Bozaci, SaadetLill-Kochems, LisaKalenborn, AxelThanabalan, KokulanFazal-Baqaie, MasudLinssen, OliverVolland, AlexanderYigitbas, EnesEngstler, MartinBertram, MartinHanser, EckhartKalenborn, Axel2024-09-062024-09-062024978-3-88579-747-01617-5468https://dl.gi.de/handle/20.500.12116/44600Das Team-Quality-Level (TQL) stellt ein Bewertungsinstrument zur Erfassung der Qualifikationen in Softwareentwicklungsteams dar [BLK23]. Das Tool wurde entwickelt, um Fähigkeiten in den Dimensionen Projektmanagement, Domänenwissen, Teamarbeit, technische Kompetenzen, Controlling und Nachhaltigkeit zu messen. Teammitglieder bewerten ihre Qualifikationen und vergleichen die Ergebnisse mit einem idealen Qualifikationslevel und diskutieren sie im Team. Diese Daten sollen jetzt auch dazu genutzt werden, um KI-generierte Handlungsempfehlungen zur Optimierung der Teamarbeit abzuleiten. Feedback aus Tests und Gespräche mit Projektmanager*innen haben zu mehreren Erweiterungen des TQL-Tools geführt, darunter die Einführung einer neuen Skala zur Leistungsbewertung, die Integration von Projektumfeldfaktoren und die Minderung des Dunning-Kruger-Effekts durch Peer-Feedback. Die Nutzung von KI unter Einbezug eines LargeLanguage-Models ermöglicht die Generierung präziser und individueller Handlungsempfehlungen, welche eine gezielte Weiterentwicklung der Teamfähigkeiten ermöglichen. Das vorliegende Paper konkretisiert diese Ideen und diskutiert die Implementierung und Evaluation des verbesserten TQLTools.deFachliche QualifikationenSoftwareentwicklungTeam-Quality-LevelDunning-Kruger-EffektText/Conference Paper