Die vorliegende Arbeit untersucht die Möglichkeiten und Grenzen des Einsatzes von ChatGPT zur Verbesserung der Kommunikation in agilen Softwareentwicklungsprojekten.
Durch eine detaillierte qualitative Analyse werden sowohl die Chancen als auch die Herausforderungen, die mit der Integration von ChatGPT in agile Teams verbunden sind, erörtert. Die Arbeit beleuchtet, wie ChatGPT als generatives KI-Modell die Effizienz der Kommunikation zwischen verschiedenen Stakeholdern steigern kann und welche spezifischen Vorteile und Schwierigkeiten dabei auftreten.
Diese Untersuchung richtet sich an Fachleute und Wissenschaftler in den Bereichen Künstliche Intelligenz, Projektmanagement und Softwareentwicklung. Sie bietet wertvolle Einblicke für Unternehmen, die den Einsatz von KI zur Optimierung ihrer Kommunikationsprozesse in agilen Projekten in Erwägung ziehen. Die Arbeit liefert praxisnahe Empfehlungen und Erkenntnisse, die zur Verbesserung der Projektkommunikation und zur erfolgreichen Implementierung von ChatGPT beitragen können.
Das Ergebnis der Arbeit lässt sich des Weiteren auf andere Unternehmensbereiche projizieren.
Inhaltsverzeichnis
Abstract
2. Einleitung
2.1 Aktueller Forschungsstand
2.2 Einführung: Large language models / GPT
2.3 Einführung: Agile Softwareentwicklung
2.4 Einführung: Stakeholdermanagement in agilen Projekten
3. Aufbau und Methodik
4. Ergebnisse
4.1 Ergebnisse OK1: Einfluss auf die Kommunikation
4.2 Ergebnisse OK2: Potenziale in der agilen Softwareentwicklung
4.3 Ergebnisse OK3: Herausforderung der ChatGPT-Integration
4.4 Ergebnisse OK4: Qualitätsaspekt
4.5 Ergebnisse OK5: Wissensmanagement
5. Diskussion
5.1 F1: Diskussion über den kommunikativen Einfluss
5.2 F2: Diskussion über Effizienzeffekte durch die Implementierung
5.3 F3: Diskussion über Herausforderungen und Risiken
6. Einordnung und Ausblick
Zielsetzung & Themen
Diese Bachelor-Thesis untersucht das Potenzial von ChatGPT zur Optimierung der Stakeholder-Kommunikation innerhalb agiler Softwareentwicklungsprojekte. Ziel der Arbeit ist es, durch eine qualitative Analyse aufzuzeigen, welche Chancen ChatGPT bietet, um die Kommunikation effizienter zu gestalten, und welche Herausforderungen sowie Risiken mit einer Integration in bestehende agile Prozesse verbunden sind.
- Analyse des Einflusses von Large Language Models auf die Stakeholder-Kommunikation.
- Untersuchung von Effizienzgewinnen in agilen Softwareentwicklungsprozessen durch KI-Unterstützung.
- Identifikation technischer und organisatorischer Herausforderungen bei der ChatGPT-Integration.
- Evaluierung von Best Practices für ein KI-gestütztes Wissensmanagement.
- Ableitung von Handlungsempfehlungen für Unternehmen zur Implementierung generativer KI.
Auszug aus dem Buch
2.2 Einführung: Large language models / GPT
ChatGPT, basierend auf der Generative Pre-trained Transformer (GPT)-Technologie von OpenAI, befindet sich derzeit in seiner vierten Iteration, auch bekannt als GPT-4. Das Modell zeichnet sich durch seine Fähigkeit aus, sowohl Bild- als auch Texteingaben zu verarbeiten, wobei es gleichsam in der Lage ist, elaborierte Textausgaben zu generieren. Diese Merkmale markieren eine signifikante Weiterentwicklung gegenüber früheren Versionen und tragen zu einer zunehmenden Verschmelzung von multimedialen Informationsmodalitäten innerhalb der künstlichen Sprachverarbeitung bei. Die vorliegende Untersuchung fokussiert sich auf ChatGPT als zentrales Forschungssubjekt. Der Wandel von GPT-3 zu GPT-4 signalisiert nicht nur eine quantitative Erweiterung der Modellkomplexität, sondern verspricht ebenso qualitative Verbesserungen in Bezug auf die Fähigkeiten zur Informationsverarbeitung und -generierung.
ChatGPT zählt zu den Large language models (LLM) – in ihrer Eigenschaft als Sprachmodelle sind diese Modelle darauf konzipiert, Texte zu verarbeiten und zu generieren, die einer menschlichen Konversation ähneln. Dies wird durch ihre Fähigkeit erreicht, vorherzusagen, welches Wort (Token) als nächstes in einer gegebenen Eingabe auftreten sollte. Diese prädiktive Fähigkeit ermöglicht es ihnen, kohärente und kontextuell relevante Antworten zu generieren.
LLMs basieren auf künstlichen neuronalen Netzen, welche eine Methode im Bereich des maschinellen Lernens darstellen, die für Klassifikations- und Regressionsaufgaben eingesetzt wird. Diese Netzwerke lassen sich von den Lernprozessen im menschlichen Gehirn inspirieren. Die grundlegende Einheit eines neuronalen Netzes ist das künstliche Neuron, das gewichtete Eingaben aufnimmt, verarbeitet und eine Ausgabe erzeugt. Im Wesentlichen besteht ein künstliches neuronales Netz aus der Kombination mehrerer solcher Neuronen. Diese Netze sind üblicherweise in Schichten organisiert und untereinander gerichtet verbunden, was bedeutet, dass jede Schicht aus einem oder mehreren Neuronen besteht und ihre Eingabe von der vorherigen Schicht erhält.
Zusammenfassung der Kapitel
2. Einleitung: Beschreibt die Relevanz einer effektiven Stakeholder-Kommunikation und führt in die Thematik der agilen Softwareentwicklung sowie das Potenzial generativer KI ein.
2.1 Aktueller Forschungsstand: Erörtert bestehende Studien zu KI in Managementprozessen, wobei insbesondere Datensicherheit, Bias und der Widerstand gegen KI-Adaption thematisiert werden.
2.2 Einführung: Large language models / GPT: Erläutert die technologischen Grundlagen von Large Language Models (LLM) sowie die Funktionsweise neuronaler Netze im Kontext von ChatGPT.
2.3 Einführung: Agile Softwareentwicklung: Definiert agile Methoden, Prinzipien des agilen Manifests und die Bedeutung spezifischer Teamrollen wie Product Owner und Scrum Master.
2.4 Einführung: Stakeholdermanagement in agilen Projekten: Definiert Stakeholder im Projektkontext und verdeutlicht die Notwendigkeit systematischer Ansätze zur Strukturierung zwischenmenschlicher Beziehungen.
3. Aufbau und Methodik: Beschreibt das wissenschaftliche Vorgehen mittels qualitativer Leitfadeninterviews und die Anwendung der Inhaltsanalyse nach Mayring.
4. Ergebnisse: Präsentiert die aus den Experteninterviews gewonnenen Erkenntnisse, unterteilt in fünf zentrale Oberkategorien, die auf einer Code-Matrix basieren.
5. Diskussion: Bewertet die Ergebnisse im Kontext der Forschungsfragen und beleuchtet sowohl die kommunikativen Vorteile als auch die spezifischen Hürden bei der KI-Implementierung.
6. Einordnung und Ausblick: Reflektiert die Gesamtergebnisse, diskutiert das Dilemma zwischen externer KI und Inhouse-Lösungen und gibt Handlungsempfehlungen für die Unternehmenspraxis.
Schlüsselwörter
ChatGPT, Agile Softwareentwicklung, Stakeholder-Kommunikation, Stakeholdermanagement, Künstliche Intelligenz, Large Language Models, Scrum, Digitale Transformation, KI-Integration, Wissensmanagement, Requirements Engineering, Prozessoptimierung, Qualitative Forschung, Projektmanagement, Unternehmenskommunikation
Häufig gestellte Fragen
Worum geht es in dieser Bachelor-Thesis grundsätzlich?
Die Arbeit untersucht das Potenzial von ChatGPT, um die Stakeholder-Kommunikation in Projekten der agilen Softwareentwicklung zu optimieren und effizienter zu gestalten.
Was sind die zentralen Themenfelder der Arbeit?
Die zentralen Felder sind die agile Softwareentwicklung (insbesondere Scrum), das Stakeholdermanagement sowie die Anwendungsmöglichkeiten und technologischen Grundlagen generativer KI wie ChatGPT.
Was ist das primäre Ziel oder die Forschungsfrage der Arbeit?
Das Hauptziel ist die Identifikation von Chancen und Herausforderungen bei der Nutzung von ChatGPT zur Unterstützung der Kommunikation an der Schnittstelle zwischen Entwicklungsteams und Stakeholdern.
Welche wissenschaftliche Methode verwendet der Autor?
Der Autor nutzt eine qualitative Forschungsmethodik mit leitfadenbasierten Experteninterviews, deren Ergebnisse im Anschluss mittels qualitativer Inhaltsanalyse nach Mayring ausgewertet werden.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil umfasst sowohl die theoretische Fundierung (KI-Grundlagen, Agile Prinzipien, Stakeholder-Konzepte) als auch die empirische Analyse, in der die Ergebnisse aus Experteninterviews zu Kategorien wie KommunikationsEinfluss, Effizienz und Integrationshürden zusammengeführt werden.
Welche Schlüsselwörter charakterisieren die Untersuchung?
Wichtige Schlüsselbegriffe sind ChatGPT, Agile Softwareentwicklung, Stakeholder-Kommunikation, KI-Integration, Prozessoptimierung und Scrum.
Warum ist die Wahl zwischen einem externen KI-Tool und einem Inhouse-GPT ein zentrales Thema?
Dies ist ein zentrales Dilemma, da die Entscheidung zwischen der Nutzung bestehender populärer KI-Modelle und der Entwicklung eigener, geschlossener Systeme direkt die Aspekte Datenschutz, Autarkie, Kosten und technologische Spezifität beeinflusst.
Warum spielt die Datenqualität bei der Stakeholder-Kommunikation eine so große Rolle?
Die Arbeit betont, dass fehlerhafter KI-generierter Output oder "Bias" in den Trainingsdaten zu falschen Informationen führen kann, was das Risiko für unrealistische Lieferversprechen oder Verzögerungen in agilen Projekten erhöht.
Welche Rolle spielt der Product Owner bei der ChatGPT-Integration?
Der Product Owner agiert als kommunikative Schnittstelle zwischen dem Entwicklerteam und anderen Stakeholdern; die Arbeit beleuchtet, wie ChatGPT ihn dabei unterstützen kann, komplexe Fachinformationen einfacher aufzubereiten und den Wissenstransfer zu beschleunigen.
Welche Handlungsempfehlungen gibt die Arbeit für Unternehmen?
Der Autor empfiehlt eine strukturierte Bedarfsanalyse, die Durchführung von Pilotprojekten zur Verprobung im Kleinen sowie die Erarbeitung unternehmensinterner Datenschutz- und Ethikrichtlinien, um Mitarbeiter zu schulen und KI-Integration erfolgreich zu gestalten.
- Citar trabajo
- Tim Skrzypczak (Autor), 2024, Das Potenzial von ChatGPT zur Optimierung der Stakeholder-Kommunikation in der agilen Softwareentwicklung, Múnich, GRIN Verlag, https://www.grin.com/document/1478690
