Für viele Automotive-Zulieferer ist Automotive SPICE kein Wunschkonzert, sondern die Eintrittskarte zum OEM. Wer Level 3 nicht nachweisen kann, kommt in vielen Ausschreibungen schlicht nicht vor. Das eigentliche Problem ist dabei selten der Prozess selbst, sondern der Aufwand, ihn lückenlos zu dokumentieren und über alle Projekte hinweg konsistent nachzuweisen. Genau hier kann KI heute echte Entlastung bringen. Dieser Beitrag zeigt, wo.
Warum ASPICE so dokumentationslastig ist
Automotive SPICE verlangt mehr als definierte Prozesse: Für Level 3 müssen diese Prozesse über alle Projekte hinweg konsistent angewendet, gelebt und kontinuierlich verbessert werden, und das alles belegbar. Ein typisches Automotive-Projekt erzeugt dabei Tausende von Artefakten, die ASPICE-konform dokumentiert, miteinander verlinkt und bei jeder Änderung gepflegt werden müssen.
Das ist der Punkt, an dem Teams ins Straucheln geraten. Nicht weil die Prozesse schlecht wären, sondern weil die Pflege der Nachweise mit der Entwicklungsgeschwindigkeit nicht Schritt hält. Traceability-Matrizen veralten, Work Products driften auseinander, und kurz vor dem Assessment beginnt die hektische Suche nach fehlenden Belegen. Dokumentation wird so zur Pflichtübung statt zum Werkzeug.
Wo KI im ASPICE-Prozess ansetzt
Der naheliegende Hebel ist die Generierung standardkonformer Artefakte. Statt jedes Dokument von Hand zu schreiben, leiten KI-Agenten Entwürfe aus den vorhandenen Engineering-Daten ab, und zwar entlang der ASPICE-Prozesse, sodass das Ergebnis von Anfang an in die geforderte Struktur passt. Die folgende Zuordnung zeigt, wo das im Software-Engineering-Strang greift:
| ASPICE-Prozess | Generierte Artefakte | Rolle der KI |
|---|---|---|
| SWE.1 Software Requirements | Requirements Spec, Traceability-Matrix | Ableitung aus Stakeholder-Input |
| SWE.2 Software Architecture | Architecture Design Document | Transformation Modell → Dokument |
| SWE.3 Software Detailed Design | Detailed Design Specs | Code-Analyse und Dokumentation |
| SWE.4 Software Unit Verification | Test Reports, Coverage-Analyse | Generierung von Testfällen |
Entscheidend ist, was mit diesen Entwürfen passiert: Sie sind Ausgangspunkt, nicht Endprodukt. Die KI nimmt dem Team das mechanische Erstellen und Verknüpfen ab, die fachliche Prüfung und Freigabe bleibt beim Menschen.
Dokumentation, die sich selbst aktuell hält
Den größeren Effekt entfaltet KI aber nicht beim einmaligen Erstellen, sondern beim Aktuellhalten. Ein kontinuierliches Monitoring prüft fortlaufend, ob alle Work Products vollständig sind, ob verknüpfte Artefakte konsistent zueinander bleiben, ob die Traceability in beide Richtungen trägt und ob die Prozesse über die Projekte hinweg tatsächlich gleich angewendet werden. Abweichungen fallen damit auf, während sie entstehen, und nicht erst im Assessment.
Der Weg von Level 1 zu Level 3
Der Aufstieg in der ASPICE-Reifegrad-Leiter lässt sich mit KI an mehreren Stellen abkürzen. Beim Übergang von Level 1 zu Level 2, dem Managed Process, geht es vor allem um Disziplin: Work Products werden automatisch versioniert und mit Baselines versehen, die Aufwandsschätzung stützt sich auf historische Projektdaten statt auf Bauchgefühl, und Kennzahlen zum Projektfortschritt entstehen automatisch statt in manuellen Reports.
Der Sprung von Level 2 auf Level 3, den Established Process, ist anspruchsvoller, weil er den Blick vom einzelnen Projekt auf die Organisation weitet. Gefordert ist ein definierter, projektübergreifend gelebter und kontinuierlich verbesserter Standardprozess. Hier spielt KI ihre Stärke aus: Sie wertet Prozessdaten aus allen Projekten aus, erkennt, was in der Praxis funktioniert, und macht Abweichungen vom Standardprozess sichtbar und dokumentierbar, die Grundlage jeder belastbaren Prozessverbesserung.
Einführung in der Praxis
In der Umsetzung integrieren sich die KI-Agenten in die bestehende Werkzeuglandschaft, statt sie zu ersetzen: Requirements und Tests werden über eine direkte API-Anbindung an Polarion gepflegt, Arbeitspakete mit Jira synchronisiert, Code- und Dokumentationsstände aus Git abgeleitet und in die CI/CD-Pipeline (etwa Jenkins) eingebunden. Das Team arbeitet weiter in seiner gewohnten Umgebung.
Besonders sichtbar wird der Nutzen in der Assessment-Vorbereitung. Statt wochenlang Belege zusammenzutragen, übernimmt die KI die mühsame Vorarbeit:
- Gap-Analyse: Identifikation fehlender Artefakte
- Evidence-Sammlung: Automatische Zusammenstellung der vorhandenen Nachweise
- Interview-Vorbereitung: Typische Assessor-Fragen auf Basis der Projektdaten
- Metriken-Dashboard: Alle relevanten KPIs auf einen Blick
Das Assessment selbst bleibt Sache der Menschen, aber sie gehen deutlich besser vorbereitet hinein.
Was sich messen lässt
Über die Projekte hinweg zeigt sich ein konsistentes Muster: Der Aufwand sinkt dort am stärksten, wo zuvor manuelle Dokumentations- und Nachweisarbeit dominierte, und die Prozessreife steigt, weil Konsistenz nicht mehr von der Disziplin Einzelner abhängt.
| Bereich | Ohne KI | Mit KI |
|---|---|---|
| Dokumentationsaufwand | 25–30 % der Projektzeit | 10–12 % der Projektzeit |
| Assessment-Vorbereitung | 4–6 Wochen | 1–2 Wochen |
| Prozess-Compliance | 70–80 % | 95–98 % |
| Findings im Assessment | 15–20 | 3–5 |
Die menschliche Seite der Automatisierung
So überzeugend die Zahlen sind, ASPICE-Automatisierung ist kein reines Technologieprojekt. Der Erfolg hängt am Umdenken im Team: weg von der manuellen Dokumentation hin zum Review-Fokus, weg von reaktiver hin zu proaktiver Compliance, weg von projektindividuellen hin zu unternehmensweiten Prozessen. Wer diesen kulturellen Wandel ignoriert, hat am Ende ein gutes Tool und trotzdem keine gelebte Prozessreife.
Dazu kommt die Tool-Qualifikation: KI-Werkzeuge müssen den ASPICE-Anforderungen an Tool-Support genügen. Voraussetzung dafür ist, dass jede KI-Entscheidung nachvollziehbar bleibt und sich jederzeit manuell übersteuern lässt. Bewährt hat sich ein schrittweises Vorgehen, Start mit unkritischen Prozessen, kontinuierliches Anlernen mit projektspezifischen Daten, menschliche Validierung aller kritischen Entscheidungen und eine klare Kennzeichnung KI-generierter Inhalte.
Fazit
KI macht den Weg zu ASPICE Level 3 nicht trivial, aber deutlich begehbarer. Sie nimmt den Teams die Dokumentations- und Nachweisarbeit ab, die ASPICE so aufwändig macht, und sorgt dafür, dass Konsistenz und Aktualität nicht länger von manueller Disziplin abhängen. Unternehmen, die KI gezielt einsetzen, berichten von einer etwa halbierten Belastung durch Compliance-Aufgaben, bei gleichzeitig höherer Prozessreife.