Anforderungsmanagement in der Praxis: Prozess und KI
Bis zu 80 Prozent gescheiterter Softwareprojekte gehen nicht auf schlechten Code zurück, sondern auf schlechte Anforderungen. Der Fehler passiert Monate vor dem ersten Release, in Meetings und Tickets, die niemand mehr überprüft. Dieser Beitrag erklärt, was Anforderungsmanagement wirklich ist, warum unklare Anforderungen so viel Geld kosten, wie der Prozess in der Praxis abläuft und was sich durch KI gerade grundlegend verändert.
Was ist Anforderungsmanagement?
Anforderungsmanagement ist der strukturierte Prozess, mit dem ein Team Anforderungen an ein Produkt erhebt, dokumentiert, priorisiert, mit Stakeholdern abstimmt und über den gesamten Entwicklungszyklus nachverfolgt.
Das Ziel ist einfach zu formulieren und schwer zu erreichen: Am Ende soll das gebaute Produkt exakt dem entsprechen, was Nutzer und Stakeholder tatsächlich gebraucht haben. Gutes Anforderungsmanagement stellt genau diese Verbindung her und deckt Fehler früh auf, wenn sie noch billig zu beheben sind.
Verantwortlich ist meist der Produktmanager. Beeinflusst werden Anforderungen aber von allen: von Kunden, Vertrieb, Support, Entwicklung, Betrieb und Management. Genau deshalb ist Anforderungsmanagement weniger ein Dokumentationsproblem als ein Kommunikationsproblem.
Die drei Arten von Anforderungen
Anforderungen lassen sich in drei Kategorien einteilen, die im Alltag oft durcheinandergeraten:
- Funktionale Anforderungen beschreiben, was ein System können muss. Beispiel: Ein Nutzer soll sich mit seinem Firmenkonto anmelden können.
- Nicht-funktionale Anforderungen beschreiben, wie gut es das können muss. Beispiel: Die Anmeldung lädt innerhalb von drei Sekunden. Sicherheit, Zuverlässigkeit und Bedienbarkeit fallen hierunter.
- Fachliche Anforderungen beschreiben, welche Normen und Vorschriften gelten. Beispiel: Eine Anwendung im Gesundheitswesen muss regulatorische Vorgaben zum Datenschutz erfüllen.
Der häufigste Fehler liegt bei den nicht-funktionalen Anforderungen. Sie werden selten aufgeschrieben, weil alle sie für selbstverständlich halten. Genau die tauchen dann im Testmanagement als teure Überraschung wieder auf.
Warum schlechte Anforderungen so teuer sind
Anforderungen sind der teuerste Punkt im gesamten Entwicklungsprozess, an dem etwas schiefgehen kann. Nicht weil der Fehler groß ist, sondern weil er früh passiert und lange unentdeckt bleibt.
Der Zusammenhang ist gut belegt. Der Standish CHAOS Report führt einen Großteil gescheiterter Softwareprojekte auf Probleme rund um Anforderungen zurück, nicht auf technische Umsetzung. Ältere Untersuchungen der Meta Group kamen auf einen Anteil von 60 bis 80 Prozent. Und Branchenauswertungen zeigen seit Jahren konstant: 30 bis 50 Prozent des gesamten Aufwands in Softwareprojekten fließt in Rework, also in das Nachbessern von Dingen, die beim ersten Mal falsch verstanden wurden.
Fakt: Barry Boehm und Victor Basili wiesen bereits Ende der 1970er nach, dass ein Fehler umso teurer wird, je später er auffällt. Zwischen Anforderungsphase und Produktivbetrieb steigen die Korrekturkosten um das Zehn- bis Hundertfache. Zeit, die man beim Aufschreiben von Anforderungen spart, wird später doppelt bezahlt.
Für die Menschen im Prozess sieht das konkret so aus: Marc, ein Requirements Engineer, sitzt nach einem 90-Minuten-Meeting am Schreibtisch. Er weiß, dass jetzt noch 60 Minuten kommen, bis das Besprochene als Ticket in Jira steht. Er übersetzt Notizen in Anforderungen, die zwei Tage später im Refinement schon wieder umgeschrieben werden. Was in seinem Kopf klar war, kommt beim Entwickler anders an. Der baut, was im Ticket steht. Sechs Monate später merkt der Kunde, dass es nicht das war, was er meinte.
Das ist kein Einzelfall, sondern der Normalfall. Und er kostet real Geld.
Der Anforderungsmanagement-Prozess in der Praxis
Der Anforderungsmanagement-Prozess folgt einer klaren Abfolge. In der Theorie ist sie sauber. In der Praxis bricht sie an denselben zwei, drei Stellen immer wieder.
Ein typischer Ablauf sieht so aus:
- Erhebung: Anforderungen von Stakeholdern einsammeln, in Interviews, Workshops und Meetings.
- Analyse: Prüfen, was wirklich gebraucht wird und wo sich Wünsche widersprechen.
- Definition: Die geklärten Anforderungen präzise und eindeutig festhalten.
- Priorisierung: Einordnen, was den größten Wert für Unternehmen und Nutzer schafft.
- Abstimmung: Freigabe von den Stakeholdern einholen.
- Rückverfolgbarkeit: Jede Anforderung mit den Arbeitspaketen verknüpfen, die sie umsetzen.
- Validierung: Über das Testmanagement prüfen, ob das Ergebnis die Anforderung tatsächlich erfüllt.
- Änderungsmanagement: Änderungen bewerten, dokumentieren und in die Spezifikation einpflegen.
Die Theorie kennt jeder. Die Praxis scheitert meist an zwei Stellen.
Die erste ist die Erhebung. Kunden nennen aktiv nur die offensichtlichen Leistungsmerkmale. Basisanforderungen setzen sie voraus, ohne sie zu erwähnen. Genau die fehlen dann in der Spezifikation und tauchen später als Reklamation wieder auf.
Die zweite ist die Rückverfolgbarkeit. Sobald Anforderungen über E-Mails, Wikis, Excel-Tabellen und drei verschiedene Tools verstreut sind, weiß niemand mehr, welche Version aktuell ist. Ein Quality Gate – eine strukturierte Prüfung, bevor eine Anforderung in die Umsetzung geht – halbiert an dieser Stelle den späteren Rework. Vorausgesetzt, jemand pflegt es konsequent.
KI im Anforderungsmanagement: der Wandel gerade jetzt
Der teuerste Bruch im Anforderungsprozess liegt zwischen Fachbereich und IT. Fachbereich beschreibt, was das Geschäft braucht. IT hört, was technisch umsetzbar klingt. Was am Ende gebaut wird, ist selten das, was am Anfang gemeint war.
Genau an dieser Bruchstelle setzt KI heute an: nicht beim Schnellerschreiben, sondern beim Übersetzen.
Bessere Entscheidungen beginnen mit richtigen Anforderungen. NanoVerse AI macht Anforderungen prozesstreu, relevant und entscheidungsreif. Prozesstreu, weil die Anforderung dem definierten Vorgehen folgt statt individuellem Stil. Relevant, weil der Business-Intent aus dem Fachbereich bis in die Umsetzung sichtbar bleibt. Entscheidungsreif, weil Lücken, Widersprüche und Mehrdeutigkeit auffallen, bevor jemand darauf freigibt.
Die Wirkung dieses Übersetzungsschritts ist messbar. Laut einer Auswertung von Forrester senken Organisationen, die KI zur Prüfung von Anforderungen einsetzen, ihre anforderungsbezogenen Fehler um 40 bis 65 Prozent. Der Grund ist nicht die Geschwindigkeit, sondern das Früherkennen: Lücken, Widersprüche und Mehrdeutigkeiten fallen auf, bevor sie im Sprint landen.
Der zweite, oft unterschätzte Effekt heißt Wissensresilienz. Anforderungswissen steckt heute in Köpfen. Wenn die beste Person das Team verlässt, geht das Wissen mit — mit ihm die Erklärung, warum eine Anforderung genau so und nicht anders formuliert wurde. NanoVerse AI hält dieses Wissen im System, unabhängig davon, wer gerade da ist. Für einen Entscheider ist das kein Komfortthema, sondern eine Frage der Betriebssicherheit.
Fakt: Der teuerste Moment im Anforderungsmanagement ist nicht der Fehler, den ein Mensch macht. Es ist der Kontext, der verloren geht, wenn dieser Mensch das Unternehmen verlässt.
KI ersetzt an dieser Stelle keine Entscheidung. Sie sorgt dafür, dass Fachbereich und IT über dasselbe reden, bevor jemand baut.
Was Sie jetzt tun sollten
Anforderungsmanagement ist kein Dokumentationsthema. Es ist die Grundlage, auf der in Ihrem Unternehmen Entscheidungen getroffen werden — über Investitionen, Prioritäten und was gebaut wird. Ist diese Grundlage lückenhaft, sind es die Entscheidungen auch.
Der Hebel liegt nicht in mehr Disziplin beim Aufschreiben, sondern darin, jede Anforderung prozesstreu, relevant und entscheidungsreif ins System zu bekommen. Wie das in Ihrem Prozess aussieht, zeigen wir am besten am eigenen Beispiel: Demo anfragen.
