Die Frage
Auf der Suche nach weiteren Optimierungen meines virtuellen Lieblings-Mitarbeiters Claude Code bin ich auf eine interessante Frage gestoßen:
Kann man klassisches Requirements Engineering nicht auch im Prompt Engineering zielführend einsetzen?
Was sich getan hat
In den letzten Wochen hat sich wieder einiges getan:
- Verschiedene Ebenen von Prompts - global, im Projekt oder nur lokal
- MCPs - Tools für Browser, Datenbanken, Git und mehr
- Agenten - rollenbasiert für Architekt, Tester, Reviewer
Das bleibende Problem
Alles das sind Hilfen, um das Verhalten des Coding-Agenten zu steuern. Die Inhalte der Aufgaben müssen dennoch passend geschnitten übergeben werden.
Die wesentlichen Eigenheiten der LLMs sind immer noch vorhanden:
- Vorgaben werden gerne übergangen
- Lücken werden ungefragt gefüllt
- Kreative neue Funktionalitäten werden eingefügt
- Das Kontextfenster zeigt nicht auf die “richtigen” Inhalte
Was hilft
INCOSE-Qualitätsmerkmale
Ist die Anforderung unambiguous, complete, verifiable (um nur einige der INCOSE-Qualitätsmerkmale zu nennen), kann die KI:
- Zielgerichtet arbeiten (unambiguous)
- Sich selbst überprüfen (verifiable)
Hierarchischer Aufbau
Wenn ich die Anforderungen hierarchisch aufgebaut habe, bekomme ich über die Hierarchie einen guten Hinweis, was es an Kontext braucht.
KI-Review
Am Schluss die KI nochmal ein Review machen lassen:
- a) Sind die Anforderungen vollständig umgesetzt?
- b) Ist irgendetwas dazu gekommen, was nicht in den Anforderungen stand?
Fazit
So hilft gutes altes Requirements Engineering auch beim ach so modernen Prompt Engineering oder Vibe-Coding.
Experten-Tipp: Erzählt keinem, dass es Requirements Engineering ist.
Happy Engineering! Kontakt aufnehmen