The creation of domain models from qualitative input relies heavily on experience. An uncodified ad-hoc modeling process is still common and leads to poor documentation of the requirements analysis.

In this thesis, we present a novel method for domain analysis based on qualitative data analysis (QDA). The method helps identifying inconsistencies, ensures a high degree of completeness, and inherently provides traceability from analysis results back to stakeholder input.

In our approach, the QDAcity-RE method, the research process of theory building facilitates domain analysis within the requirements elicitation phase of a software development project.

We show how an iterative process of concurrent data collection and analysis can be applied to requirements engineering (RE), including open, axial, and selective coding of qualitative data.

The traceability of domain model elements back to original statements by stakeholders, generated by our method, does not have to be created and maintained separately after the fact. The traces are documented in an analysis artifact called the code system, which evolves iteratively with the analysis process. The code system can act as a universal model from which a variety of artifacts can be derived, describing both behavioral and structural aspects. This thesis focuses on the creation of conceptual domain models using QDAcity-RE, but peripherally also demonstrates this capability through the generation of behavioral models and a software requirements specification.

We applied and evaluated our method for domain modeling in four exploratory projects in the domains of medical imaging diagnostics, railway systems, HR development, and qualitative research.

We show that by applying QDA to domain analysis, structural elements and relationships needed to derive a UML class diagram can be extracted from a code system based on interviews with domain experts. Constant comparison and theoretical sampling assist in integrating differing domain descriptions into an abstract model.

While the analysis process still requires interpretations and modeling decisions, our method provides more guidance than existing domain analysis approaches and a thorough documentation of these decisions. In addition, codes and memos ensure traceability between the original data and the derived model and assist in connecting several RE artifacts, ensuring a high degree of inter-model consistency.

We validated our claim that QDAcity-RE helps an analyst gain a deeper understanding of a problem domain through a controlled experiment.

Die Erstellung von Domänenmodellen aus qualitativen Daten erfordert ein hohes Grad an Erfahrung. Ein unstrukturiertes ad-hoc Vorgehen ist verbreitet und führt häufig zu mangelhafter Dokumentation des Analyseprozesses.

In dieser Dissertation präsentieren wir eine neuartige Methode zur Domänenmodellierung basierend auf qualitativer Datenanalyse (QDA). Die Methode unterstützt die Identifikation von Inkonsistenzen, sichert einen hohen Grad an Vollständigkeit und erzeugt die Rückverfolgbarkeit (traceability) von Ergebnissen der Analyse zu Aussagen von Stakeholdern.

In unserem Ansatz, der QDAcity-RE Methode, ermöglichen Prozesse der theoriebildenden Forschung die Domänenanalyse in der Phase der Anforderungserhebung zur Softwareentwicklung.

Wir zeigen wie ein iterativer Prozess aus gleichzeitiger Datensammlung und Analyse im Requirements Engineering (RE) angewendet werden kann, welcher die Schritte des offenen, axialen, und selektivem Codieren beinhaltet.

Die Rückverfolgbarkeit von Elementen des Domänenmodells zurück zu Aussagen von Stakeholdern, welche von unserer Methode generiert wird, muss nicht manuell im Nachhinein erstellt und gewartet werden. Die Traces sind im Codesystem dokumentiert. Das Codesystem ist ein Artefakt der Analyse, welches sich iterativ mit dem Analyseprozess weiter entwickelt. Es dient als universelles Modell, von welchem eine Reihe von Artefakten abgeleitet werden kann. Diese können sowohl konzeptionelle als auch Verhaltensaspekte der Domäne beschreiben. Diese Dissertation fokussiert auf konzeptioneller Domänenmodellierung mittels QDAcity-RE. Allerdings demonstrieren wir ebenfalls die Erstellung von Verhaltensmodellen und einer Anforderungsspezifikation.

Wir wendeten unsere Methode zur Domänenmodellierung in vier explorativen Studien an und evaluierten sie fortlaufend. Die Domänen dieser Studien waren medizinische Bildgebung, Eisenbahnsysteme, Personalentwicklung und qualitative Forschung.

Wir zeigen, dass durch die Anwendung von QDA zur Domänenmodellierung strukturelle Eigenschaften und deren Beziehungen aus einer Domäne, welche für die Erstellung eines UML Klassendiagramms benötigt werden, aus einem Codesystem abgeleitet werden können, welches auf Experteninterviews beruht.

Die Methode des ständigen Vergleichs (constant comparison method) und theoretisches Sampling helfen verschiedene Beschreibungen der Domäne in einem abstrakten Modell zu vereinigen.

Obwohl die Analyse nach wie vor Interpretationen und Modellierungsentscheidungen erfordert, so ermöglicht unsere Methode ein strukturierteres Vorgehen als existierende Ansätze zur Domänenmodellierung sowie eine detaillierte Dokumentation der Modellierungsentscheidungen. Zusätzlich ermöglichen Codes und Memos eine Rückverfolgbarkeit zwischen Stakeholder Aussagen und den Artefakten der Analyse. Diese Verbindungen (Traces) zwischen den Artefakten sichern ein hohes Maß an Konsistenz zwischen den Modellen.

Durch ein kontrolliertes Experiment validierten wir unsere Annahme, dass QDAcity-RE einem Analysten dabei hilft ein tiefes Verständnis für eine Domäne zu gewinnen.