Vom Code zur Compliance: Wie KI die Traceability-Lücke im ALM schließt

Gastartikel für Nanga Blog über unseren Partner Raiqon

Die Komplexität von Produkten steigt rasant und sie sind immer  tiefer in unser Leben integriert, wodurch Compliance strenger wird, um deren Sicherheit zu gewährleisten. Für alles, was über die einfachsten Systeme hinausgeht, sind professionelle Plattformen für Application Lifecycle Management (ALM) unerlässlich. Werkzeuge wie Codebeamer sind unverzichtbar geworden: Sie orchestrieren Engineering-Workflows, ermöglichen End-to-End-Traceability und vereinfachen die Compliance.

Traceability erstreckt sich über den gesamten Lebenszyklus, von Kundennutzen über Anforderungen, Tests und Risiken. Idealerweise sollte sie sich bis auf die Code-Ebene erstrecken. Aber während die meisten Teams den Wert der Code-Traceability verstehen, bleibt dies in der Praxis eine echte Herausforderung, insbesondere bei agilen Arbeitsweisen.

Künstliche Intelligenz (KI) hat das Potenzial, in diesem Bereich ein echter Game Changer zu sein. Raiqon, ein Partner von Nanga Systems, hat eine KI-Plattform für ALM entwickelt, die sich nahtlos in Codebeamer integriert. Zu ihren Kernfunktionen gehört die automatische Generierung von Anforderungen direkt aus dem Quellcode.

Die Rolle von Code und Anforderungen im ALM

ALM-Plattformen wie Codebeamer sind darauf ausgelegt, strukturierte, textbasierte Artefakte wie Anforderungen, Risiken, Testfälle und mehr zu verwalten. Code befindet sich jedoch in separaten Repositories wie Git oder Bitbucket. Während die Verknüpfung von Code mit Anforderungen technisch möglich ist, ist sie alles andere als nahtlos. Eine zentrale Herausforderung besteht darin, zu definieren, worauf genau eine Anforderung zurückgeführt werden soll: eine Datei? Ein bestimmter Commit? Eine Funktion oder sogar eine einzelne Codezeile?

Idealerweise sollte jede Anforderung direkt mit den relevanten Teilen des Codes verknüpft sein—und umgekehrt. Diese Art der Rückverfolgbarkeit verbessert die Zusammenarbeit, unterstützt Impact-Analysen, verbessert die Testabdeckung und vereinfacht die Compliance. Aber in der Realität ist das Erreichen dieses Integrationsgrades alles andere als einfach.

Traceability: Compliance-Notwendigkeit oder Best Practice?

In regulierten Branchen wie der Luft- und Raumfahrt oder der Automobilindustrie ist die Traceability zwischen Anforderungen und Code nicht optional; sie ist ein Muss. Standards wie ISO 26262 oder DO-178C fordern eine rigorose Dokumentation, einschließlich Mid-Level Anforderungen mit expliziter Traceability zum Code, der sie implementiert.

Aber auch in weniger streng regulierten Branchen wird die Traceability aufgrund ihrer vielen Vorteile dringend empfohlen. Sie fördert Transparenz, hilft, Inkonsistenzen frühzeitig zu erkennen, und schafft Vertrauen beim Umgang mit Änderungen.

Allzu oft wird Traceability als eine mühsame und manuelle Belastung durch Behörden angesehen. Aber wenn sie richtig gemacht wird, liefert sie echten Mehrwert. Folgendes können Organisationen gewinnen:

• Verbesserter Umgang mit Änderungen: Genau wissen, welcher Code von einer Anforderungsänderung betroffen ist.
• Schnelleres Onboarding: Neue Teammitglieder verstehen, wie das System funktioniert und warum.
• Optimierte Audits: Keine Last-Minute-Hektik mehr, um Dokumentation zu erstellen.
• Höhere Codequalität: Lücken in der Abdeckung und toter Code werden offensichtlich.

Agilität macht die Rückverfolgbarkeit noch schwieriger

Das traditionelle Wasserfallmodell hat bereits Schwierigkeiten, Code und Anforderungen aufeinander abzustimmen. Moderne Best Practices empfehlen den Übergang zur agilen Entwicklung, die klare Vorteile wie kürzere Iterationen und schnelleres Feedback bietet.

Agilität erschwert jedoch oft die Aufrechterhaltung der Traceability. Mid-Level Requirements werden häufig spät oder gar nicht festgehalten, was Audits zu einer stressigen und zeitaufwändigen Aufgabe macht. Genau hier können Tools wie Raiqon einen entscheidenden Unterschied machen.

Vom Code zu Anforderungen: Wie Raiqon die Mid-Level-Lücke schließt

In vielen regulierten Branchen, insbesondere in der Automobilindustrie, hängt die Compliance nicht nur von der Vollständigkeit von High-Level-Anforderungen ab, sondern auch von damit verknüpften klaren, auditfähigen Mid-Level Requirements, die mit dem relevanten Code verknüpft sind. Im agilen Umfeld hinkt diese Dokumentation jedoch oft hinterher und wird erst bei Audits angegangen. Diese „Mid-Level-Lücke“ kann massive Last-Minute-Arbeitsbelastungen verursachen und Teams einem Compliance-Risiko aussetzen.

Die KI-gestützte Raiqon-Plattform geht diese Herausforderung an und automatisiert die Generierung von Mid-Level Requirements direkt aus dem Quellcode. Sie arbeitet sicher On-Premises, funktioniert mit allen wichtigen Programmiersprachen und ist in der Lage, ganze Repositories oder gezielte Module zu parsen, um präzise, konforme und auditbereite Anforderungen zu erstellen.

Was Raiqon auszeichnet, ist sein proprietäres KI-Fundation Model, das mit domänenspezifischen Daten trainiert wurde und Code mit der Nuance eines erfahrenen Anforderungsingenieurs interpretieren kann. Diese KI extrahiert nicht nur technische Funktionen, sondern generiert auch gut strukturierte, funktionale und nichtfunktionale Anforderungen, die auf Industriestandards wie ISO 26262, Automotive SPICE und ISO/SAE 21434 abgestimmt sind. Die Ausgabe kann an die Richtlinien einer Organisation angepasst und nahtlos für die Integration mit ALM-Plattformen wie Codebeamer formatiert werden.

Von Wochen zu Stunden

Ein Fallbeispiel zeigte, wie ein Automobilzulieferer in weniger als drei Stunden 800 Mid-Level Requirements aus etwa 500.000 Codezeilen generierte, eine Aufgabe, die sonst Wochen manueller Arbeit oder externer Beratung erfordert hätte. Abgesehen von der Zeitersparnis wurde durch den Einsatz von Raiqon ungenutzter Code aufgedeckt. Der Lieferant erkannte den Wert und beschloss, die Technologie zukünftig proaktiv einzusetzen, um die Rückverfolgbarkeit früher in den Entwicklungszyklus einzubetten, anstatt sie unter Druck nachzurüsten.

Für die Weiterentwicklung von Raiqon sind eine tiefere Integration mit Versionskontrollsystemen, inkrementelle Analyse und Traceability-Management geplant. Obwohl es ursprünglich für die Automobilindustrie entwickelt wurde, ist die Technologie auch in der Entwicklung von Luft- und Raumfahrt, für medizinische Geräte und grundsätzlich jeden Bereich anwendbar, in dem strenge Compliance unerlässlich ist.

Ausblick

Die Traceability zwischen Anforderungen und Code war lange Zeit kostspielig, manuell und fehleranfällig. KI beginnt dies zu ändern. Durch die Automatisierung der Erstellung von Mid-Level Requirements erleichtert sie die End-to-End-Traceability, insbesondere für Codebeamer-Anwender, die eine bessere Integration, Audit-Readiness und Agilität suchen.

Für einen tieferen Einblick, laden Sie das Whitepaper herunter, um herauszufinden, wie KI-gestütztes Arbeiten die Compliance und Entwicklung beschleunigen kann. Kontaktieren Sie Nanga Systems, um zu erfahren, wie Raiqon an Ihren Workflow angepasst werden kann—vom Pilotprojekt bis zur vollständigen Integration.

Gastautor

Dr. Michael Jastram ist ein Experte für Systems Engineering und Anforderungsmanagement. Bei Raiqon leitet er Client Solutions und hilft Kunden, die Effizienz in der Produktentwicklung durch KI zu steigern. Er ist Autor des Blogs se-trends.de, wo er Einblicke in neue Trends teilt, und ein gefragter internationaler Redner und Berater.