Requirements Traceability beschreibt die lückenlose Verkettung von Anforderungen, Architektur, Systemdesign, Software, Hardware, Tests, Validierung, Security Controls, Releases und Updates. Sie bildet die digitale Nachweisstruktur moderner Entwicklung.
Normen wie ISO 26262, IEC 61508, ISO/SAE 21434, IEC 62443 und der Cyber Resilience Act fordern nachvollziehbare Beziehungen zwischen Anforderungen, Implementierung, Tests und Validierung.
In der Praxis scheitert Traceability häufig an fragmentierten Tool-Landschaften: Anforderungen liegen in DOORS oder Polarion, Architekturmodelle entstehen in MBSE-Werkzeugen, Entwicklung läuft in GitLab, Tests werden separat verwaltet. Zwischen diesen Systemen entstehen Lücken, in denen Nachvollziehbarkeit verloren geht.
Ein Traceability Information Model (TIM) definiert, welche Artefakte miteinander verbunden sein müssen und wie sich Änderungen entlang des gesamten Entwicklungsprozesses nachvollziehen lassen. TIMs sind versioniert: Assertions im Traceability-Graph tragen Provenienz zur TIM-Version, gegen die sie validiert wurden. Diese Struktur macht Traceability nicht nur auditierbar, sondern reason-ready für KI-gestützte Analysen.
Compliance vs. Wert: Wo liegt die echte Rendite?
Unternehmen führen Requirements Traceability meist aus zwei Motiven ein:
- Compliance-getrieben: Um Audits zu bestehen, ASPICE-Assessments vorzubereiten oder Normkonformität nachzuweisen. Das Risiko: Traceability verkommt zur reinen Dokumentationspflicht ohne echten Engineering-Mehrwert. → Compliance Intelligence
- Wertgetrieben: Um Qualität und Effizienz nachhaltig zu steigern. Der Fokus liegt auf früher Fehlererkennung, konsistenten Impact-Analysen und der systemübergreifenden Nachvollziehbarkeit von Änderungen.
Unsere Erfahrung aus der Praxis: Ein rein compliance-getriebenes Traceability-Projekt rechnet sich selten. Erst der wertgetriebene Einstieg holt die echte Rendite, und erfüllt die Compliance ganz automatisch nebenbei.
Dabei gilt ein Grundprinzip: KI beschleunigt Analysen, nicht Entscheidungen. Deterministische Traceability bildet die belastbare Grundlage für KI-gestützte semantische Analyse und Explainability. Freigabe, Governance und Verantwortlichkeit verbleiben beim Menschen, nicht in autonomer Automatisierung.