RA²T bietet einen semi-automatischen Ansatz der Anforderungsbearbeitung. Zunächst werden Nutzende auf kritische Stellen in Anforderungen hingewiesen, die dann manuell von diesen umformuliert werden können. Anschließend macht RA²T Vorschläge für zu treffende Entscheidungen bei der Weiterverarbeitung, die dann interaktiv von Nutzenden bestätigt oder abgelehnt werden können.
Hierfür wurde eine Reihe von Microservices implementiert, die innerhalb eines geschlossenen Tools verwendet werden. Diese Microservices dienen der Analyse, sprachlichen Qualitätssicherung und Konsolidierung von Anforderungen.
Im Rahmen der Analyse wird die Anforderung zunächst in ihre inhaltlichen und sprachlichen Bestandteile Systemwort, Prozesswort, Priorität/Modalverb, Bedingung, Art der Systemaktivität sowie Objekt und Ergänzung zerlegt. Diese Grundlage ermöglicht eine semantische Suche im Anforderungsbestand und die inhaltliche Klassifikation der Anforderungen, z. B. nach »funktional« und »nicht-funktional«. Weiterhin können Anforderungen u. a. nach den Kriterien »IT-relevant« oder »nicht IT-relevant« klassifiziert werden. Auch andere gewünschte Klassifikationen, beispielsweise nach individuell definierten Kategorien, sind möglich.
RA²T bietet zudem umfangreiche Sortier- und Filterangebote auf Wort- und Anforderungsebene. Sie erlauben die Exploration und die Bearbeitung des Anforderungsbestands nach selbstgewählten Kriterien. Somit ist es möglich, einen großen Anforderungsbestand zum Beispiel inhaltlich zu gruppieren. Unterstützte Sprachen sind Deutsch und Englisch.
Im Rahmen der Anforderungskonsolidierung können zudem Dubletten oder sehr ähnliche Anforderungen im Bestand gefunden und verschiedene Schreibweisen und Abkürzungen des gleichen Wortes oder verschiedene Begriffe mit gleichem Inhalt (z. B. »verschicken« und »versenden«) im Bestand vereinheitlicht werden. Um diesen Vorgang zu unterstützen, kann ein Projektglossar erstellt werden.
Die Qualitätssicherung von Anforderungen ist ein Herzstück von RA²T und beinhaltet die Prüfung sprachlicher Regeln, die die Formulierung eindeutiger Anforderungen unterstützen. Dazu gehören zum Beispiel die Identifizierung von Passivkonstruktionen, unvollständigen Bedingungen oder Weak Words im Anforderungstext wie z. B. »klein« ohne weitere Spezifikationen. RA²T identifiziert diese möglichen Regelverstöße, jedoch bleibt es die Aufgabe der Projektmitarbeitenden, die identifizierten Verstöße zu bewerten und gegebenenfalls zu korrigieren. RA²T nimmt keine selbstständige Korrektur vor.
RA²T basiert auf modernsten Techniken aus den Bereichen Natural Language Processing (NLP) und Machine Learning.