KI-basierte Anforderungsanalyse im Automotive Engineering

Der Audi-Konzern zählt zu den führenden Automobilherstellern im Premiumsegment. Bei der Entwicklung neuer Fahrzeuggenerationen muss das Unternehmen zahlreiche Teilsysteme aus einer komplexen Wertschöpfungskette effizient integrieren. Mit dem Wandel zum Software-defined Vehicle (SDV) steigt der Anteil softwarebezogener Anforderungen deutlich. Die Vielzahl an Anforderungsdokumenten muss höchsten Qualitätsstandards genügen, ist manuell jedoch nur mit erheblichem Aufwand zu prüfen. Ziel des Projekts war daher die Entwicklung eines KI-basierten Assistenzsystems, das Ingenieur:innen bei der strukturierten Analyse und automatisierten Qualitätsbewertung softwarefokussierter Anforderungsdokumente im Automotive Engineering unterstützt.

Das Fraunhofer IEM entwickelte einen GenAI-basierten Lösungsansatz und setzte dabei auf eine Technologie-Kombination aus Python, LlamaIndex sowie Reqif Parsing. Die KI-Lösung analysiert, indiziert und bewertet Anforderungsdokumente automatisiert: Retrieval-Augmented Generation (RAG) gleicht den Dokumenteninhalt mit einer internen Wissensbasis ab und stellt den Entwickler:innen relevante Informationen kontextbezogen bereit.

Das Assistenzsystem bewertet die Qualität der Anforderungen nach ISO/IEC/IEEE 29148 und erkennt Verbesserungspotenziale – sowohl auf Ebene einzelner Anforderungen als auch über das ganze Dokument hinweg. Besonderes Augenmerk liegt auf Konsistenz, Vollständigkeit und Eindeutigkeit. Ein ergänzendes Klassifikationskonzept nach ISO/IEC 25010 ermöglicht zusätzlich die Kategorisierung der Anforderungen, z.B. nach funktionalen und nichtfunktionalen Merkmalen sowie spezifischen Kategorien wie Diagnose- oder Sicherheitsanforderungen. Die Analyseergebnisse werden auf einem lokalen Server verarbeitet und in einem übersichtlichen Dashboard dargestellt – datenschutzkonform, transparent und direkt nutzbar für die Entwicklungsteams.

Der Audi-Konzern profitiert von einer deutlich effizienteren und schnelleren Anforderungserstellung und objektiveren Bewertung seiner Software-Anforderungen. Durch den Einsatz von Künstlicher Intelligenz schafft das Assistenzsystem Transparenz, reduziert den manuellen Aufwand bei der Verarbeitung und trägt so maßgeblich zur Sicherung einer konsistent hohen Produktqualität bei – insbesondere im Engineering komplexer Software-defined Vehicles.