Das Problem sind nicht Ihre Altsysteme. Das Problem ist Ihre Herangehensweise an deren Modernisierung.

Die übliche Reaktion – eine umfassende Neuprogrammierung, ein mehrjähriges Modernisierungsprogramm, ein kompletter Austausch – ist so kostspielig und risikoreich, dass sie die Budgetprüfung selten übersteht. Und so wächst die technische Schuld weiter an. Es gibt jedoch einen intelligenteren Weg; er erfordert ein Umdenken sowohl hinsichtlich der Prioritätensetzung als auch der Umsetzung.

Zwei Fehlansätze – und warum beide am Ziel vorbeischiessen

Meiner Erfahrung nach schwanken die meisten Unternehmen zwischen zwei fehlgeschlagenen Ansätzen hin und her.

Die „Patch-and-Extend“-Strategie fügt veralteten Systemen Workarounds, Middleware-Schichten und API-Wrapper hinzu, um sie funktionsfähig zu halten. Das wirkt pragmatisch, und kurzfristig ist es das auch. Doch mit der Zeit erhöht jeder Patch die Komplexität, verschlechtert die Leistung und macht das zugrunde liegende System schwerer nachvollziehbar. Was als überschaubare Codebasis begann, wird zu einem System, das nur eine Handvoll Ingenieure versteht – und an das sich keiner von ihnen heranwagen will.

Die „Big-Bang“-Neuprogrammierung ersetzt das Altsystem vollständig und wird in der Regel mit einem grossen Team in 18 bis 36 Monaten durchgeführt. Laut Gartner scheitern 83 % der Migrationsprojekte oder überschreiten Zeit- und Budgetrahmen erheblich. Die übrigen Projekte verziehen sich, werden im Umfang reduziert oder auf halbem Weg abgebrochen, was Unternehmen mit zwei Halbsystemen und einem demoralisierten Entwicklerteam zurücklässt.

Keiner der beiden Ansätze scheitert an den eingesetzten Tools. Sie scheitern an derselben vorgelagerten Stelle: der Priorisierung. Keiner beantwortet die Frage, auf die es tatsächlich ankommt: Welche Anwendungen sollten wir zuerst modernisieren, und warum?

Fragen Sie sich: Was kostet es, nicht zu handeln?

Bevor Sie auch nur eine einzige Zeile neuen Codes schreiben, brauchen Sie eine fundierte Antwort auf diese Frage. Die Antwort lautet nicht „das älteste System“ oder „das, über das sich die Entwickler am meisten beschweren“. Es ist die Anwendung, bei der die Kosten der Verzögerung am höchsten sind.

„Cost of Delay“, ein von Don Reinertsen entwickeltes Framework, stellt eine einfache Frage: Welche geschäftlichen Auswirkungen hat es, wenn wir nichts unternehmen – für jeden Monat, den wir warten? Bewerten Sie jede Legacy-Anwendung in Ihrem Portfolio anhand von drei Dimensionen:

• Geschäftlicher Wert: Welche Einnahmen, Effizienzgewinne oder Wettbewerbsvorteile blockiert diese Anwendung derzeit?

• Zeitkritikalität: Wie schnell schwindet die Chance? Eine Compliance-Frist hat eine feste Deadline. Ein Wettbewerbsfenster schwindet allmählich und dann plötzlich.

• Risikominderung: Welche Sicherheitslücken, regulatorischen Risiken oder Risiken für die Mitarbeiterbindung birgt dieses Legacy-System?

Diese Bewertung schafft einen Modernisierungs-Backlog, der die Sprache der Geschäftsergebnisse spricht, nicht die der IT-Hygiene – und genau das ist es, was zur Genehmigung des Budgets führt. Das Ziel ist nicht, alles zu modernisieren; es geht darum, die zwei oder drei Anwendungen zu identifizieren, bei denen der Verbleib auf dem Legacy-Stack am teuersten ist, und diese zuerst anzugehen.

Der Instinkt, „das gesamte Portfolio zu modernisieren“, ist genau das, was zu Big-Bang-Programmen führt, die unter ihrem eigenen Gewicht zusammenbrechen. Eine gnadenlose Priorisierung ist kein Kompromiss. Sie ist die Strategie.

Wie Agentic Engineering die Wirtschaftlichkeit verändert

Sobald die richtigen Ziele identifiziert sind, entscheidet der Umsetzungsansatz darüber, ob die Wirtschaftlichkeit stimmt. Hier habe ich erlebt, wie KI das Mögliche grundlegend verändert.

Agentic Engineering – der Einsatz von KI-Agenten zur Analyse, Planung und Ausführung der mechanischen Arbeit der Migration – kann 50 bis 75 % des Übersetzungsaufwands übernehmen, der sonst den Ingenieuren zufallen würde.

Die Proof-of-Concept-Tests von Fujitsu haben gezeigt, dass agentische KI die Modernisierungszeiten um bis zu 50 % verkürzen kann. Thomson Reuters migriert nun monatlich 1,5 Millionen Codezeilen zu um 30 % geringeren Kosten. Was früher Monate dauerte, ist nun in wenigen Wochen erledigt; was zuvor ein Team von zehn Mitarbeitern erforderte, kann nun von einem Team von vier Mitarbeitern bewältigt werden.

Auf eines bestehe ich immer: Erstellen Sie Ihre Testsuite vor der Migration, nicht danach. Umfassende End-to-End- und Integrationstests sind der Vertrag zwischen dem Altsystem und seinem Nachfolger. Sie dokumentieren das aktuelle Verhalten als Basis und validieren, dass das migrierte System identische Ergebnisse liefert. Testabdeckung ist kein Mehraufwand – sie ist die Risikomanagementebene, die die gesamte Migration vertrauenswürdig macht.

Was wir in der Praxis erlebt haben

Wir haben diesen Ansatz in realen Projekten mit echten Einschränkungen, echten Codebasen und echter Geschäftslogik angewendet, die keine KI von Haus aus verstanden hat.

AngularJS zu React: Schneller als eine manuelle Neuprogrammierung

Wir haben eine interne Legacy-Anwendung auf Basis von AngularJS modernisiert und dabei die Geschäfts- und Anwendungslogik mithilfe von „Agentic Engineering“ vollständig auf React portiert. Die KI übernahm die Framework-Übersetzung. Unsere Ingenieure konzentrierten sich darauf, die Ausgabe zu überprüfen, die Genauigkeit der Geschäftslogik zu validieren und die Randfälle zu erkennen, die das Modell übersehen hatte. Das Ergebnis: eine moderne React-Anwendung, die in einem Bruchteil der Zeit bereitgestellt wurde, die eine herkömmliche Neuprogrammierung benötigt hätte.

Was ich daraus gelernt habe: Agentic Engineering funktioniert bei Framework-Migrationen. Dennoch hängt die Qualität des Ergebnisses vollständig von Ingenieuren ab, die kritisch beurteilen können, was die KI produziert. Dies ist kein Prozess, den man einfach abgeben und dann ignorieren kann. Es ist eine Zusammenarbeit, bei der die KI die Hauptarbeit übernimmt und die Ingenieure das Urteilsvermögen beisteuern.

Eine Liferay-Migration zum halben Preis

Bei einem Kundenprojekt setzten wir Mistral als KI-Engine ein – die Migrationscode direkt aus Beschreibungen des Zielverhaltens in natürlicher Sprache generierte –, um eine vollständige Liferay-Plattformmigration durchzuführen. Das Ergebnis waren um etwa 50 % geringere Projektkosten im Vergleich zu einer gleichwertigen Migration ohne KI. Nicht, weil wir den Umfang gekürzt oder die Qualität gesenkt hätten, sondern weil die KI die repetitive, mechanische Entwicklungsarbeit übernahm, die sonst Entwicklungsstunden in Anspruch genommen hätte.

Da diese Last wegfiel, hatte mein Team die Kapazität, sich auf das zu konzentrieren, was tatsächlich Wettbewerbsvorteile schafft: benutzerdefinierte Funktionen, UX-Verbesserungen und Integrationsarbeiten, die die Plattform von anderen abheben.

Was wir bei unserem internen KI-Hackathon gelernt haben

Einer der Momente, der meine Überzeugung von diesem Ansatz bestätigte, war unser interner KI-Hackathon, der sich ganz auf KI-beschleunigte Entwicklung konzentrierte. Ich hatte gesehen, was KI bei Kundenprojekten leisten konnte, aber ich wollte sehen, was passieren würde, wenn unsere eigenen Entwickler den Freiraum hätten, noch einen Schritt weiter zu gehen – keine Einschränkungen, kein vordefinierter Umfang, nur die Frage: Wie weit können wir gehen?

Die Ergebnisse übertrafen bei weitem alles, was wir erwartet hatten: keine marginalen Geschwindigkeitsgewinne, sondern ein grundlegend anderes Tempo bei der Umsetzung, mit einer Output-Qualität, die auch bei genauer Prüfung standhielt.

Das bestätigte etwas, das ich schon seit einiger Zeit gesagt hatte; wir haben viele verschiedene KI-Anwendungen untersucht, von der Entwicklung bis hin zu konkreten Anwendungsfällen, und wir sind fest davon überzeugt, dass es so viel Wertpotenzial gibt, das wir erschliessen können. Wir haben uns nicht mit KI befasst, um Personal abzubauen oder Kosten zu senken. Das Ziel waren stets bessere Ergebnisse – für Kunden, für Ingenieure und für die Qualität der Arbeit selbst.

Was KI allein nicht leisten kann

Ich möchte die Grenzen klar benennen, denn das Setzen realistischer Erwartungen ist Teil einer erfolgreichen Umsetzung.

Die Datenmigration ist die schwierigste Phase. Von KI generierte Transformationsskripte bieten einen Ausgangspunkt, gewährleisten jedoch keine Konsistenz. Komplexe Schemata, Einschränkungen der referenziellen Integrität, Datentyp-Inkompatibilitäten und Nullwerte in Randfällen erfordern umfangreiche manuelle Tests, iterative Abgleichungen und Fachwissen. Planen Sie für diese Phase grosszügiger ein, als es Ihr erster Impuls nahelegt. Die meisten Teams, die dies unterschätzen, bereuen es später.

Die Geschäftslogik in Altsystemen ist für KI oft nicht lesbar. Jahrelange undokumentierte Workarounds, in Bedingungen eingebettetes Stammeswissen und implizite Annahmen in Datenflüssen führen dazu, dass KI-Agenten zwar die Struktur übersetzen, aber möglicherweise die Absicht verfehlen. Die Überprüfung geschäftskritischer Logik durch Menschen ist unverzichtbar.

Der Mentalitätswandel ist genauso wichtig wie die Werkzeuge. Teams, die KI-Ergebnisse als strengen ersten Entwurf betrachten – der überprüft, hinterfragt und verfeinert werden muss –, werden Erfolg haben. Teams, die sie als fertiges Produkt betrachten, werden unbemerkte Regressionen ausliefern.

Wie es weitergeht

Das ist der Ansatz, den ich in jedes Kundengespräch und jede interne Initiative bei Mimacom einbringe. Nicht KI um der KI willen. KI als Werkzeug zur Umsetzung – eines, das, wenn es mit der richtigen Priorisierung und der richtigen technischen Disziplin angewendet wird, Modernisierung wirklich erreichbar macht.

Wenn Sie wissen möchten, wo Sie anfangen sollen, ist eine Bestandsaufnahme Ihres Legacy-Portfolios der richtige erste Schritt. Wir ordnen Ihr Anwendungsportfolio einem „Cost of Delay“-Framework zu, identifizieren die modernisierungswürdigsten Kandidaten und liefern Ihnen einen klaren, kostenkalkulierten Fahrplan, einschliesslich einer ehrlichen Einschätzung, wo KI-gestützte Migration den grössten Nutzen bringt und wo menschliches Urteilsvermögen unersetzbar ist.

Sprechen Sie mit unserem Team oder entdecken Sie unseren Bereich „AI-Infused Engineering“, um zu erfahren, wie wir den gesamten Modernisierungszyklus angehen.

Wir beobachten die KI-Welle nicht nur. Wir gestalten sie aktiv mit und loten aus, was sie für uns und für die Zukunft bedeutet.