SysML v2: Textnotation als Brücke zu Anforderungen?

Die Textnotation von SysML v2 sorgt für Begeisterung. Menschen, die gern mit Code arbeiten, fühlen sich sofort zu Hause. Modelle können linear gelesen oder maschinelle verarbeitet werden. Dennoch wollen wir Anforderungen nicht in der SysML v2 Textnotation formulieren, ein Großteil der Stakeholder würde das ablehnen.

Dennoch gibt es genau an dieser Stelle Potential. Im folgenden geht es um:

• Textnotation: SysML v2 macht Modelle zu Code, doch die meisten Stakeholder wollen Anforderungen weiterhin im Klartext.
• Anforderungen ↔ Modelle: OSLC und ReqIF schaffen Links, aber echte Bidirektionalität fehlt.
• Textschablonen: EARS & INCOSE boten Präzision, scheiterten jedoch an Usability; moderne Tools glänzen mit UX, nicht mit formaler Semantik.
• AI4MBSE: Ein Ergebnis dieses Projekts ist die Kopplung von RE-Werkzeugen per KI an SysML v2 mit nahezu automatischer Traceability.
• Mehrwert SysML v2: DevOps-taugliche Textnotation, REST-API für offene Integrationen, KerML-Semantik für konsistente Prüfungen.
• Ausblick: SysML v2 kann Silos schließen, doch nur mit KI, offener API und besserer UI wird MBSE massentauglich.

Anforderungen und Modelle – noch immer zwei Welten

Es ist schon erstaunlich, wie groß nach wie vor der Graben zwischen Anforderungsmanagement und MBSE ist. Die verbreiteten Integrationspfade sind OSLC oder ReqIF. Beide haben ihre Schwächen und beide skalieren nicht sonderlich gut: Links brechen, Versionen divergieren, Reviews frustrieren. In der Praxis zeigt sich: Traceability wird versprochen, aber selten gelebt.

Ein häufiges Missverständnis ist, dass „Integration“ schon reicht. Tatsächlich entsteht erst dann Mehrwert, wenn Änderungen in beiden Richtungen fließen: Anforderung ändert Modell, Modell ändert Anforderung – und das möglichst ohne manuellen Abgleich. Genau hier hakte SysML v1. Insbesondere das XMI-Format, das für einen sicheren Datenaustausch sorgen sollte, ein Flop.

Textschablonen als Brücke zu Modellen?

In den 2010ern hoffte man, mit EARS– oder INCOSE-Schablonen Präzision zu schaffen. Die Idee war gut, die Akzeptanz durchwachsen: Zu starr, zu theoretisch, zu wenig Sofortnutzen. Ein großes Problem war die Usability. Das haben moderne Tools wie Flow Engineering oder Valispace durch eine bessere UI gelöst. Allerdings verzichten sie bewusst auf eine formale Sprache wie SysML. Das wird in dem Moment ein Problem, wo interne Stakeholder gern auf eine standardisierte, semi-formelle Notation zurückgreifen möchten.

Ein neuer Ansatz kommt von Itemis. Im Rahmen von AI4MBSE hat das Unternehmen eine durchgängige Werkzeugkette aufgebaut: Eine Erweiterung im RE-Werkzeug macht Pattern-Templates und KI-Autovervollständigung sichtbar, während im Hintergrund ein SysML-v2-Service die Sätze in Modell-Elemente transformiert. Ein zweiter Service gleicht Modell-Änderungen zurück und schlägt neue Requirements vor.

Das Ergebnis ist eine zum größten Teil automatisierte Traceability quasi in Echtzeit. Ein kontrolliertes Vokabular wird eindeutig auf SysML v2 abgebildet. Damit landet jede Satzschablone direkt als formalisierte Anforderung im Modell und umgekehrt. Zumindest in der Theorie, die das Whitepaper vorstellt. Eine prototypische Umsetzung gibt es für DOORS Next und Jama.

Was SysML v2 sonst noch bieten könnte

Es gibt drei weitere Aspekte der SysML v2, die sich auf die Verknüpfung von Anforderungen und Modellen auswirken:

DevOps-Workflow: Die Textnotation rückt Modelle in denselben Workflow wie Quellcode: In textueller Form können Modelle gemergt und gedifft werden. Das gilt nicht nur für Block- oder Schnittstellendefinitionen, sondern ausdrücklich auch für die zugrunde liegenden Anforderungen, wenn diese Teil des Modells sind. Ändert sich eine „shall“-Formulierung, taucht der Unterschied sofort im Git-Diff auf; ein Pull-Request vereint also Modell- und Requirements-Review in einem Schritt.

Vorbehalt: SysML v2 in Textform sollte nicht ohne weiteres in ein git-Repository committed werden.

REST-API: Die standardisierte REST-API sorgt dafür, dass sowohl traditionelle RM-Tools als auch KI-Services das Modell ohne proprietäre Adapter anzapfen können. Dadurch lassen sich Anforderungen aus DOORS Next oder Jama bidirektional synchronisieren, während ein LLM gleichzeitig semantische Lücken schließt oder neue Requirement-Kandidaten vorschlägt.

Vorbehalt: Auch hier scheiden sich die Geister ob eine REST-API für eine komplexe Integration der richtige Weg ist.

Formales KerML: SysML v2 basiert auf einer durchgängigen, formalen Semantik, Damit sind formale Analysen von Modell und Requirements in ein einziges Metamodell möglich. Konsistenzregeln prüfen nun nicht bloß, ob Ports verbunden sind, sondern auch, ob jede Modelländerung von einer gültigen Anforderung gedeckt ist. Auf diese Weise wird Traceability nicht nachträglich dokumentiert, sondernkontinuierlich erzwungen und sichtbar gemacht.

Vorbehalt: In der Praxis zeigt sich, dass das Kosten-Nutzen-Verhältnis von formaler Modellierung nicht immer gegeben ist und ein hohes Up-Front-Investment erfordert.

Ein Fuß in zwei Welten

SysML v2 könnte ein wichtiges Werkzeug werden, die Trennung von Modell und Anforderungen zu reduzieren. Gerade der Erfolg von KI, verbunden mit der Aufmerksamkeit, die SysML v2. zur Zeit bekommt, könnten sich hier interessante, neue Lösungen ergeben. Und besonders für Teams mit etablierter Werkzeuglandschaft heißt könnte sich hier ein schrittweiser Pfad auftun.

Aber: Was die Usability betrifft, so fehlt bei SysML v2-Werzeugen bisher die Usability, die wir bei modernen SaaS-Tools der 2020er sehen (abgesehen vielleicht von Dalus) Bis native SysML-v2-Editoren dieselbe Leichtigkeit bieten, wird noch Zeit vergehen. Ob sich SysML v2 durchsetzt oder ein Startup mit einem völlig neuen Modell den Markt erobern wird, wird die Zeit zeigen.

Was bedeutet das unterm Strich? Die Textnotation ist nur die halbe Miete. Erst das Zusammenspiel aus bidirektionaler Traceability, offener API und KI-Assistenz wird MBSE alltagstauglich machen. Wer das beherzigt, verwandelt Modell- und Requirements-Engineering von zwei Silos in einen durchgängigen, lernfähigen Engineering-Flowund bringt SysML v2 vom Experten-Tool mitten ins Team.

Photo by Manuel Mnvx on Unsplash