direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Inhalt des Dokuments

Klassifikation von Anforderungen

Als ein wesentlicher Bestandteil der Entwicklung von Systemen nach dem V-Modell werden frühzeitig die Anforderungen an ein System ermittelt und dokumentiert. Dabei entstehen System- und Komponentenlastenhefte, die in weiteren Prozessschritten zur Testspezifikation und Implementierung genutzt werden.

Neben Anforderungen enthalten diese Lastenhefte allerdings auch zusätzliche Informationen: informative Beschreibungen von Funktionen, Erläuterungen zu anderen Anforderungen, Beispiele und Verweise auf andere Dokumente. Die präzise Trennung von Anforderungen und Informationen ist für nachfolgende Arbeitsschritte essentiell, da nur für Anforderungen Testfälle erstellt werden müssen und nur Anforderungen mit Lieferanten abgestimmt werden müssen.

Moderne Anforderungsmanagementsysteme erlauben es, Teile von Anforderungsdokumente mit zusätzlichen Attributen zu versehen. Dies wird genutzt, um jedes Element eines Anforderungsdokuments explizit als Anforderung oder Information zu markieren. Diese Markierung muss allerdings manuell von Systementwicklern durchgeführt werden. Feldstudien haben gezeigt, dass dies nicht konsequent durchgeführt wird.

Am DCAITI entwickeln wir Werkzeuge, um Entwickler bei diesem manuellen Arbeitsschritt zu unterstützen. Als Kernbestandteil werden dabei Techniken aus dem Bereich Machine Learning (Klassifikation/Regression mit neuralen Netzwerken/Support Vector Maschinen/…, Text-Clustering) eingesetzt, um natürlich sprachliche Sätze in Anforderung / keine Anforderung zu klassifizieren.

Ansprechpartner: Jonas Winkler

Requirements und Test Engineering

Die Tätigkeiten in den oberen Ebenen des V-Modells sind durch das Bearbeiten von Dokumenten charakterisiert. Hier bedarf es durchgängiger Methoden und Praktiken, die von Dokument zu Dokument einheitlich angewendet werden. Durch strukturell und inhaltlich vergleichbare Anforderungen in System- und Komponentenlastenheften können automatisiert Testspezifikation für ein einheitliches Testkonzept abgeleitet werden.

Die Ähnlichkeit von Anforderungen kann durch die Vorgabe und Umsetzung von Templates sichergestellt werden. Dabei können Templates sowohl strukturell für Kapitelüberschriften/Inhaltsverzeichnis eingesetzt werden, in dem Sinne, dass bspw. alle Anforderungsdokumente mit deren Anforderungen entsprechend nach Komponenten und Systemen aufgeteilt werden. So können einzelne Anforderungen auch untereinander verlinkt werden, falls diese in Relation zueinander stehen (z.B. eine Abhängigkeit von Daten). Eine weitere Möglichkeit besteht in der Anwendung von sogenannten Satzschablonen (auch Boiler Plates genannt), um auch inhaltlich Anforderungen einander anzugleichen. Durch einen vorgegebenen Satzaufbau kann sichergestellt werden, dass Anforderung präziser formuliert werden, um diese anschließend automatisiert zu analysieren und auszuwerten. Anforderungen mit Satzschablonen haben dabei den Vorteil, dass diese ohne weitere Vorkenntnisse gelesen und eigenständig erstellt werden können. Am DCAITI beschäftigen wir uns mit der Analyse aktueller System- und Komponentenlastenheften und suchen nach bestehenden Ähnlichkeiten bzw. Abhängigkeiten zwischen Anforderungs- und Testspezifikationen. Hierbei wird insbesondere Natural Language Processing (NLP) angewendet, um natürlichsprachliche Anforderungen zu analysieren.

Durch die inhaltliche und strukturelle Analyse von Anforderungsdokumenten können anschließend automatisiert Testspezifikationen erstellt oder der Tester beim Erstellen unterstützt werden. Dazu können im Testkonzept hinterlegte Regeln und Vorgaben verwendet werden, die dann direkt umgesetzt bzw. überprüft werden können. So kann z. B. sichergestellt werden, dass zu jeder Anforderung mindestens ein Testfall existiert oder ähnliche Anforderungen gemeinsam getestet werden.

Ansprechpartner: Aaron Schlutter

Zusatzinformationen / Extras

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe

Diese Seite verwendet Matomo für anonymisierte Webanalysen. Mehr Informationen und Opt-Out-Möglichkeiten unter Datenschutz.