itemis bringt itemis ANALYZE in die Cloud
Die professionelle Lösung für das Traceability-Management, welche das Wissen eines Unternehmens für Menschen und KI-Agenten zugänglich macht - bald in der Cloud.

Dortmund, 31.03.2026 (PresseBox) - Am 23. April 2026 wird die nächste Evolutionsstufe des bewährten Traceability-Werkzeugs itemis ANALYZE (vormals YAKINDU Traceability) in einem  öffentlichen virtuellen Launch-Event präsentiert. Mit dem Schritt in die Cloud lässt sich itemis ANALYZE einfacher im Browser und von unterschiedlichen Orten nutzen.

Es ist nichts Neues: Systemgrenzen in Engineeringumgebungen, sowie hybride Workflows und Datensilos erschweren Entscheidern das Treffen von optimalen Entscheidungen. Denn ein Blick auf das übergeordnete Gesamtsystem ist meist nicht möglich. Genau diesen übergeordneten Blick auf das eigene System, bestehend aus Anforderungen, Architekturen, Codefragmenten, SBOMs, Tests und anderen Artefakten bietet itemis ANALYZE.

Als state-of-the-art Traceability Werkzeug ist es in der Lage Verknüpfungen der unterschiedlichsten Elemente im eigenen System zu ziehen - manuell, teilautomatisiert oder vollautomatisiert. Als nicht-invasive Software belässt es die Anforderungen im Anforderungsmanagementsystem, den Quellcode im Repository usw. Gleichzeitig versetzt es die Benutzer in die Lage, Zusammenhänge zwischen Anforderungen, Tests und QS-Dokumentation zu sehen.

Bislang erforderte die Analyse dieses komplexen Beziehungsgeflechts oft lokale Softwareinstallationen. Mit itemis ANALYZE Cloud ist der übergeordnete Blick auf das eigene System einfach aus dem Browser heraus möglich. Die Lösung kombiniert die Leistungsfähigkeit der Desktop-Anwendung mit der Zugänglichkeit der Cloud in einem neuen, hybriden Workflow. Projektteams, Stakeholder und Auditoren können über eine WebApp direkt im Browser auf den zentralen Knowledgegraph” zugreifen – ohne technische Hürden. Zudem lassen sich komplexe Projektzustände in der Cloud als revisionssichere Snapshots für Audits „einfrieren”.

Sicherer Governance-Layer für “Agentic AI”

Ein zentrales Element des Cloud-Releases ist die Vorbereitung der Daten für Künstliche Intelligenz Systeme. Während herkömmliche KI-Konnektoren oft große Mengen an Rohdaten blind in Large Language Models (LLMs) laden – was zu Kontextverlust und Halluzinationen führen kann [1]  –, geht itemis einen anderen Weg. itemis ANALYZE fungiert als schützender Governance-Layer. Die Software extrahiert non-invasiv nur die relevanten Beziehungen (Trace-Links) aus den Primärsystemen und liefert der KI eine semantisch aufbereitete Basis für verlässliches Schlussfolgern (Reasoning). Das garantiert “Erklärbare KI”: Jeder Output der KI ist durch direkte Links zur Originalquelle lückenlos nachvollziehbar.

Best-of-Breed (BoB) statt monolithischer Plattform

In einer Zeit, in der proprietäre US-Datenmonolithen den Markt dominieren, setzt itemis ANALYZE bewusst auf den „Best of Breed”-Ansatz [2]. Die offene Adapter-Infrastruktur belässt die volle Datenhoheit in den Primärsystemen der Anwender und verhindert einen Vendor Lock-in.

„Um das volle Potenzial von KI im Systems Engineering sicher zu nutzen, brauchen Unternehmen mehr als nur einen Daten-Dump – sie brauchen einen ‘roten Faden’. Mit itemis ANALYZE Cloud schaffen wir genau diesen Governance-Layer. Wir befreien das Wissen aus lokalen Tool-Silos und ermöglichen es Teams, komplexe Nachweise für Standards wie ASPICE oder ISO 26262 transparent, automatisiert und absolut revisionssicher zu führen”, sagt Dr. Alexander Nyßen, Executive Vice President Digital Engineering bei der itemis AG.

Einladung zum Launch-Event

Die itemis AG lädt Interessenten, Kunden und Pressevertreter ein, den neuen hybriden Workflow und die KI-gestützten Anwendungsfälle live zu erleben:

Wann: 23. April 2026, 16:00 bis 16:45 Uhr (CEST)

Format: Kostenloses Launch-Event (Englisch)

Sprecher: Dr. Alexander Nyßen (EVP Digital Engineering), Jonathan Mohring (Präsident itemis Inc), Florian Antony und Vanessa Klekler.

Registrierung: Formular

[1] - Lost in the Middle: How Language Models Use Long Contexts" (Liu et al., 2023/2024),https://arxiv.org/abs/2307.03172

[2] - Nenn es nicht Plattform,A. Dießen, 2026, https://blogs.itemis.com/...