Die vorliegende Bachelorarbeit mit dem Titel „KI-Tools in der Softwaredokumentation“ untersucht die Rolle und den potenziellen Nutzen Künstlicher Intelligenz im gesamten Lebenszyklus der Softwaredokumentation. Aufbauend auf der Masterarbeit von Sarah Stefan („Dokumentation von Software – State of the Art und Innovation“, 2024) werden die theoretischen Grundlagen der Softwaredokumentation zunächst systematisch dargestellt und um eine praxisorientierte Perspektive auf moderne KI-gestützte Werkzeuge erweitert.

Im ersten Teil der Arbeit wird die zentrale Bedeutung der Softwaredokumentation für Entwickler, Administratoren und Endanwender erläutert. Es wird herausgearbeitet, dass qualitativ hochwertige Dokumentation wesentlich zur Benutzerfreundlichkeit, Wartbarkeit und Kosteneffizienz beiträgt. Die verschiedenen Dokumentationsarten – Entwickler-, Projekt-, System- und Benutzerdokumentation – werden beschrieben und hinsichtlich ihrer internen bzw. externen Zielgruppen abgegrenzt. Gleichzeitig werden die typischen Herausforderungen beleuchtet, die in der Praxis häufig zu unvollständigen, veralteten oder schwer verständlichen Dokumenten führen, darunter Zeitdruck, fehlende Zuständigkeiten, mangelnde Schulungen sowie unzureichende Versionskontrolle.

Darauf aufbauend wird der Lebenszyklus der Softwaredokumentation analysiert. Dieser umfasst die Phasen der initialen Erstellung, der kontinuierlichen Pflege und Aktualisierung, der Nutzung im laufenden Betrieb sowie der Ablösung und Archivierung. Es wird gezeigt, dass Dokumentation kein statisches Nebenprodukt, sondern ein fortlaufender Prozess ist, dessen Qualität maßgeblich von der Integration in die Entwicklungsabläufe abhängt. Fehlende Aktualität und unklare Verantwortlichkeiten führen hier zu signifikanten Effizienzverlusten.

Im zentralen Teil der Arbeit werden aktuelle KI-basierte Technologien vorgestellt und deren Einsatzpotenzial für die Verbesserung der Softwaredokumentation kritisch bewertet. Dabei stehen Natural Language Processing, maschinelles Lernen und KI-gestützte Textgenerierung im Fokus. Durch diese Technologien können etwa Verständlichkeitsprüfungen, automatische Aktualisierungen, intelligente Versionskontrolle und zielgruppenspezifische Textanpassungen realisiert werden. Anhand ausgewählter Tools – ChatGPT, Perplexity und Document360 – werden konkrete Anwendungsfelder, Chancen und bestehende Grenzen aufgezeigt. Der Vergleich der Werkzeuge verdeutlicht, dass KI die Qualität, Effizienz und Konsistenz von Dokumentationsprozessen deutlich steigern kann, jedoch weiterhin menschliche Fachkompetenz für Kontrolle, Kontextbewertung und ethisch-verantwortliche Nutzung erforderlich bleibt.

Abschließend werden Handlungsempfehlungen für Unternehmen formuliert. Diese umfassen den gezielten Einsatz von KI-Tools zur Automatisierung repetitiver Aufgaben, die Einführung verbindlicher Qualitätsrichtlinien, die Schulung der Mitarbeitenden im Umgang mit neuen Technologien sowie die Etablierung klarer Prozesse für Pflege und Versionierung. Zusammenfassend zeigt die Arbeit, dass Künstliche Intelligenz einen bedeutenden Beitrag zur Professionalisierung der Softwaredokumentation leisten kann – vorausgesetzt, sie wird strategisch integriert, verantwortungsvoll eingesetzt und mit menschlicher Expertise kombiniert.

This bachelor thesis titled “AI Tools in Software Documentation” explores the potential and limitations of artificial intelligence in the creation, maintenance, and management of software documentation. Building on established documentation models and integrating current research, the paper examines how AI-based technologies such as Natural Language Processing, Machine Learning, and automated text generation can optimize processes across the entire documentation life cycle.

The theoretical foundation outlines the core functions and types of software documentation, emphasizing its critical importance for knowledge preservation, maintainability, and user experience. Common challenges, including inconsistent updates, lack of version control, and insufficient role definitions, are analyzed as key obstacles to documentation quality.

The study then addresses the documentation life cycle in its essential phases – from initial creation and continuous maintenance to long-term use and archiving – and identifies the need for sustainable and process-integrated documentation management. Subsequently, the application of AI tools such as ChatGPT, Perplexity, and Document360 is evaluated regarding their effectiveness in automating repetitive tasks, improving text clarity, and maintaining version consistency.

Results indicate that while AI tools can significantly reduce workload and enhance the quality and accessibility of documentation, they cannot replace human expertise in contextual evaluation and quality assurance. The thesis concludes with recommendations for organizations on how to integrate AI solutions responsibly into existing workflows to ensure long-term quality, transparency, and efficiency in software documentation.