
Analyse der Nutzung von KI für AENEAS (ANUKI)
Monitoring und Controlling von Software- und Systementwicklungsprojekten sind durch die Komplexität der Projekte mit großem Aufwand verbunden. Einem „gefühlten“ Projektstatus in Entscheidungsfindungsprozessen zu folgen ist unangemessen und, ob der Natur von Softwareprojekten in der Raumfahrt, grob fahrlässig. Die hierfür erforderliche, systematische und risikogetriebene Projektsteuerung muss auf der Grundlage objektiver und eindeutig messbarer Qualitätskennzahlen, sogenannter Metriken, erfolgen. Nur auf der Grundlage von verlässlichen Zahlen ist eine faktenbasierte Entscheidungsfindung möglich.
Durch die Größe und Komplexität von Raumfahrtprojekten, die üblicherweise in einer internationalen Kooperation erfolgen, ist die Auswahl, Erfassung und Interpretation der für ein Projekt relevanten Metriken nicht einfach, denn sie müssen u.a. klar, objektiv, angemessen und aussagekräftig sein. Bereits hier kann es zu Schwierigkeiten in projektinternen wie auch in projektübergreifenden Abstimmungen, etwa zwischen Auftraggeber und Auftragnehmer kommen. Werden bei allen Parteien dieselben Metriken verwendet? Ist die Datenerfassung vergleichbar – und somit auch die Datenauswertung? Werden alle verwendeten Metriken durch die beteiligten Parteien in der gleichen Weise verstanden und interpretiert?
Der Lösungsansatz des Projekts ANuKI besteht im Wesentlichen aus drei Teilen:
- Erfassung von Messdaten: Aufbauend auf der Struktur des Vorläuferprojekts AENEAS sollen relevante Artefakttypen (Code, Anforderungen etc.) identifziert werden. Für diese Artefakttypen sollen relevante Metriken identifiziert und in einem standardisierten Metrik-Katalog erfasst werden. Für die identifizierten Metriken soll untersucht werden, in welchem Umfang KI eingesetzt werden kann, um diese Metriken zu erfassen. Ein besonderer Fokus liegt hierbei auf der Behandlung von Anforderungen in natürlicher Sprache.
- Nutzung von Messdaten: Für die Nutzung der erfassten Daten sollen relevante Anwendungsfälle identifiziert werden. Insbesondere sollen relevante (Sub-)Prozesse identifiziert und modelliert werden, sodass geeignete KI-Techniken auf die Messdaten appliziert werden können.
- Verknüpfung von Messdaten und Projekt-Controlling: Es soll untersucht werden, welche Anwendungspotenziale sich aus der Nutzung von Messdaten für das Projekt-Controlling ergeben. An den zuvor identifizierten, ausgewählten (Sub-)Prozessen soll dieses Potenzial untersucht werden.
Die konkrete Aufgabenstellung für das Projekt ANuKI ist somit: Analyse der Möglichkeiten, welche KI in der automatisierten Datenerfassung und Nutzung der erfassten Daten hat.
Laufzeit
Projektpartner
Fördergeber
Projektergebnisse
Das Projekt ANuKI hat vielfältige Projektergebnisse generiert. Die im Projekt erstellten Softwarekomponenten und erläuternde Videos sind auf GitHub und auf YouTube zu finden:
Publikationen
In ANuKI wurden 9 wissenschaftliche Publikationen erstellt:
- K. Vasylieva, M. Kuhrmann, M. Xavier and J. Klünder: How Agile Are you? Discussing Maturity Levels of Agile Maturity Models. 49th Euromicro Conference on Software Engineering and Advanced Applications (SEAA), 2023
- K. Vasylieva, S. Küpper, and M. Kuhrmann: Breaking old Habits: On Success Factors in Software Process Improvement. Proceedings of the International Conference on Software and Systems Processes (ICSSP), 2024
- K. Vasylieva, T. Brenner, M. Kuhrmann and J. Münch: Enhancing Transparency in Space Metrics Use: Insights from an Initial Study. Product-Focused Software Process Improvement (PROFES), 2024
- P. Beyersdorffer, J. Münch, M. Kuhrmann: Alignment of Quality Models for Assessing Software Requirements in Large-scale Projects: A Case from Space. (ICE/ITMC), 2023: 1-9
- R. Korfmann, P. Beyersdorffer, J. Münch, M. Kuhrmann: Using Data Augmentation to Support AI-based Requirements Evaluation in Large-scale Projects. 31st European Conference Systems, Software and Services Process Improvement (EuroSPI), Springer, 2024
- R. Korfmann, P. Beyersdorffer, R. Gerlich, J. Münch, M. Kuhrmann: Overcoming Data Shortage in Critical Domains With Data Augmentation for Natural Language Software Requirements. Journal of Software: Evolution and Process, 37(5), Wiley, 2025
- M. Bülbül, P. Straub, J. Münch, M. Kuhrmann: Towards Generating Measurable Artifact Models from Standards in Regulated Domains. (Profes,) 2024
- J. C. Guzman, H. Dörr, C. Gruber, J. Münch, M. Kuhrmann: On the Derivation of Quality Assurance Plans from Process Model Descriptions. (Profes), 2024
- J. C. Guzman, H. Dörr, T. Brenner, R. Gerlich, J. Münch, M. Kuhrmann: Towards Generating Compliance Action Plans: A Discussion of Needs and Opportunities. (Profes), 2024
Ihr Ansprechpartner

Professor für Agile Systementwicklung