Entwicklung und Evaluierung von GPT-gestützten Prompt-Assistenten zur Anforderungsvalidierung nach INCOSE

Die Qualität von Anforderungen spielt eine zentrale Rolle im Requirements Engineering, da unklare, widersprüchliche oder unvollständige Anforderungen zu erheblichen Problemen in der Softwareentwicklung führen können. In dieser Arbeit wird untersucht, inwieweit große Sprachmodelle – insbesondere GPT-4o – zur automatisierten Prüfung, Validierung und Verbesserung von Anforderungen eingesetzt werden können. Grundlage der Untersuchung bildet das INCOSE-Regelwerk, ein etablierter Leitfaden zur Qualitätssicherung von Anforderungen. Für jede Regel wurden spezifische Prompts entwickelt, die GPT-4o zur Klassifikation und Korrektur von Anforderungsfehlern anleiten. Es wurden drei Experimente durchgeführt: Zunächst wurde evaluiert, ob GPT4o grundsätzlich in der Lage ist, Anforderungen regelkonform zu bewerten. In einem zweiten Schritt wurden die entwickelten Prompts hinsichtlich ihrer Genauigkeit (Precision, Recall, F1-Score) analysiert und darüber hinaus mit bestehenden Studien verglichen. Im dritten Experiment wurde zusätzlich geprüft, ob GPT-4o fehlerhafte Anforderungen gemäß INCOSE-Regeln korrigieren kann. Die Ergebnisse zeigen, dass GPT-4o ein vielversprechendes Potenzial zur Anforderungsvalidierung aufweist, jedoch Einschränkungen bei der Interpretation kontextabhängiger Regeln hat. Zudem wird ein Bedarf an vollständigen, regelbasierten Datensätzen deutlich.