RegComp

Automatisierte Compliance-Umsetzung über den gesamten Softwarelebenszyklus

RegComp

Softwareintensive Systeme in regulierten Anwendungsbereichen müssen kontinuierlich an neue Gesetze, Normen und Richtlinien angepasst werden. Regulatorische Änderungen wirken sich häufig auf zahlreiche Softwareartefakte aus, darunter Anforderungen, Architektur, Quellcode, Dokumentation und Testressourcen. Die Auswirkungen dieser Änderungen zu verstehen, ist eine komplexe und zeitaufwendige Aufgabe, die bislang größtenteils manuell erfolgt. Das Projekt RegComp (Regulatory Compliance) erforscht KI-gestützte Ansätze zur Unterstützung des Regulatory Requirements Engineering über den gesamten Lebenszyklus von Softwaresystemen hinweg. Durch die Kombination von Verfahren aus der Sprachverarbeitung (Natural Language Processing), Information Retrieval und großen Sprachmodellen (Large Language Models) werden Methoden entwickelt, die regulatorische Änderungen automatisch erkennen, deren Auswirkungen auf Softwareartefakte analysieren und Ingenieurinnen und Ingenieure bei fundierten Umsetzungsentscheidungen unterstützen. Ziel ist es, den manuellen Aufwand zu reduzieren, die Nachvollziehbarkeit zu verbessern und eine schnellere Anpassung an sich wandelnde regulatorische Anforderungen zu ermöglichen.

Projektbeschreibung

Das RegComp-Projekt entwickelt innovative Methoden zur Unterstützung des Regulatory Requirements Engineering durch automatisierte Analysen regulatorischer Änderungen und deren Auswirkungen. Im Gegensatz zu Ansätzen, die sich ausschließlich auf den Nachweis von Compliance konzentrieren, untersucht das Projekt, wie regulatorische Veränderungen systematisch analysiert werden können, um ihre Konsequenzen für Softwaresysteme frühzeitig zu verstehen.

Dazu kombiniert die Forschung aktuelle Entwicklungen in den Bereichen Natural Language Processing, semantische Suche, Information Retrieval und große Sprachmodelle. Ziel ist es, regulatorische Änderungen automatisch zu identifizieren, nach Art und Umfang zu klassifizieren und die betroffenen Softwareartefakte zu bestimmen. Die entwickelten Ansätze unterstützen Entwicklerinnen und Entwickler dabei, Umsetzungsmaßnahmen zu priorisieren, die Hintergründe regulatorischer Anpassungen nachzuvollziehen und Zusammenhänge zwischen sich verändernden Vorschriften und Softwareartefakten transparent darzustellen.

Ein besonderer Schwerpunkt liegt auf erklärbarer KI-gestützter Entscheidungsunterstützung. Dadurch können regulatorische Änderungen effizient bewertet werden, während Transparenz und Nachvollziehbarkeit der generierten Ergebnisse gewährleistet bleiben. Die entwickelten Methoden werden anhand realer industrieller Anwendungsfälle evaluiert, um ihre Praxistauglichkeit und ihren Nutzen für die Entwicklung regulierter Softwaresysteme sicherzustellen.

Forschungsbeitrag

RegComp erweitert den Stand der Forschung im Bereich Regulatory Requirements Engineering durch KI-gestützte Verfahren zur automatisierten Analyse regulatorischer Änderungen und zur Bewertung ihrer Auswirkungen auf Software. Das Projekt entwickelt Modelle, Methoden und werkzeuggestützte Ansätze, die Organisationen dabei helfen, die Auswirkungen sich verändernder regulatorischer Rahmenbedingungen über den gesamten Softwarelebenszyklus hinweg besser zu verstehen.

Die Forschung umfasst Verfahren zur automatischen Erkennung und Klassifizierung regulatorischer Änderungen, zur Analyse ihrer Auswirkungen auf Softwareartefakte, zur Verbesserung der Nachverfolgbarkeit zwischen regulatorischen Vorgaben und Entwicklungsergebnissen sowie zur Bereitstellung erklärbarer Empfehlungen für die Weiterentwicklung von Softwaresystemen. Durch die Verbindung von Künstlicher Intelligenz und regulatorischem Engineering soll die Effizienz, Skalierbarkeit und Transparenz des regulatorischen Änderungsmanagements verbessert und gleichzeitig der Aufwand zur Aufrechterhaltung der Compliance in dynamischen regulatorischen Umgebungen reduziert werden.

Förderung

Projektdauer

01.01.2023 – 31.12.2026

Kontakt

Projektpartner

Publikationen

  • 2026 Investigating Automated Change Impact Analysis in FinTech Regulations Parisa Elahidoost , Hugo Villamizar , Florian Angermeir , Jonathan Streit , Daniel Mendez , Michael Unterkalmsteiner und Tony Gorschek Information and Software Technology Journal, ():, 2026. Details URL DOI BIB
  • 2024 Designing NLP-based solutions for requirements variability management: experiences from a design science study at Visma Parisa Elahidoost , Michael Unterkalmsteiner , Davide Fucci , Jannik Fischbach und Peter Liljenberg , 2024. The 30th International Conference on Requirement Engineering: Foundation for Software Quality (REFSQ). Details URL DOI BIB
  • 2024 Practices, Challenges, and Opportunities When Inferring Requirements From Regulations in the FinTech Sector - An Industrial Study Parisa Elahidoost , Daniel Mendez , Michael Unterkalmsteiner , Jannik Fischbach , Christian Feiler und Jonathan Streit In 9th International Workshop on Empirical Requirements Engineering, 2024. IEEE. Details DOI BIB
click to return to top of page