auf dem Kurs zu halten.
Intelligentes Dokumentationsmanagement
Die Projektdokumentation spielt eine wichtige Rolle im Projektmanagement, und KI kann diesen Prozess optimieren und verbessern. KI-Algorithmen können Projektdokumente automatisiert kategorisieren und organisieren, relevante Informationen extrahieren und intelligente Suchfunktionalitäten bereitstellen. KI-gestützte Dokumentenmanagementsysteme können zudem potenzielle Lücken oder Inkonsistenzen in der Dokumentation erkennen und gewährleisten, dass die Projektteams bei Bedarf auf genaue und aktuelle Informationen zugreifen können.
4. Qualitätskontrolle und -sicherung
KI-gestützte Qualitätskontrollmechanismen können Projektleistungen analysieren und sie mit vordefinierten Qualitätsstandards und Benchmarks vergleichen. Durch den Einsatz von Techniken wie Bilderkennung und Verarbeitung natürlicher Sprache können KI-Algorithmen die Qualität von Projektergebnissen automatisch bewerten, Fehler oder Unstimmigkeiten identifizieren und ein umsetzbares Feedback liefern. Dies unterstützt Projektteams dabei, hohe Qualitätsstandards einzuhalten und fehlerfreie Ergebnisse zu liefern.
Wie kann das in der Praxis aussehen
Zum aktuellen Zeitpunkt entstehen immer mehr Tools, die einen zusätzlichen AI Assistenten eingebaut haben und dadurch die Bearbeitung von Dokumenten und bspw. Planung von Projekten unterstützen sollen. Aufgrund der Vielzahl an angebotenen Tools, möchte ich an dieser Stelle eines erwähnen, mit dem ich persönlich bereits Berührungspunkte hatte. Sollten für unterschiedliche Bereiche andere Voraussetzungen notwendig sein, kann es hilfreich sein einen Toolnamen zu kennen von dem man eine Suche nach Alternativen starten kann.
Notion Projects [6] – ist ein vernetztes Tool, das den gesamten Projekt-Workflow unterstützt und AI für jeden einzelnen Benutzer verfügbar macht. Der einzigartige Vorteil von Notion ist die Konnektivität mit anderen Tools, wie z. B. die Möglichkeit der Vorschau von Google Drive- und Figma-Dateien, die Integration mit GitHub zur Verfolgung von Produkt- und Entwicklungsteams, mit Slack zur Information der Teams über Projektneuigkeiten und Neuigkeiten und Änderungen.
KI ist in Notion enthalten, um verschiedene Aufgaben in unterschiedlichen Projektphasen zu automatisieren. KI-Autofill/AI-Schreibassistent ermöglicht die Erstellung von Zusammenfassungen, Meeting-Follow-ups und hält die Projektinformationen als Fortschritt auf dem Laufenden.
Zusammenfassung – Veränderung für Projektmanager
Die Integration von KI in das Projektmanagement bringt zahlreiche Vorteile mit sich, darunter eine verbesserte Entscheidungsfindung, eine optimierte Ressourcenzuweisung, eine höhere Produktivität, ein verbessertes Risikomanagement, eine effiziente Kommunikation sowie eine präzisere Planung und Vorhersage. KI kann zwar menschliches Fachwissen und Urteilsvermögen nicht ersetzen, aber sie ergänzt und befähigt Projektmanager, Projekte effektiver und effizienter durchzuführen. Mit dem weiteren Fortschritt der KI werden Projektmanager, die sich diese Technologien zu eigen machen, einen zusätzlichen Vorteil in einem zunehmend komplexen und dynamischen Geschäftsumfeld erlangen.
Fazit: Projektmanager können nicht so einfach ersetzt werden, die menschliche Komponente spielt in sehr vielen Projekten eine sehr große Rolle, welche durch künstliche Intelligenz nicht so einfach ersetzt werden kann, um auf Augenhöhe zu konkurrieren.
Es kann ihnen jedoch viel repetitive Arbeit abgenommen werden, wodurch ihnen mehr Zeit übrig bleibt, um sich der weiteren Planung, sowie auch der Problembehebung in Projekten zu widmen.
Hier noch eine kurze Liste an Tools und Namen die im Zuge der Recherche aufgekommen sind. Sie wurden allerdings nicht auf ihre Funktionalitäten oder Ausmaße an Unterstützung geprüft. Die Auflistung dient lediglich als Information und Startpunkt für eine mögliche Recherche zu Tools und Alternativen.
- Rescoper – eine KI-basierte Projektmanagement-Software. [7] Munir, Maria. “How Artificial Intelligence Can Help Project Managers.” (2019). – https://globaljournals.org/…
- Clickup – Cloud-basiertes Kollaborations- und Projektmanagement-Tool, das für Unternehmen aller Größen und Branchen geeignet ist.
- Polydone – eine Projektmanagement-Plattform für agile Teams.
Primäre Quellen
[1] Hofmann, Peter & Jöhnk, Jan & Protschky, Dominik & Urbach, Nils. (2020). Developing Purposeful AI Use Cases – A Structured Method and Its Application in Project Management. – https://www.researchgate.net/publication/337482021_Developing_Purposeful_AI_Use_Cases_-_A_Structured_Method_and_Its_Application_in_Project_Management/citation/download
[2] https://www.invensity.com/consulting/project-management/ki-im-projektmanagement/
[3] https://www.ausy-technologies.de/de/insight/kuenstliche-intelligenz-ki-im-projektmanagement~i3083
[6] https://www.notion.so/product/ai
[7] Munir, M. (2019). How Artificial Intelligence Can Help Project Managers. https://globaljournals.org/GJMBR_Volume19/2-How-Artificial-Intelligence.pdf
Sekundäre genutzte Quellen zur allg. Themenausarbeitung
– Referenz: AI Today Podcast (veröffentlicht 05.06.2019)(zugegriffen am 30.06.2023) – AI Today Podcast auf Spotify
Weiterführende Informationen
– Hilfreiche Seite zur Unterstützung in der Suche nach alternativen Tools: https://alternativeto.net/
SEQIS ist der führende österreichische Anbieter in den Spezialbereichen IT Analyse, Development, Softwaretest und Projektmanagement. Beratung, Verstärkung und Ausbildung: Ihr Partner für hochwertige IT-Qualitätssicherung. Weitere Informationen zum Unternehmen finden Sie unter www.SEQIS.com.
SEQIS GmbH
Wienerbergstraße 3-5
A1100 Wien
Telefon: +436648378719
Telefax: +43 (2236) 320320350
https://www.SEQIS.com
Marketing
Telefon: +43 2236 320 320 0
E-Mail: marketing@seqis.com
Managing Partner
Telefon: +43 2236 320 320 0
E-Mail: alexander.weichselberger@SEQIS.com
Die Geschichte von Artifical Intelligence
Das McColloch-Pitts-Neuron ist ein von Warren McCulloch und Walter Pitts vorgeschlagenes Neuronenmodell. Es sieht ein (künstliches) Neuron als inaktives und aktives Schaltelement an, welches den Wert 0 oder 1 besitzen kann, also binär ist. Das McCulloch-Pitts-Neuronenmodell ist das einfachste Neuronenmodell der Neuroinformatik. Das Modell wird heutzutage als erste Arbeit zu Künstlicher Intelligenz beziehungsweise künstlicher neuronaler Netzwerke angesehen.
1950 – Turing-Test / Imitation Game
In diesem Jahr stellte Alan Turing den Test in seinem Aufsatz „Computing Machinery and Intelligence“ vor. Dieser Test benötigt drei räumlich getrennte Terminals, von denen zwei von Menschen und einer von einem Computer bedient wird. Einer der Menschen ist Fragensteller und stellt den beiden anderen Fragen. Sowohl Mensch als auch Computer müssen den Fragesteller über die Terminals (schriftlich) überzeugen, dass sie menschlich sind. Kann der Fragesteller am Ende nicht sagen, welcher von beiden der Computer ist, hat die Maschine den Turing-Test bestanden.
1956 – „Artificial Intelligence“
Der Begriff "Artifical Intelligence" wurde im Sommer 1956 in der Dartmouth Conference zum ersten Mal offiziell erwähnt. Der volle Name dieser Konferenz war "Dartmouth Summer Research Project on Artificial Intelligence" und wurde von John McCarthy, Marvin Minsky, Nathaniel Rochester und Claude Shannon beantragt, geplant und durchgeführt. Auf dieser Konferenz trafen sich zehn Teilnehmer, um (unter anderem) herauszufinden, wie sie Maschinen dazu bringen können, Sprache zu verwenden, Spiele zu spielen, zu lernen und Abstraktionen und Konzepte zu bilden.
1958 – Perzeptron
Das "Perzeptron" (vom englischen "perception") ist ein von Frank Rosenblatt vorgestelltes mathematisches Modell eines künstlichen neuronalen Netzwerkes. In seiner einfachsten Variante aus aus einem einzigen Neuron mit einem Ausgang und mehreren Eingängen. Die binäre Ausgangsfunktion (0 oder 1) wird durch die Gewichtung der Eingänge und durch Schwellwerte bestimmt. Das Lernen verändert die Gewichtungen. Mit diesem Modell wird eine Maschine auf Basis des Prinzips von Versuch und Irrtum lernfähig. Typische Anwendungen des Modells sind die Analyse von Messdaten (z.B. Wetterdaten) oder Bilderkennung.
1958 – LISP
John McCarthy entwickelte 1958 die Programmiersprache LISP (Akronym für "list processing"), die bis heute immer noch verwendet wird – unter anderem im Bereich grundlegender Programmierung und künstlicher Intelligenz bis hin zu maschinellem Lernen und Quantencomputing. Historisch gesehen gehört LISP neben "Prolog" zu den wichtigsten Programmiersprachen für KI und ist nach Fortran die zweitälteste noch verbreitete Sprache.
1966 – Chatbot ELIZA
Das ELIZA-Programm von Joseph Weizenbaum gilt als einer der ersten Chatbots. Ziel war, aufzuzeigen, dass ein wahrer Dialog zwischen Mensch und Maschine nicht möglich ist und immer oberflächlich bleibt. Den Usern war es allerdings oft egal, dass sie mit einer Maschine kommunizierten, solange die Antworten „menschlich“ wirkten. Der Maschine wurden Gefühle und Verständnis zugeschrieben, die diese gar nicht besitzt – der sogenannte ELIZA-Effekt war geboren. Durch die Erlebnisse mit ELIZA wurde Weizenbaum zum Kritiker der „gedankenlosen Computergläubigkeit“ und mahnte seither immer wieder den kritischen Umgang mit Computern und betonte, dass die Kontrolle immer in menschlicher Hand bleiben und KI lediglich als Hilfsmittel zur Informationsbeschaffung genutzt werden sollte.
Man kann auch heute noch mit ELIZA reden: https://www.eclecticenergies.com/deutsch/psyche/eliza
1968 – Film "A Space Odyssee, 2001" ("2001 – Odyssee im Weltraum")
Marvin Minsky, einer der Gründerväter der KI und einer der Teilnehmer der Dartmouth Conference, diente Stanely Kubrick bei dem Film als technischer Berater mit dem Supercomputer HAL 9000. Durch den Input von Minsky konnte eine für den Zuschauer schlüssige Darstellung der künstlichen Intelligenz gezeigt werden, die zusätzlich wissenschaftlich belegt war. Der Film spiegelt die damaligen Vorhersagen von KI-Forschern wider und gilt weiters als cineastischer Meilenstein der Künstlichen Intelligenz, der viele Technologie-Visionäre bis heute inspiriert.
1966-1972 – Shakey, der erste universelle mobile Roboter
Shakey, der seinen Namen durch sein Zittern erlangt hatte, wurde von Forschern des Forschungsinstituts SRI erschaffen und hat einen legendären Status für seine erstmalige Vereinigung von Robotik und KI in einem System. Der Roboter ist fähig, ohne Schritt für Schritt-Anleitung selbstständig mit Hilfe seiner Tools (Kamera, Radioantenne, Detektoren, Bumper, usw.) seine Aufgaben auszuführen – wenn auch langsam.
1970er – "KI-Winter"
In den frühen 70er Jahren kam die KI-Forschung ins Stocken nachdem nach millionschweren Investionen die Forschung hinter den Erwartungen zurück blieb (bzw. die überhöhten Erwartungen nicht erfüllen konnte). Folge war eine Kürzung der Mittel und der Einzug des sogenannten "KI-Winters" durch die geminderte Forschung.
1972 – PROLOG
PROLOG (vom französischen "programmation en logique" abgeleitet) ist eine der wichtigsten logischen Programmiersprachen, welches ein deklaratives Programmieren ermöglicht. Sie wurde von Alain Colmerauer in den 70er Jahren entwickelt und eignet sich besonders für Probleme, die auf logischen Zusammenhängen basieren, bspw. auf dem Gebiet der Künstlichen Intelligenz und der Computerlinguistik.
1972 – SHRDLU
SHRDLU ist ein (absichtlich ohne tiefe Bedeutung benanntes) von Terry Winograd entwickeltes Programm, welches Blöcke nach vorgegebenen Kriterien mithilfe einer Roboterhand anordnen konnte. SHRDLU gilt als das erste Programm, das das Verstehen von Sprache mit der Simulation geplanter Handlungen verbindet. Allerdings blieb der Erfolg weit hinter den Erwartungen zurück, da Systeme dieser Zeit Schwierigkeiten bspw. beim Verstehen von Sprache und Bilden von Kategorien hatte (eine Aufgabe, die Menschen mit Leichtigkeit lösen können).
1972 – MYCIN-System
Das System ist ein Expertensystem (eines der ersten) für die medizinische Diagnose und Therapie von Infektionskrankheiten durch Antibiotika und wurde in der Programmiersprache LISP entwickelt. Auf Grundlage von Gesundheitsdaten und weiteren Eingaben des Arztes wird eine Diagnose erstellt, doch die letztgültige medizinische Entscheidung bleibt weiterhin beim Menschen, wodurch das MYCIN-System im Grunde die Rolle eines Consultants einnimmt (und somit auch besser von Zeitgenossen akzeptiert wurde).
1982 – Film „Tron“
Tron war seiner Zeit weit voraus. Im Film wurden bereist anno dazumal Themen angesprochen, die heutzutage viel diskutiert sind: Künstliche Intelligenz, Digitale Identität, Privatsphäre, personenbezogene Daten und die Dominanz von Big Tech. Tron war auch der erste Film, der die digitale Welt visualisiert hatte – dem "Cyperspace" (heutzutage evtl. eher "Metaverse"). Außerdem war Tron der erste Film, der längere Sequenzen von computer-generierten Bildern (CGI) verwendet hatte und somit als Vorreiter für viele digital generierte Filme gilt.
1983 – Film „War Games“
Dieser Film handelt von einem Supercomputer (WOPR), welcher beinahe einen Atomkrieg zwischen den USA und der Sowjetunion auslöst, doch durch das Spiel Tic-Tac-Toe aufgehalten werden konnte. Durch das Spiel lernte der Computer, dass es Spiele ohne Sieger geben kann und nach weiteren Analysen, dass "der einzige gewinnbringende Zug ist, nicht zu spielen". Der Film erschien zur Zeit des Kalten Krieges, doch auch danach hat die Vision vom Supercomputer, der den Faktor Mensch als Fehlerquelle auslöschen will, weiterhin bleibende Relevanz.
1984 – Film „Terminator“
SKYNET ist das nächste Kürzel filmischen Ursprungs, das für die Auslöschung der Menschheit durch künstliche Intelligenz steht – ein Thema, welches die damalige Einstellung bzw. Angst gegenüber Künstlicher Intelligenz widerspiegelt. Im Gegensatz zu WOPR entscheidet sich SKYNET für den Atomkrieg, gefolgt von Terminatoren, welche (im Gegensatz zu den Bomben) präziser zuschlagen können.
1991 – Dr. SBAITSO
Dr. SBAITSO (SoundBlaster Acting Intelligent Text-to-Speech Operator) ist ein KI-Sprachsyntheseprogramm aus dem Jahr 1991, das mit einem User mithilfe digitalisierter Stimmen kommuniziert, als wäre es ein Psychologe – häufig mit Fragen wie "Warum fühlst du so?".
1991 – Loebner-Preis
Der Loebner-Preis ist ein Wettbewerb, der zum ersten Mal im Jahr 1991 ausgetragen wurde, welches das "menschenähnlichste" Programm auszeichnet. Basis für die Tests ist der Turing-Test.
1994 – „ChatterBot“
Der Begriff „ChatterBot“ wurde von Michael Maulding geprägt – eine Mischung aus den Worten „Chat“ und „Bot“ (als Abkürzung für „Robot“). Von „ChatterBot“ wurde schließlich der Begriff „ChatBot“ abgeleitet, der auch heutzutage noch für virtuelle Assistenten verwendet wird.
1995 – A.L.I.C.E.
A.L.I.C.E. (Artificial Linguisitic Internet Computer Entity) wurde von 1995 weg von Richard Wallace auf Basis von AIML (Artificial Intelligence Markup-Language) entwickelt und gewann im Jahr 2000 zum ersten Mal den Loebner-Preis (der das "menschenähnlichste" Programm auszeichnet) gefolgt von 2001 und 2004.
1997 – Deep Blue
Am 11. Mai 1997 besiegte der IBM Computer namens „Deep Blue®“ den Schachweltmeister Garri Kasparov. Dieser Sieg wird als medial bedeutender Meilenstein in der KI-Forschung gewertet und sorgte unter anderem für Hysterie und Angst, bald von Maschinen ersetzt zu werden. Deep Blue war kein lernendes System, sondern nutzte seine enorme Rechenleistung, um bis zu 200 Millionen Schachstellungen pro Sekunde zu analysieren.
1997 – Jabberwacky
Jabberwacky wurde von Rollo Carpenter im Jahr 1997 veröffentlicht und ist ein Chatbot, der über natürliche Sprache und auf humorvolle, unterhaltsame Weise mit dem User interagiert. Der Chatbot verwendet sogenannte Mustererkennung zur Berechnung von passenden Antworten. Im Jahr 2005 und 2006 gewann Jabberwacky auch den Loebner-Preis und im Jahr 2008 wurde der Bot auf "Cleverbot" umbenannt.
2005 – Mitsuku
Mitsuku wurde ab 2005 von Steve Worswick entwickelt und gewann den Loebner-Preis in den Jahren 2013, 2016, 2017, 2018 und 2019. Es nutzt ein überwachtes Lern-Modell, bei dem die Entwickler die Regeln aktiv auf eine Weise anpassen, dass Mitsuku menschenähnlicher wirkt.
2010 – Siri
Siri, Apples bekannter Sprachassistent, wurde ursprünglich für das iPhone 4S im Oktober 2011 entwickelt, wobei es ursprünglich eine separate App für iOS war, welche im Februar 2010 veröffentlicht wurde. Es ist eine Software, das natürliche Sprache erkennen und verarbeiten kann, und dementsprechend auf Anfragen oder Befehle des Nutzers reagieren kann. Zudem kann Siri Muster in wiederkehrenden Eingaben von Usern erkennen, beherrscht also „Machine Learning“ um „Erfahrungen“ zu sammeln und so besser zu werden. Es ist zwar nicht der erste Sprachassistent in der Form, doch durch Siri wurden digitale Assistent bekannter und massentauglicher – und stellt somit einen wichtigen Meilenstein für die KI-Forschung dar.
2011 – Watson und Jeopardy
Im Februar 2011 nahm IBM’s Computer Watson, benannt nach dem IBM-Gründer Thomas John Watson, an einer Quizshow namens „Jeopardy!“ teil und gewann gegen zwei menschliche Gegner – Ken Jennings und Brad Rutter. Damit zeigte der Computer, dass er natürliche Sprache verarbeiten und komplexe Fragen beantworten konnte (und das schneller als seine menschlichen Mitspieler). Ein (späteres) Ziel für Watson war es, die Technologie für Bereiche zu verwenden, in denen Zeit kritisch ist – beispielsweise Ärzte für mögliche Diagnosen, um die Entscheidung für die finale Diagnose und Behandlung zu erleichtern; Einzelhändler, um ihren Käufern bessere Vorschläge geben zu können; Reisende, um ihre beste Route berechnen zu lassen; usw.
2012 – AlexNet
AlexNet ist eine Convolutional Neural Network (CNN) Architecture, welches am 30. September 2012 die ImageNet Large Scale Visual Recognition Challenge (LSVRC) gewonnen hat. AlexNet gilt als Grundstein für den Erfolg von Deep Learning in den Bereichen der Bilderkennung.
2013 – Film „Her“
"Her" ist ein Film über eine Liebesgeschichte zwischen Mensch und KI – ein komplett anderer Blickwinkel als noch vor einigen Jahren über eine mögliche Zukunft mit künstlicher Intelligenz.
2014 – GAN
GAN ("Generative Adversial Networks") ist ein Machine-Learning-System, das von Ian Goodfellow entwickelt wurde. Aufgabe eines GANs ist es, aufgrund einer handvoll von Beispieldaten eigene Kreationen zu erstellen – hauptsächlich für Bilderstellungen. Ziel ist es, dass den erzeugten Kreationen nicht ansehbar ist, dass sie nicht von Menschen erschaffen wurden. Um das bewerkstelligen zu können werden zwei neurale Netzwerke eingesetzt, die miteinander konkurrieren: Zum einen ein Generator-Netwerk, welches die Fälschung erzeugt. Und zum anderen ein Discriminator-Netzwerk, welches die erhaltenen Daten überprüft.
2014 – Alien Isolation
Alien: Isolation ist ein Survival Horror Spiel von Creative Assembly. Die Pfade und Verhaltensweisen des Aliens werden von zwei KIs überwacht, welche das Alien steuern. Zum einen die Director-KI, die sowohl Standort des Spielers und des Alien jederzeit im Auge behält und dem Alien regelmäßig Hinweise über den Standort des Spielers gibt (wobei nie der genaue Standort übergeben wird). Die zweite KI, vom Alien selbst, besteht aus einem sogenannten "Behaviour Tree" – einem Baumdiagram, welches regelt, unter welchen Bedingungen das Alien welches Verhalten zeigt. Auf diese Weise kann das Alien auf Inputs des Spielers "reagieren" beziehungsweise sein Verhaltensmuster darauf anpassen.
2014 – Alexa/ Amazon Echo
Alexa wurde von Amazon im Jahr 2014 vorgestellt und wird heute von Geräten wie Amazon Echo verwendet, um Sprachbefehle von Usern mit Hilfe des Internets auszuführen. So kann Alexa als persönlicher Assistent genutzt um beispielsweise Musik abzuspielen, To-Dos zu erstellen, Nachrichten oder Wetterberichte vorzulesen und so weiter. Durch die weite Verbreitung von Alexa kann man sagen: KI hält Einzug ins Wohnzimmer.
2016 – Tay
Tay war eine künstliche Intelligenz, die von Microsoft am 23. März 2016 gestartet wurde und durch die Interaktion über Twitter mit anderen Nutzern lernte. Doch nur 16 Stunden nach ihren Start wurde Tay bereits wieder ausgeschaltet, da sie ungefiltert aufnahm, womit man sie fütterte und anfing, rassistische und sexistische Äußerungen zu verbreiten. Tay stellt somit ein gutes Beispiel dar, welche Probleme und Gefahren mit der Verwendung von künstlicher Intelligenz auftreten können, sofern nicht die passenden Gegenmaßnahmen gesetzt werden.
2018 – CIMON (Crew Interactive Mobile Companion)
CIMON (Crew Interactive MObile companioN) ist der erste Roboter, der KI nutzt um frei schwebend mit Astronauten der ISS zu interagieren. Mit ihm soll erforscht werden, ob die Arbeit der Astronauten effizienter gemacht werden und der Stress reduziert kann, indem die Maschine auf positive Art mit den Astronauten interagiert.
2021 – EU-Leitlinien KI
Im Jahr 2021 schlug die Europäische Kommission den ersten EU-Rechtsrahmen für künstliche Intelligenz (KI) vor. Ziel war und ist es, KI mit einem risikobasierten Ansatz zu regulieren, um bessere Bedingungen für eine menschenzentrierte und ethische Entwicklung und Nutzung zu schaffen und sicherzustellen, dass in der EU eingesetzte KI-Systeme sicher, transparent, nachvollziehbar, nicht diskriminierend und umweltfreundlich sind.
2022 – Chat GPT
GPT steht für „Generative Pre-Trained Transformer“. ChatGPT ist ein Sprachmodell, das künstliche Intelligenz nutzt, um mit Nutzern über textbasierte Nachrichten zu kommunizieren. Das Model basiert auf großen Mengen an Daten aus dem Internet, an denen es geschult wurde, um menschenähnlich bzw. natürlich klingend antworten zu können. Veröffentlicht wurde ChatGPT vom amerikanischen Unternehmen OpenAI im November 2022.
Quellen und weiterführende Informationen
https://blog.solvatio.com/von-deep-blue-bis-alexa-die-geschichte-der-künstlichen-intelligenz
https://www.computerweekly.com/de/definition/Turing-Test
https://de.wikipedia.org/wiki/ChatGPT
https://chatgpt.ch
https://www.eclecticenergies.com/deutsch/psyche/eliza
https://katzlberger.ai/2018/08/31/eliza-der-erste-chatbot/
https://katzlberger.ai/2019/03/01/die-wichtigsten-meilensteine-der-kuenstlichen-intelligenz/
https://www.welytics.ai/blog/2019-08-30-geschichte-ki-teil1/
https://www.film.at/kuenstliche-intelligenz-die-15-besten-sci-fi-filme-zum-thema
https://asms.sa.edu.au/app/uploads/The-AI-of-Alien-Isolation-1.pdf
http://www.monizone.de/projects/knn/mathematischerhintergrund/mccullochpittsneuron/index.html
https://de.wikipedia.org/wiki/Dartmouth_Conference
https://www.computerweekly.com/de/definition/Lisp-Programmiersprache
https://www.bigdata-insider.de/was-ist-ein-perzeptron-a-798367/
https://theconversation.com/artificial-intelligence-talks-and-talks-the-story-since-2001-a-space-odyssey-96252
https://www.dlr.de/rd/desktopdefault.aspx/tabid-2277/3405_read-74309/
https://www.sri.com/case-study/the-man-the-myth-the-legend-meet-shakey-the-robot-the-worlds-first-ai-based-robot/
https://www.ps.uni-saarland.de/courses/seminar-ws03/LogischeProgrammierung.pdf
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2464549/pdf/procascamc00015-0074.pdf
https://www.theguardian.com/film/2022/jul/05/tron-steven-lisberger-interview
https://www.interlogica.it/en/insight-en/chatbot-history/
https://www.techradar.com/news/siri-10-year-anniversary
https://www.ibm.com/ibm/history/ibm100/us/en/icons/watson/
https://chatgpt.ch/faq/
https://www.europarl.europa.eu/news/de/headlines/society
https://www.chatbots.org/chatbot/
https://www.codecademy.com/article/history-of-chatbots
https://www.spiegel.de/netzwelt/web/microsoft-twitter-bot-tay-vom-hipstermaedchen-zum-hitlerbot-a-1084038.html
https://onlim.com/die-geschichte-und-entwicklung-von-chatbots/
https://www.ibm.com/ibm/history/ibm100/us/en/icons/deepblue/
https://www.ionos.at/digitalguide/online-marketing/suchmaschinenmarketing/generative-adversarial-networks/
https://asms.sa.edu.au/app/uploads/The-AI-of-Alien-Isolation-1.pdf
https://www.oeaw.ac.at/detail/news/gefangen-im-eliza-effekt
Rosenblatt, F. (1958). The perceptron: A probabilistic model for information storage and organization in the brain. Psychological review, 65(6), 386.
SEQIS ist der führende österreichische Anbieter in den Spezialbereichen IT Analyse, Development, Softwaretest und Projektmanagement. Beratung, Verstärkung und Ausbildung: Ihr Partner für hochwertige IT-Qualitätssicherung. Weitere Informationen zum Unternehmen finden Sie unter www.SEQIS.com.
SEQIS GmbH
Wienerbergstraße 3-5
A1100 Wien
Telefon: +436648378719
Telefax: +43 (2236) 320320350
https://www.SEQIS.com
Marketing
Telefon: +43 2236 320 320 0
E-Mail: marketing@seqis.com
Managing Partner
Telefon: +43 2236 320 320 0
E-Mail: alexander.weichselberger@SEQIS.com
Eye Tracking, immersive Medien, Holoportation
Immer, wenn ich Augmented Reality (kurz: AR) höre, fallen mir zwei Sätze ein.
„You have failed me for the last time, Admiral.“
„Help me, Obi Wan Kenobi, you are my only hope.“
Zwei Filmzitate, die sich bei vielen Menschen – auch bei mir – so sehr eingeprägt haben, dass wir sie untrennbar mit unserer Jugend in Verbindung bringen. Mit vor Staunen offenen Mündern verfolgten wir die Abenteuer unserer Helden und Heldinnen im Kino oder auf VHS-Kassette, und konnten nicht genug bekommen von Raumschiffen, fremden Kreaturen und technologischen Wunderwerken, die noch in weiter Zukunft schienen. Mit den oben genannten Zitaten erinnern wir uns an leuchtende, flackernde Hologramme, die in Echtzeit Gespräche zu Personen ermöglichten, die am anderen Ende der Galaxie auf unsere Neuigkeiten warteten.
Nun, was hat das nun mit Augmented Reality zu tun?
Leider haben wir es bis dato noch nicht geschafft, unseren Heimatplaneten zu verlassen, und auch mit exotischen Alien-Kreaturen sieht es aktuell noch eher mau aus – aber zumindest durften wir schon damals einen Blick darauf erhaschen, wie die Zukunft der Kommunikation aussehen könnte. Ein handlicher kleiner Roboter projiziert das Bild unseres Gegenübers auf den Tisch. Eine ganze Wand eines Raumes verwandelt sich in eine Projektionsleinwand, eine Theaterbühne oder einen überdimensionalen Kinosaal. Klingt sehr futuristisch!
Dabei ist die Idee von AR gar nicht so neu wie man glauben möchte. Die Wurzeln von AR reichen zurück bis in die 1960er Jahre, als Ivan Sutherland den Begriff „Augmented Reality“ prägte. Zusammen mit seinem Studenten Bob Sproull konstruierte er das erste „head mounted display system“. Zwar musste dieses aufgrund des enormen Gewichtes noch mit Ketten von der Raumdecke auf den User herabgesenkt werden (und trug dabei den passenden Namen „Sword of Damocles“), und die visuellen Geschehnisse beschränkten sich auf räumliche Darstellungen aus Wireframes, aber dieser erste wichtige Schritt war getan. Ein weiterer bedeutender Meilenstein war die Einführung des GPS-Systems, welches die genaue Verfolgung und Positionierung von Objekten in der realen Welt ermöglichte.
Aber nur durch den raschen technologischen Fortschritt der letzten zwanzig Jahre konnten Geräte entwickelt werden, welche die Möglichkeiten von AR einerseits für alle erschwinglich machen, andererseits durch ihr leichtes und komfortables Design auch überallhin mitgenommen werden können. Bereits heute wird Augmented Reality in verschiedenen Bereichen der Kommunikation eingesetzt, ein Beispiel dafür ist die Werbe- und Marketingbranche. Unternehmen nutzen AR, um ihre Produkte und Dienstleistungen auf innovative und interaktive Weise zu präsentieren. Kunden können mithilfe von AR-Apps beispielsweise Möbelstücke in ihren eigenen Räumen visualisieren oder Kleidungsstücke virtuell anprobieren, um eine bessere Vorstellung von ihrem Aussehen zu bekommen.
Im Bereich der sozialen Medien ist AR ebenfalls nicht mehr wegzudenken. Plattformen wie Snapchat, TikTok und Instagram bieten Filter und Effekte an, die AR verwenden, um Fotos und Videos zu verschönern oder lustige Elemente hinzuzufügen. Dies ermöglicht den Nutzern, auf spielerische Weise zu kommunizieren und ihre Inhalte zu personalisieren, andererseits kann dies auch zu skurrilen Situationen führen (wir erinnern uns an den Rechtsanwalt, der via ZOOM live zu einer Gerichtsverhandlung zugeschaltet wurde, und dabei versehentlich einen Filter verwendete, welcher sein Gesicht mit dem einer Katze vertauschte).
Die Weiterentwicklung von VR-Brillen geht dabei noch einen Schritt weiter, indem sie nicht nur passiv Unterstützung leisten, sondern aktiv im Lehrwesen und in der Bildung eingesetzt werden. Lehrer:innen nutzen AR mittels VR-Brillen, um komplexe Konzepte anschaulicher zu vermitteln. Mithilfe von AR können etwa dreidimensionale Modelle von Organen im Biologieunterricht betrachtet oder historische Ereignisse in Form von virtuellen Rekonstruktionen erlebt werden. Die hierbei verwendete Technologie des „Eye Trackings“ hilft dabei, Details der angezeigten Umgebung hervorzuheben oder zusätzliche Informationen abzurufen, ohne mit Handgesten oder User Interfaces hantieren zu müssen.
Ein bemerkenswertes Beispiel für die Verwendung von Augmented Reality in der Kommunikation ist Microsoft Holoportation. Sie ermöglicht es Menschen, sich in Echtzeit als holografische Abbilder an entfernten Orten zu präsentieren und miteinander zu interagieren. Weit entfernt von den pixeligen, verzerrten Bildern ihrer Vorgänger verwendet Holoportation hochqualitative 3D-Modelle, welche durch den gleichzeitigen Einsatz von VR-Brillen wie der Hololens tatsächlich die Illusion schaffen können, dass der Gesprächspartner oder die Gesprächspartnerin sich tatsächlich im selben physischen Raum befinden. Hierfür nutzt Holoportation eine Reihe von Kameras und Sensoren, um das Aussehen, die Proportionen, Bewegungen und Töne einer Person zu erfassen. Diese Informationen werden in Echtzeit übertragen und als holografisches Abbild am Zielort rekonstruiert. Virtuelle Meetings zwischen Teams und Gesprächspartner:innen auf der ganzen Welt erhalten hierdurch ungeahnte Möglichkeiten, miteinander zu agieren. Speziell nonverbale Kommunikation und Körpersprache werden durch die Nutzung von Online-Meetings via Webcam stark beschnitten und eingeschränkt. Dies ist ein Grund dafür, dass viele Menschen Meetings „vor Ort“ bevorzugen. Aber gerade globale Pandemien wie COVID-19 zeigen wiederum, dass der direkte Kontakt zwischen Menschen manchmal sehr riskant sein kann – beruflich wie privat. Und hier greift AR unterstützend ein. Durch die Schaffung einer immersiven und realistischen Erfahrung können Personen über große Entfernungen hinweg miteinander interagieren, als wären sie physisch präsent. Dies hat das Potenzial, die Art und Weise zu verändern, wie wir miteinander umgehen, zusammenarbeiten und unsere Erfahrungen teilen, indem wir physische Barrieren überwinden und eine tiefere Ebene der menschlichen Interaktion ermöglichen.
Für Cyberpunk- und Science-Fiction-Fans scheint mit AR ein Traum in Erfüllung zu gehen. Man schlendert durch eine Einkaufsstraße und trägt nichts bei sich außer einer minimalistischen VR-/AR-Brille. Diese besitzt kein Display mehr, sondern projiziert die digitalen Bilder bzw. das User Interface direkt auf die Netzhaut. Der Lieblingsitaliener ums Eck weist mittels eingeblendeten Popups darauf hin, dass er heute ein 1+1 Pizza gratis Angebot anbietet. Ein Blick auf das Bankgebäude gegenüber zeigt einem die aktuellen Aktienkurse, wieviel man auf dem Konto hat, und welche Geldanlagen gerade die meisten Zinsen bringen könnten. Währenddessen folgt man wie in Trance dem großen Wegweiser, der vor einem auf den Boden eingeblendet wird, und die kürzeste Strecke zum nächsten Kino zeigt. Der Anruf der Freundin, die sich etwas verspäten wird, zeigt sie einem als holographische Projektion vor sich – fast so, als wenn sie in Fleisch und Blut vor einem stehen würde. Bezahlung via Fingerabdruck? Geht auch unterwegs. Wetterbericht? Im Gesichtsfeld ganz rechts oben. Taxi für nach dem Kino? Wird mittels Augenbewegung schon mal vorbestellt. Den Lieblingssong im Ohr bewegen wir uns durch die digitale Welt. Zukunftsmusik? Ja – aber die ersten Schritte sind schon längst getan.
Wie werden wir mit AR umgehen? Werden wir, wie in dystopischen Filmen oft dargestellt, den Verlockungen der digitalen Welt erliegen? Werden wir unser soziales Leben aufgeben, nur noch mit virtuellen Freundschaften umgehen können, nur für den nächsten Kick im Netz leben, mit aus der Schläfe ragendem Kabel and summenden Maschinen angeschlossen sein, nur noch ein Schatten von dem, was einst „Mensch“ genannt wurde?
Ich denke nicht, dass es so weit kommen wird. Der physische Kontakt, die menschliche Nähe und Wärme, die Emotionen, das Gefühl einer realen Person, die vor einem steht – all diese für Menschen unverzichtbaren Bestandteile des Lebens wird Technologie nicht ersetzen können. Und das soll sie ja auch nicht. Sie soll erweitern. Verbessern. Augmentieren. Und dafür steht der Begriff Augmented Reality ja schlussendlich.
SEQIS ist der führende österreichische Anbieter in den Spezialbereichen IT Analyse, Development, Softwaretest und Projektmanagement. Beratung, Verstärkung und Ausbildung: Ihr Partner für hochwertige IT-Qualitätssicherung. Weitere Informationen zum Unternehmen finden Sie unter www.SEQIS.com.
SEQIS GmbH
Wienerbergstraße 3-5
A1100 Wien
Telefon: +436648378719
Telefax: +43 (2236) 320320350
https://www.SEQIS.com
Marketing
Telefon: +43 2236 320 320 0
E-Mail: marketing@seqis.com
Managing Partner
Telefon: +43 2236 320 320 0
E-Mail: alexander.weichselberger@SEQIS.com
SEQIS Referenzbericht: ADMIRAL Sportwetten GmbH
Die Aufgabenstellung
Michael Hentze: „Die Aufgabenstellung bestand darin, das manuelle Testportfolio aktiv in die Automatisierung zu überführen, mitsamt allen Rahmenbedingungen, was agile Vorgehensweisen betrifft."
Die Lösung
Michael Hentze: „Für die Automatisierung mit dem Tool „Tosca“ wurden zunächst die erforderlichen Rahmenbedingungen geschaffen. Dies erforderte einen intensiven Abstimmungsaufwand mit den Entwicklern, da spezielle Elemente in der Software, sogenannte ID Identifier, gesetzt werden mussten. Gleichzeitig liefen manuelle Tests parallel zur schrittweisen Automatisierung. Dabei erfolgte eine ständige Abstimmung mit den Projektmanagern (PMs) und den Produktverantwortlichen (POs) hinsichtlich der Sinnhaftigkeit der Automatisierung und der Notwendigkeit, Regressionstests beizubehalten. Es wurde eruiert, an welchen Stellen eine Customisierung vorgenommen werden sollte, um eine erfolgreiche Automatisierung zu ermöglichen. Diese Prozesse erforderten kontinuierliche Abstimmung mit dem gesamten Team, bestehend aus Testerinnen und Tester, Entwicklerinnen und Entwicklern und Produktmanagerinnen und Produktmanagern."
Transformation im Testing: Erfolgreiche Automatisierung im agilen Umfeld
Das Gespräch
-
Michael Hentze, Head of Division Engineering Sports
-
Sandra Benseler, SEQIS Sales Managerin
Sandra Benseler: Wie ist es konkret zur Zusammenarbeit mit SEQIS gekommen?
Michael Hentze: Der Übergang zur Automatisierung brachte die Notwendigkeit mit sich, auf externes Fachwissen zurückzugreifen. Zu Beginn stand man vor der Aufgabe, alles von Grund auf neu aufzubauen. Der Druck, die Automatisierung voranzutreiben und zu fördern, war offensichtlich, jedoch musste gleichzeitig die bestehende Qualitätssicherung und Softwarestabilität aufrechterhalten werden. Dies erforderte die parallele Durchführung von Automatisierung und manuellem Testing.
Eine weitere Herausforderung bestand darin, wie schnell externe Teammitglieder das Wissen aufbauen, Prozesse optimieren und das Produkt verstehen und sicher damit umgehen konnten. Durch entsprechende Onboardings wurde das Wissen jedoch schnell aufgebaut.
Sandra Benseler: Welchen technischen Bereich umfasste die Tätigkeit?
Michael Hentze: Im Sportwettenbereich gliedern wir unser Produkt in zwei wesentliche Bereiche. Zum einen haben wir das Portal, das sich auf Kundenregistrierung, Administration, Pay-in/Pay-out, sowie Compliance-Themen konzentriert. Dann gibt es natürlich das Sportwettenangebot – das Sportsbook. Und hier war auch SEQIS tätig und das quer über das gesamte Portfolio, das heißt über die Webseite, bis hin zu den Terminals. Hier geht es darum, die Daten zu pflegen, zu verwalten und mithilfe von entsprechenden Backoffice-Tools an die verschiedenen Endgeräte auszuliefern.
Natürlich ist es wichtig zu betonen, dass Geschwindigkeit in diesem Prozess oberste Priorität hat. Der Kunde erwartet, dass das Ergebnis des Events oder auch Updates in wenigen Sekunden präsentiert werden, und diese Anforderungen müssen eine Last aushalten. Ebenso ist es von großer Bedeutung für den Kunden, dass er im Falle eines Gewinns sein Geld zügig zurückerhält. Diese Faktoren stellen wesentliche Aspekte dar, die in diesem Kontext von entscheidender Bedeutung sind.
Sandra Benseler: Mit welchem Tool wird die Testautomatisierung durchgeführt?
Michael Hentze: Tosca ist hier unser führendes Tool. Tosca, ermöglicht die umfassende Automatisierung aller Prozesse, einschließlich der Dokumentation manueller Tests. Dabei stellt es sicher, dass alle Teams reibungslos zusammenarbeiten können. Richtung Management sind natürlich entsprechende Reports wichtig, die uns auch Tosca liefern kann.
Ein weiterer wichtiger Bestandteil unseres Ablaufs ist das Sprintboard, das wir in Jira nutzen, um die Arbeit im aktuellen Sprint effizient zu organisieren.
Sandra Benseler: Welche Erfahrungen wurden mit Homeoffice gemacht?
Michael Hentze: Ich finde, dass Homeoffice in den letzten Jahren ein sehr spannendes Thema war. Noch vor höchstens fünf Jahren war es üblich, unabhängig von der jeweiligen Rolle, sei es als Entwickler oder Tester, die meiste Zeit im Büro zu verbringen. Doch dies änderte sich schlagartig mit dem Ausbruch von Corona. Bei ADMIRAL war das technologisch kein so großes Thema. Wir waren für Remote Arbeit grundsätzlich von Anfang an ganz gut ausgestattet. Daher war es weniger ein technisches Problem, sondern es veränderte natürlich auch die Zusammenarbeit. Die Produktivität hat darunter nicht gelitten – unsere KPIs sind erhalten geblieben.
Mittlerweile ist der Status quo, dass wir eine Mischform haben. Bei uns ist Homeoffice nach wie vor möglich, aber wir arbeiten nicht mehr zu 100% von zu Hause aus.
Ein wichtiger Aspekt ist natürlich das Onboarding neuer Mitarbeiterinnen und Mitarbeiter. Hier ist es von Vorteil, im Büro zu sein, um persönliche Kontakte zu knüpfen und Tools sowie Abläufe den Kolleginnen und Kollegen näherzubringen.
Sandra Benseler: Thema „Shift-Left“ – welche Erfahrungen wurden hier gemacht?
Michael Hentze: Als die Zusammenarbeit mit SEQIS begonnen hat, gab es Shift-Left noch nicht. Der Test, war ein eigenes Competence Center, also ein eigenes Team. Vor gut drei Jahren, haben wir uns dazu entschlossen, den Test ins Development zu shiften, also auch wirklich in die Engineering Unit zu shiften. Ich bin fest davon überzeugt, dass dies ein positiver Schritt war, der die Entwicklungszeiten verkürzt und die Kosten senkt. Ich sehe den Test als gemeinsame Aufgabe des agilen Teams, was aber nicht heißt, dass es nicht zwei getrennte Rollen gibt – Entwickler und Tester. Es ist nur ein gemeinsamer Task, der erledigt werden muss, jedoch mit einer klaren Rollenverteilung.
Sandra Benseler: Vielen Dank für das Interview und die großartige Zusammenarbeit.
„Ich vergleiche Software-Testing gerne mit Motorradfahren, in beiden Fällen geht es darum, ein Gleichgewicht zwischen Risikomanagement, Geschwindigkeit, Präzision und ständiger Verbesserung zu finden, um letztendlich ein optimales Ergebnis zu erzielen. Das konnten wir gemeinsam mit der Transformation in eine erfolgreiche Testautomatisierung erreichen." – Volker Schüller – People Guide & Lead Engineer Testing
Wenn ihr mehr über unsere Arbeit im Bereich der Testautomatisierung erfahren möchtet, besucht gerne unsere Webseite und entdeckt unsere neue Referenzstory.
Darum SEQIS: https://www.seqis.com/…
Unsere Leistungen: https://www.seqis.com/…
SEQIS ist der führende österreichische Anbieter in den Spezialbereichen IT Analyse, Development, Softwaretest und Projektmanagement. Beratung, Verstärkung und Ausbildung: Ihr Partner für hochwertige IT-Qualitätssicherung. Weitere Informationen zum Unternehmen finden Sie unter www.SEQIS.com.
SEQIS GmbH
Wienerbergstraße 3-5
A1100 Wien
Telefon: +436648378719
Telefax: +43 (2236) 320320350
https://www.SEQIS.com
Marketing
Telefon: +43 2236 320 320 0
E-Mail: marketing@seqis.com
SEQIS Referenzbericht: ZETA GmbH
Georg Kotsis: „razzfazz.io wurde von uns mit der Erstellung von browser-basierten Lebensläufen und Mitarbeiter*innenprofilen auf Basis einer OpenSource Software beauftragt. Das Ergebnis kann sich sehen lassen: Das Team punktete dank perfektem Requirements-Engineering mit effizienter Software-Anpassung, sowie exakter Testung und Qualitätssicherung. Die Anpassungen beinhalteten neben der Umstellung der Datenbank und des Authentication Providers, auch die fachliche Unterstützung bei der Optimierung der CV Sections, der Layoutstandardisierung uvm. Zudem gab es technische Unterstützung beim Hosting der Software. Der gesamte Entwicklungsprozess erfolgte sehr professionell und effizient. Wir sind mit der erhaltenen Lösung äußerst zufrieden." – Georg Kotsis, Corporate Head of Enterprise Management ZETA GmbH
SEQIS ist der führende österreichische Anbieter in den Spezialbereichen IT Analyse, Development, Softwaretest und Projektmanagement. Beratung, Verstärkung und Ausbildung: Ihr Partner für hochwertige IT-Qualitätssicherung. Weitere Informationen zum Unternehmen finden Sie unter www.SEQIS.com.
SEQIS GmbH
Wienerbergstraße 3-5
A1100 Wien
Telefon: +436648378719
Telefax: +43 (2236) 320320350
https://www.SEQIS.com
Marketing
Telefon: +43 2236 320 320 0
E-Mail: marketing@seqis.com
Managing Partner
Telefon: +43 2236 320 320 0
E-Mail: alexander.weichselberger@SEQIS.com
SEQIS Referenzbericht: ÖV Ticketshop GmbH
ÖV Ticketshop GmbH
Die ÖV Ticketshop GmbH gestaltet, entwickelt und betreibt Österreichs größte digitale Mobilitätsplattform. Als marktführendes Softwareunternehmen für Software im öffentlichen Verkehr betreut das Unternehmen Kund:innen ganzheitlich vom Smartphone bis zum Ticketautomaten.
Der Ticketshop arbeitet seit langem agil und erhöht damit kontinuierlich den Reifegrad der Organisation. Ein adaptiertes Framework mit Methoden aus Kanban und Scrum ermöglicht Skalierbarkeit, schnelle Entscheidungsprozesse, flache Hierarchien und Leadership auf jeder Ebene.
Ziele
Die beständige Evolution DER zentralen österreichischen Vertriebsplattform für den öffentlichen Verkehr stellt sicher, dass die Angebote für die Kund:innen heute und auch morgen attraktiv und leicht erreichbar sind.
Die Aufgabenstellung
Requirements-Engineering Expertinnen und Experten analysieren den Änderungsbedarf, entwerfen geeignete Lösungen und setzen diese in eine erforderliche technische Beschreibung um. Sie sorgen auch dafür, dass die Anforderungen im Projekt systematisch analysiert und erfasst werden. Entwickler:innen und Tester:innen können so auf einer optimalen Basis aufbauen.
Aktivitäten Requirements Engineering: Scoping, Anforderungsanalyse, Anforderungsspezifikation, Anforderungsdokumentation, Anforderungsvalidierung, Anforderungsmanagement im agilen Softwareumsetzungsumfeld, etc.
Business Analyse: Die Schlüsselkomponente für innovative digitale Lösungen im
Bereich der klimafreundlichen Mobilität!
Das Gespräch
-
Anna Paltauf – Geschäftsführerin ÖV Ticketshop GmbH
-
Sandra Benseler – SEQIS Sales Managerin
Sandra Benseler: Liebe Frau Paltauf, könnten Sie uns bitte den Bereich Ticketshop erläutern.
Anna Paltauf: Wir liefern Lösungen für alle, die in Österreich und im Ausland mit öffentlichen Verkehrsmitteln unterwegs sind. Das sind nationale und internationale Fahrgäste, angefangen bei Babys über Pendler und Touristen bis hin zu Haustieren. Also alle, die pünktlich und umweltfreundlich an ihr Ziel kommen wollen.
Sandra Benseler: Gibt es besondere Herausforderungen, die Ihr Unternehmen von anderen unterscheidet?
Anna Paltauf: Ja, und zwar sowohl in positiver als auch in etwas einschränkender Weise. Positiv ist sicherlich der Unterschied, dass wir nicht im Wettbewerb auf dem Markt stehen, sondern wir haben mit dem Personenverkehr einen gesicherten Auftraggeber und damit eigentlich eine gesicherte Finanzierung. Die Kundenakquise bzw. der Wettbewerb ist daher kein Thema, auf das wir primär den Fokus legen müssen.
Die Herausforderung besteht darin, alle ÖV Tarife in Österreich und teilweise auch ausländische Tarife umzusetzen. Die Komplexität ergibt sich vor allem daraus, dass jeder Verkehrsverbund sein eigenes Tarifsystem hat. Und wir müssen einfach alle Anforderungen unter einen Hut bringen.
Sandra Benseler: Das Requirements Engineering bzw. die Business Analyse genießt in Ihrem Unternehmen einen hohen Stellenwert. Erläutern Sie uns bitte den Mehrwert, den Sie darin sehen?
Anna Paltauf: In unserem Arbeitsumfeld haben alle Funktionen einen hohen Stellenwert. In diesem komplexen Umfeld ist oft Kreativität gefragt, um zu überlegen, wie bestimmte Aspekte technisch effizient umgesetzt werden können und gleichzeitig den gewünschten Mehrwert liefern, der ursprünglich geplant war. Dieses Zusammenspiel ist entscheidend. Der/die Analyst:in übersetzt das Gesamtkonzept in Storys, damit die Entwickler:innen es erfolgreich umsetzen können. Damit ist eine große Verantwortung verbunden, denn es muss sichergestellt werden, dass unterwegs keine Informationen verloren gehen – ähnlich wie beim Spiel „Stille Post“. Die große Herausforderung in der Analyse besteht zweifellos darin, all diese Aspekte ganzheitlich zu betrachten.
Sandra Benseler: Gibt es einen Aspekt in der Zusammenarbeit mit SEQIS, der Sie besonders beeindruckt hat, bzw. etwas, das Sie als wesentlichen Nutzen für Ihr Unternehmen im Rahmen der Zusammenarbeit empfinden?
Anna Paltauf: Für uns zählt nicht das Unternehmen selbst, mit dem wir zusammenarbeiten, sondern die Menschen, die bei uns arbeiten. Es spielt für uns grundsätzlich keine Rolle, ob jemand intern oder extern ist. Wenn jemand extern kommt, ist es für uns besonders wichtig, dass er oder sie von seinem/ihrem Dienstgeber auf das entsprechende Verständnis stößt. Gerade wenn jemand schon viele Jahre zu 100% für uns arbeitet, ist es frustrierend, wenn trotz hoher Anerkennung und Wertschätzung beim Kunden im eigenen Unternehmen keine Beförderungen, Gehaltserhöhungen oder Weiterbildungsmöglichkeiten angeboten werden. Bei SEQIS scheint es offensichtlich eine hohe Übereinstimmung zu geben, da die Mitarbeiter:innen bereits seit vielen Jahren im Unternehmen tätig sind.
Sandra Benseler: Vielen Dank für die netten Worte. Wir freuen uns auf viele weitere erfolgreiche Jahre!
Wenn Sie mehr über unsere Arbeit im Bereich Requirements Engineering bzw. Business Analyse erfahren möchtet, besucht gerne unsere Webseite.
Darum SEQIS: https://www.seqis.com/de/
Unsere Leistungen: https://www.seqis.com/…
SEQIS ist der führende österreichische Anbieter in den Spezialbereichen IT Analyse, Development, Softwaretest und Projektmanagement. Beratung, Verstärkung und Ausbildung: Ihr Partner für hochwertige IT-Qualitätssicherung. Weitere Informationen zum Unternehmen finden Sie unter www.SEQIS.com.
SEQIS GmbH
Wienerbergstraße 3-5
A1100 Wien
Telefon: +436648378719
Telefax: +43 (2236) 320320350
https://www.SEQIS.com
Marketing
Telefon: +43 2236 320 320 0
E-Mail: marketing@seqis.com
