Titelaufnahme

Anforderungsänderungen sind ein wesentlicher Grund für Ineffizienzen und Projektfehlschläge in der Entwicklung komplexer technischer Systeme. Proaktives Management von Anforderungsänderungen hat das Potenzial, den Umgang mit Anforderungsänderungen effizienter zu gestalten. Dafür ist ein systematischer Ansatz erforderlich, der eine ganzheitliche Bewertung und Handhabung des Änderungsrisikos im industriellen Entwicklungskontext ermöglicht. Im Rahmen dieser Dissertation wird mit der ProMaRC-Methodik ein neuartiger Ansatz für das proaktive Management von Anforderungsänderungen vorgestellt. Die Methodik wurde in enger Zusammenarbeit mit Industrieanwender:innen aus der Automobilindustrie entwickelt und anhand von fünf Fallstudien validiert. Mittels automatisierter Abhängigkeitsanalyse auf Grundlage künstlicher Intelligenz wird der Anwendungsaufwand gegenüber bestehenden Ansätzen reduziert. Die teilautomatisierte Bewertung und Handhabung der Änderungswahrscheinlichkeit und -auswirkung erfolgt anhand eines modifizierten PageRank-Algorithmus und umfasst erstmalig alle für die Risikoanalyse relevanten Einflussfaktoren. Die Validierung belegt, dass durch die ProMaRC-Methodik eine überzeugende Kombination aus praxistauglichem Anwendungsaufwand und Vollständigkeit der Analyse erzielt wird. Damit erschließt diese Dissertation das bisher kaum beachtete Forschungsfeld des proaktiven Managements von Anforderungsänderungen und fördert eine effizientere Produktentwicklung.

Requirement changes are a major source of inefficiencies in product development and increase the risk of project failure. Proactive management of requirement changes yields the potential to handle such changes efficiently. A systematic approach is required for proactive change management to assess and reduce the risk of a requirement change with appropriate effort in industrial application. Within the contribution at hand, a novel approach for Proactive Management of Requirement Changes (ProMaRC) is presented. It is developed in close collaboration with industry experts and validated based on five case studies. Automated dependency analysis based on artificial intelligence reduces the application effort compared to existing approaches. Semi-automated assessment and management of change likelihood and impact is performed using a modified PageRank algorithm. For the first time it includes all relevant influencing factors for risk analysis. The validation proofs that the ProMaRC approach achieves a convincing combination of practical application effort and completeness of analysis. This contribution opens up the research field of proactive change management for requirement changes which is currently almost unexploited and enables more efficient product development.