Seminarinhalt
KI ist kein Ersatz für den Menschen, sondern ein Katalysator für präzisere Anforderungen – wenn man sie richtig zu steuern weiß.
Erfahren Sie, wie Sie vom reinen "Ersteller" zum "Quality Gatekeeper" und "Process Designer" werden. Wir schließen die Lücke zwischen klassischem RE-Handwerk und modernem Prompt Engineering, damit Sie digitale Systeme schneller und robuster definieren können.
Nach Abschluss dieses Trainings sind die Teilnehmer*innen mit der Funktionsweise von Large Language Models (LLMs) vertraut. Sie können professionelle Prompting-Patterns (wie RTF und CRISPE) anwenden, um Anforderungen zu ermitteln, zu dokumentieren und zu validieren. Gleichzeitig sind sie in der Lage, Risiken wie Halluzinationen oder Bias kritisch zu prüfen und KI-Ergebnisse sicher zu managen.
Der Fokus liegt auf der Transformation der RE-Arbeitsweise: Weg von der Syntax (Formulierung), hin zur Semantik (Inhaltliche Prüfung) und der Orchestrierung von KI-Tools.
Erfahren Sie, wie Sie vom reinen "Ersteller" zum "Quality Gatekeeper" und "Process Designer" werden. Wir schließen die Lücke zwischen klassischem RE-Handwerk und modernem Prompt Engineering, damit Sie digitale Systeme schneller und robuster definieren können.
Nach Abschluss dieses Trainings sind die Teilnehmer*innen mit der Funktionsweise von Large Language Models (LLMs) vertraut. Sie können professionelle Prompting-Patterns (wie RTF und CRISPE) anwenden, um Anforderungen zu ermitteln, zu dokumentieren und zu validieren. Gleichzeitig sind sie in der Lage, Risiken wie Halluzinationen oder Bias kritisch zu prüfen und KI-Ergebnisse sicher zu managen.
Der Fokus liegt auf der Transformation der RE-Arbeitsweise: Weg von der Syntax (Formulierung), hin zur Semantik (Inhaltliche Prüfung) und der Orchestrierung von KI-Tools.
Programm
- KI-Grundlagen & Mentales Modell: Wie "denkt" die Maschine (Probabilistik vs. Determinismus)?
- Technik verstehen: Was bedeuten Token, Temperature, Vektoren und Embeddings für meine Arbeit?
- Prompt Engineering: Wie nutze ich Patterns wie RTF und CRISPE für präzise Ergebnisse?
- Ermittlung & Exploration: Wie kann KI als Sparringspartner bei der Stakeholder-Analyse und Erhebung helfen?
- Dokumentation & Transformation: Wie generiere ich User Stories, Glossare oder Diagramme (z.B. Mermaid) aus Text?
- Validierung & Qualität: Wie nutze ich KI, um Widersprüche zu finden und Syntax zu prüfen?
- Risiko-Management: Wie erkenne ich Halluzinationen, Bias und "False Precision"?
- Recht & Ethik: Was bedeuten der EU AI Act und Datenschutz für das Requirements Engineering?
Zielgruppen
- Requirements Engineers
- Business-Analysten*innen
- Product Owner
- Projektleiter*innen
- Solution Architekten*innen
- Qualitätssicherer / Tester*innen
Vorkenntnisse
Grundlegende Kenntnisse im Requirements Engineering (z.B. auf Niveau des CPRE Foundation Level) sind empfehlenswert.
Tiefgehende Programmierkenntnisse oder KI-Vorkenntnisse sind nicht erforderlich.
Tiefgehende Programmierkenntnisse oder KI-Vorkenntnisse sind nicht erforderlich.
