Anforderungen an KI-Systeme: Warum sie anders sind als bei klassischen Softwaresystemen
Bei Spirit in Projects begleiten wir seit vielen Jahren Unternehmen dabei, Anforderungen an komplexe IT-Systeme zu definieren und Ausschreibungen professionell vorzubereiten. In den letzten Jahren hat sich dabei ein klarer Trend gezeigt: Künstliche Intelligenz (KI) wird in immer mehr Projekten eingesetzt — und bringt ganz eigene Herausforderungen mit sich.
Gerade bei KI-Systemen ist es entscheidend, die richtigen Anforderungen von Beginn an zu definieren. Viele Unternehmen nutzen dafür noch dieselben Methoden wie bei klassischen Softwareprojekten — und scheitern später an mangelnder Qualität, fehlender Erklärbarkeit oder unrealistischen Erwartungen.
Wir bei Spirit in Projects unterstützen unsere Kunden deshalb gezielt dabei, Anforderungen an KI-Systeme so zu formulieren, dass sie sowohl für die Implementierung als auch für den späteren Betrieb und die Ausschreibung tragfähig sind.
Lernen statt Programmieren
Klassische Softwaresysteme folgen klar definierten Regeln: Wenn Eingabe X, dann Ausgabe Y. Das Verhalten ist deterministisch und vorhersehbar.
KI-Systeme funktionieren grundlegend anders: Sie lernen aus Daten und entwickeln daraus ein Modell. Die „Regeln“ entstehen also nicht durch Programmierung, sondern durch maschinelles Lernen. Daraus folgt: Daten sind der Schlüssel zum Erfolg. Schon in der Anforderungsdefinition müssen deshalb Fragen beantwortet werden wie:
- Welche Daten liegen vor?
- In welcher Qualität und in welchem Umfang?
- Wie werden die Daten aktuell gepflegt und verfügbar gemacht?
Unsere Erfahrung zeigt: In der Praxis wird dieser Aspekt oft unterschätzt — mit fatalen Folgen für das Projekt.
Wahrscheinlichkeiten statt Garantien
Ein weiterer fundamentaler Unterschied: KI-Systeme liefern probabilistische Ergebnisse. Ein System zur Bilderkennung meldet z.B.: „Dieses Objekt ist mit 95 % Wahrscheinlichkeit eine Katze.“ Es garantiert aber nicht, jede Katze fehlerfrei zu erkennen.
Anforderungen an die Qualität der Ergebnisse (Accuracy, Precision, Recall, Konfidenzintervalle) müssen daher explizit definiert werden. In unseren Ausschreibungsprojekten für KI-Systeme achten wir darauf, diese Qualitätsparameter sauber zu spezifizieren — um spätere Enttäuschungen zu vermeiden.
Dynamisches Verhalten
Klassische Software bleibt nach Auslieferung weitgehend stabil. KI-Modelle hingegen müssen oft regelmäßig neu trainiert werden, da sich Datenlagen und Umgebungen verändern (Concept Drift).
Daraus ergeben sich spezifische Anforderungen an:
- Lifecycle-Management
- Modellüberwachung und -pflege
- Governance und Verantwortlichkeiten
Spirit in Projects unterstützt Kunden dabei, diese Aspekte in der Anforderungsdefinition und in die Ausschreibungsunterlagen aufzunehmen — ein Punkt, der bei vielen Projekten sonst zu kurz kommt.
Erklärbarkeit und Nachvollziehbarkeit
Gerade in regulierten Bereichen (z.B. Finanzdienstleistungen, öffentlicher Sektor, Gesundheit) ist Erklärbarkeit entscheidend. KI-Systeme dürfen keine Black Boxes sein.
Anforderungen müssen hier klar festlegen:
- In welchem Umfang muss Erklärbarkeit gewährleistet sein?
- Für wen muss die Nachvollziehbarkeit gegeben sein (z.B. interne Audits, externe Prüfstellen)?
In unserer Praxis achten wir darauf, dies in den Anforderungskatalog sauber zu strukturieren — und dabei marktübliche technische Möglichkeiten und regulatorische Vorgaben in Einklang zu bringen.
Fazit
Anforderungen an KI-Systeme sind keine simple Erweiterung klassischer Softwareanforderungen. Sie müssen die Lernfähigkeit, die probabilistische Natur und die Datenabhängigkeit explizit berücksichtigen.
Spirit in Projects bringt in diesem Bereich umfassende Erfahrung aus zahlreichen KI-Projekten und Ausschreibungen mit. Wir unterstützen Unternehmen dabei, tragfähige und belastbare Anforderungen zu formulieren — als Grundlage für erfolgreiche KI-Projekte.