ALESO
Suche

Wonach suchen Sie?

Durchsuchen Sie Leistungen, Anwendungsfälle und unser Praxiswissen.

Mindestens 2 Zeichen eingeben

Beliebte Einstiege

Produkt- und Softwareentwicklung

KI kann Produkt- und Entwicklungsteams helfen, Kontext schneller zu erschliessen, technische Arbeit vorzubereiten und Nachweise konsistent zu dokumentieren.

Drei Beispiele im DetailAlle Anwendungsfälle

Beschleunigung mit den Kontrollen des Entwicklungsprozesses verbinden.

Der grösste Nutzen entsteht nicht durch einen autonomen Softwareprozess, sondern durch besseren Kontext, eng begrenzte Änderungen und nachvollziehbare Prüfnachweise. Architektur-, Sicherheits-, Qualitäts- und Releaseentscheide bleiben Teil des etablierten Entwicklungsprozesses.

Typische Ausgangslagen

Diese Situationen sind Hinweise auf Potenzial. Sie sind noch keine automatische Entscheidung für KI.

  • Kontext liegt verteilt in Tickets, Code, Dokumentation und Chatverläufen.

  • Neue Teammitglieder benötigen lange, um Systeme und Abhängigkeiten zu verstehen.

  • Technische Dokumentation und implementiertes Verhalten laufen auseinander.

  • Fehleranalysen erfordern die manuelle Verbindung vieler Logs und Änderungen.

  • Wiederkehrende technische Aufgaben binden erfahrene Entwicklerinnen und Entwickler.

Drei Beispiele im Detail

Die drei Beispiele zeigen Ausgangslage, Zielbild, benötigte Systeme, Kontrollen, Messgrössen und einen sinnvollen Pilotumfang.

Backlog und Produktfeatures präzisieren

Feedback, Fachwissen und bestehende Unterlagen in nachvollziehbare Feature-Entwürfe, Akzeptanzkriterien und offene Entscheidungen überführen.

Ausgangslage

Anforderungen liegen verteilt in Interviews, Tickets, E-Mails, Protokollen und Dokumenten. Features sind uneinheitlich beschrieben; Abhängigkeiten und offene Fachentscheide werden oft erst im Refinement oder während der Umsetzung sichtbar.

Mögliches Zielbild

Eine Assistenz bündelt freigegebene Quellen, clustert Bedürfnisse und erstellt einen prüfbaren Entwurf mit Problem, Zielgruppe, Nutzen, Nicht-Zielen, Akzeptanzkriterien, Abhängigkeiten und offenen Fragen. Aussagen bleiben mit ihren Quellen verbunden.

Daten und Systeme

  • Backlog- und Anforderungsmanagement
  • Produktdokumentation und Wissensplattformen
  • CRM, Supportfeedback und Nutzerforschung
  • Produktanalysen und Roadmap-Unterlagen

Kontrolle und Grenzen

  • Product Owner und Fachverantwortliche entscheiden über Priorität und Umfang
  • Fakten, Annahmen und offene Fragen klar unterscheiden
  • Keine Anforderungen oder Kundenaussagen ohne Quelle ergänzen
  • KI-Vorschläge nicht als verbindliche Aufwandsschätzung verwenden

Sinnvolle Messgrössen

  • Anteil der Einträge mit prüfbaren Akzeptanzkriterien
  • Rückfragen und Nacharbeit im Refinement
  • Spät erkannte Abhängigkeiten oder Anforderungslücken
  • Durchlaufzeit von der Idee bis zum freigegebenen Umfang

Entwicklung und Code-Reviews unterstützen

Entwicklungsaufgaben im Kontext von Repository, Architektur und Teamregeln vorbereiten, als begrenzte Änderung umsetzen und prüfbar zur Review bereitstellen.

Ausgangslage

Entwicklerinnen und Entwickler suchen Kontext über Tickets, Code und Dokumentation hinweg. Wiederkehrende Änderungen und Reviews kosten Zeit, während projekt- oder teamspezifische Regeln nicht immer gleich angewandt werden.

Mögliches Zielbild

Eine Assistenz identifiziert relevante Codepfade, schlägt eine begrenzte Änderung mit Tests und Dokumentation vor und prüft Diffs gegen definierte Qualitäts-, Sicherheits- und Architekturregeln. Das Ergebnis ist ein Draft-Änderungsvorschlag oder Review-Hinweis, kein autonomes Release.

Daten und Systeme

  • Quellcodeverwaltung und Entwicklungsumgebung
  • Backlog- und Anforderungsmanagement
  • CI/CD sowie automatisierte Qualitäts- und Sicherheitsprüfungen
  • Architektur-, Coding- und Dokumentationsrichtlinien

Kontrolle und Grenzen

  • Geschützte Branches, menschliche Reviews und Freigaben beibehalten
  • Keine produktiven Zugangsdaten oder Secrets bereitstellen
  • Automatisierte Tests und Sicherheitsprüfungen bleiben verbindlich
  • Keine automatischen Merges, Releases oder Produktionseingriffe

Sinnvolle Messgrössen

  • Durchlaufzeit von Änderung und Review
  • Anteil übernommener gegenüber überarbeiteter Vorschläge
  • Fehler in automatisierten Qualitätsprüfungen
  • Nach der Freigabe entdeckte Defekte und notwendige Nacharbeit

Software-Lieferobjekte gegen Anforderungen prüfen

Freigegebene Akzeptanzkriterien in reproduzierbare Prüfungen und nachvollziehbare Nachweise für Test und Abnahme überführen.

Ausgangslage

Anforderungen, Testfälle und Lieferobjekte sind nicht durchgängig verknüpft. End-to-End-Prüfungen werden spät oder manuell durchgeführt, und bei der Abnahme fehlt oft ein eindeutiger Nachweis je Kriterium.

Mögliches Zielbild

Eine Assistenz leitet aus freigegebenen Kriterien positive, negative und Grenzfälle ab, bereitet automatisierbare End-to-End- und API-Prüfungen vor und ordnet Ergebnisse den Anforderungen zu. Automatisierte Werkzeuge führen die Tests reproduzierbar aus; die Assistenz fasst Evidenz, Lücken und Abweichungen für die verantwortliche Abnahme zusammen.

Daten und Systeme

  • Anforderungs- und Testmanagement
  • Automatisierte Werkzeuge für Oberfläche, APIs und Integrationen
  • CI/CD und kontrollierte Testumgebungen
  • Testprotokolle, Screenshots und Monitoringdaten

Kontrolle und Grenzen

  • Erwartetes Verhalten und Akzeptanzkriterien fachlich bestätigen
  • Generierte Tests und Testdaten vor Aufnahme in die Prüfsuite reviewen
  • Deterministische Testergebnisse klar von KI-Einschätzungen trennen
  • Finale Abnahme und Freigabe bei der verantwortlichen Person belassen

Sinnvolle Messgrössen

  • Anforderungen mit reproduzierbarem Prüfnachweis
  • Vor der Freigabe erkannte Abweichungen und Regressionen
  • Instabile Tests und Fehlalarme
  • Zeit bis zu einer nachvollziehbaren Abnahmeentscheidung

Weitere Möglichkeiten

Weitere Aufgaben, die je nach Prozess, Datenlage und Verantwortung sinnvoll unterstützt werden können.

  • Repository- und Systemorientierung

    Relevante Komponenten, Abhängigkeiten und technische Dokumente für eine Aufgabe auffindbar machen.

  • Technische Dokumentation abgleichen

    Abweichungen zwischen Schnittstellen, Code, Konfiguration und Dokumentation zur Prüfung markieren.

  • Architekturoptionen vorbereiten

    Alternativen anhand vereinbarter Qualitätsziele, Einschränkungen und Nachweise vergleichen.

  • Legacy- und Migrationsanalyse

    Abhängigkeiten, veraltete Komponenten und mögliche Migrationsschritte strukturiert inventarisieren.

  • CI/CD-Fehler untersuchen

    Fehlgeschlagene Prüfungen, betroffene Änderungen und ähnliche historische Fälle zusammenführen.

  • Incident- und Postmortem-Vorbereitung

    Zeitlinie, Logs, Änderungen und offene Ursachenhypothesen für die gemeinsame Analyse bündeln.

Daten, Systeme und Grenzen

Typische Daten und Systeme

  • Quellcodeverwaltung, Backlog und Entwicklungsumgebungen
  • CI/CD, automatisierte Qualitäts- und Sicherheitsprüfungen
  • Architektur-, Schnittstellen- und Betriebsdokumentation
  • Logs, Monitoring, Incident- und Änderungsdaten

Worauf besonders zu achten ist

  • Keine Secrets, produktiven Zugangsdaten oder unnötigen Kundendaten bereitstellen
  • Menschliche Reviews, geschützte Branches und Releasefreigaben beibehalten
  • Automatisierte Tests und Sicherheitsprüfungen bleiben verbindlich
  • Lizenzierung, geistiges Eigentum, Nachvollziehbarkeit und Rollback berücksichtigen

Passende nächste Vertiefung

Leistungen

Praxiswissen

Weitere Bereiche

Welcher Anwendungsfall passt zu Ihrer Ausgangslage?

Wir strukturieren Aufgabe, Daten, Systeme und Risiken und schlagen einen überprüfbaren ersten Umfang vor.

Projekt besprechen