Jede Phase läuft in kurzen Iterationen, in denen alle Disziplinen zusammenarbeiten, nicht nacheinander. Phasen überlappen sich während des gesamten Projektlebenszyklus.
Ein Diagramm, das zeigt, wie die vier Phasen ineinandergreifen, von den ersten Anforderungen bis zur Produktion. Die Farben markieren die Phasen: Blau für Anfang, Grün für Ausarbeitung, Rot für Konstruktion, Orange für Übergang.
Dieselbe Methodik passt sich zwei Realitäten an, einer grünen Wiese oder einem bestehenden System, das nicht brechen darf.
Die KI entwirft Use Cases und ein Entitätsmodell aus den Anforderungen; der Requirements Engineer überarbeitet und verantwortet sie. Der KI-Agent generiert anschließend Code und Tests direkt aus diesen Artefakten. Der Software Engineer prüft das Ergebnis — jedes Artefakt lässt sich auf eine Anforderung zurückführen.
Beginn beim laufenden System. Der Software Engineer leitet Entitätsmodell, Use-Case-Modell und Spezifikationen aus dem bestehenden Code ab. Software Engineer und Requirements Engineer prüfen diese Artefakte anschließend gemeinsam, und schaffen so die Spezifikationsbasis für alle weiteren Iterationen.
Prinzipien, die den Erfolg in agiler, iterativer Entwicklung sicherstellen.
Use Cases gehören dem Requirements Engineering und werden über die Lebensdauer des Systems gepflegt — keine Prompts, die ein Entwickler schreibt und verwirft.
KI übernimmt repetitive Arbeit; Menschen konzentrieren sich auf Geschäftslogik.
Spezifikationen, Code und Tests entwickeln sich gemeinsam in kurzen Zyklen.
Umfassende Tests gewährleisten konsistentes Verhalten während der KI-Regenerierung.
Kontinuierliche Validierung mit Geschäftsbenutzern in jeder Iteration.
Jede Codezeile lässt sich auf eine Geschäftsanforderung zurückführen.
Es geht nicht um perfekte Spezifikationen, es geht um iterative Verbesserung.
Kritiker argumentieren, dass KI-Code-Generierung nur mit erschöpfenden Spezifikationen funktioniert, die deterministische Ausgaben erzwingen. Das setzt voraus, dass wir perfekte Anforderungen im Voraus benötigen.
Realität: Perfekte Spezifikationen sind unmöglich und unnötig. Der wahre Wert kommt von iterativer Verbesserung.
Durch kurze Zyklen werden Spezifikationen klarer, die KI-Generierung verbessert sich und Tests werden stärker. Jede Iteration baut auf der vorherigen auf.
Wichtige Erkenntnis: Tests gewährleisten konsistentes Verhalten unabhängig davon, wie die KI Code generiert. Dies ermöglicht sichere Evolution und Modernisierung.
Workshops, Beratung und massgeschneiderte Einführungen des AI Unified Process. Vereinbaren Sie einen Termin, um zu besprechen, wie AIUP zu Ihrem Stack und Team passt.
